侧信道攻击学习笔记3-汉明重量

简介

本篇将继续跟随chipwhisperer-jupyter sca101的教程来学习了解能量分析中的常用模型汉明重量
汉明重量：简单来说就是一个数的二进制包含'1'的个数，如0x00的HM为0，0xFF的HM为8，0x1和0x2的HM都为1

开始

如下图，同样选择复制HARDWARE的代码至MAIN中
同样地根据提示信息选择平台，这里需要注意的是：XMEGA平台的CRYPTO_TARGET既可以使用默认值'TINYAES128C'（全平台通用）也可以使用'AVRCRYPTOLIB'（仅限XMEGA）
前几行代码，依旧是初始化一些参数和编译并上传合适的固件到目标板中
接着就是提示信息和相应的代码，大意是说为了查看不同汉明重量的数据对能量消耗的影响，这里生成两种极端数据'0x00'(00000000)和'0xff'(11111111)，100个traces就足够查看两者的差异
接着往下运行，可以看到如下提示信息，大意是指：查看HM大的0xFF和HM小的0x00数据对运行AES时的能量消耗差异，由于这些数据是混合在一起的，所以首先需要对抓取的数据进行分组，分为one_list和zero_list

按照提示修改代码将数据分为两组，并将结果转为numpy array类型

zero_list=[]
one_list=[]
for i in range(len(trace_array)):
    if textin_array[i][0] == 0x00:
        zero_list.append(trace_array[i])
        
    else:
        one_list.append(trace_array[i])


one_list=np.array(one_list)
zero_list=np.array(zero_list)

assert len(one_list) > len(zero_list)/2
assert len(zero_list) > len(one_list)/2

接着可以看到如下提示信息，大意是：使用np.mean分别对上面两组数据的trace求平均值，得到zero_avg和one_avg的数据，其中'axis'参数可用来指定求均值的方向（按行或者按列求）

按照提示信息，修改代码，求两组数据的平均值，

trace_length = len(one_list[0])
print("Traces had original sample length of %d"%trace_length)

one_avg=np.mean(one_list, axis=0)

if len(one_avg) != trace_length:
    raise ValueError("Average length is only %d - check you did correct dimensions!"%one_avg)

trace_length = len(zero_list[0])
print("Traces had original sample length of %d"%trace_length)

zero_avg=np.mean(zero_list, axis=0)

if len(zero_avg) != trace_length:
    raise ValueError("Average length is only %d - check you did correct dimensions!"%zero_avg)

最后就是画出两组的差异图

%matplotlib notebook
import matplotlib.pyplot as plt

diff = one_avg[:1000] - zero_avg[:1000]

plt.plot(abs(diff))
plt.show()

往下可以看到如下提示信息，大意是说：在前面的位置你可以看到一个明显的差异，这个代表着数据的差异也可以在能量图中体现出来。对比上图确实如此，在200的位置可以看到一个明显的峰值，其余部分的差异都非常小
接下来尝试不同的数据与'0x00'的对比，下图'0x01'与'0x00'的对比，可以看到，两者差异并不明显，不能识别出差异数据所在位置
出现上图原因是，抓取的数据太少，将前面的N=100改为N=1000，重新运行，并画图，可以看到同样可以看到一个明显的