本发明属于物联网安全领域，涉及功耗采集及基于功耗的信息恢复技术，尤其涉及一种基于加密芯片的功耗序列推断加密文件信息的方法。
背景技术：
1、在现代通信和信息交流中，安全性已成为一项关键要素。因此，对数据进行加密以保护其机密性已经成为一种常见的安全措施。加密算法通常是复杂的，而且需要使用专门的设备或软件实现。但是，加密算法也可以通过监测加密时产生的功耗来进行破解。通过监测加密时的功耗波形，可以推断加密算法的某些参数，从而破解加密过程。在过去的几十年中，已经有许多研究人员将这种方法应用于各种加密算法的破解中，但是，随着密码芯片复杂程度的加剧，人工分析加密时产生的功耗已经不太现实。近年来，深度学习技术的发展已经在计算机视觉、自然语言处理、语音识别等领域取得了巨大的成功。由于深度学习算法具有良好的适应性和泛化能力，因此已经开始应用于密码分析中。深度学习算法可以从大量的功耗数据中学习加密算法的特征，从而实现加密算法的破解。
技术实现思路
1、本发明的目的在于针对现有技术的不足，提供一种基于加密芯片的功耗序列推断加密文件信息的方法，该方法可以有效地从加密芯片的功耗序列中推断出加密文件的大小和类型等信息。具体来说，本发明采集加密芯片加密文本、视频等原始数据时的功耗序列。然后，通过对加密芯片的功耗序列进行分析，可以推断出加密文件的大小、类型等信息，更细粒度地，可以通过深度学习分类的方案，获知正在加密的是哪一个文件。本发明的优点在于可以有效地推断加密文件的信息，同时不需要对加密算法进行任何修改，从而可以保证数据的安全性。
2、一种基于加密芯片的功耗序列推断加密文件信息的方法，包括如下步骤：
3、使用加密芯片加密文件，并在加密时采集加密芯片功耗，存储至二进制文件中得到功耗二进制文件；
4、读取功耗二进制文件，并进行降采样，通过分析功耗的幅值特征来切割功耗序列，获取每一个文件加密时产生的功耗序列，根据功耗序列长度推断文件类型和大小信息。
5、进一步的，对于功耗序列长度相同、内容不同的加密文件，以频域特征为输入变量，文件类型为输出变量，基于训练好的深度学习模型判断加密产生的功耗是哪一个文件产生的。
6、进一步的，所述采集加密芯片功耗具体步骤包括：
7、在加密芯片的电源线路上串联一个采样电阻，并将其连接在功耗采集设备上，当加密芯片加密数据时，功耗采集设备实时采集采样电阻的电压作为功耗的表征，同时将采集的数据通过数据采集卡存储到二进制文件中。
8、进一步的，所述电阻的阻值由加密芯片的电气特性和功耗采集设备的采样精度决定。
9、进一步地，所述切割功耗序列的具体步骤包括：
10、解析功耗二进制文件的结构，去除文件头信息，得到数值型的功耗数据；
11、对功耗数据进行滤波和降采样处理；
12、设置一个阈值，通过检测大于这个阈值的功耗数据，定位每个文件加密开始和结束时功耗的两个峰值，从而切割功耗序列，得到每一个文件加密时产生的功耗序列长度。
13、进一步的，所述滤波为低通滤波，所述降采样倍数为50。
14、进一步的，所述阈值小于每个文件加密开始和结束时功耗的两个峰值，且远大于其余时刻的功耗值。
15、进一步的，所述功耗序列长度与加密文件的大小成正比，所述文件类型基于视频文件、图像文件、文本文件的典型大小值得到。
16、进一步的，所述频域特征为：将每一个文件产生的功耗序列进行降采样，并分组进行离散余弦变换，取每一次变换后的前四个频率分量系数作为频域特征。
17、进一步的，所述深度学习模型的训练方法包括：
18、准备一批大小相同但格式不同的加密文件，记录每个文件在加密时产生的功耗序列，得到训练数据集；
19、基于循环神经网络构建深度学习模型，并设计合适的超参数、进行参数的初始化；
20、获取训练数据集的频域特征，并将训练数据集划分为训练集和验证集，以频域特征为输入变量，文件编号为输出变量，使用训练集对模型进行训练，使用验证集对模型进行验证和调整。
21、本发明具有的有益效果是：
22、本发明利用了加密芯片工作时的功耗特征，实现了针对加密文件类型、大小和内容的推断，可以用于隐私推断。尤其是本发明中通过非侵入式的方案采集加密芯片的功耗，不影响加密芯片的正常工作，可以实现不被侦知的信息推断。本发明的优点在于可以有效地推断加密文件的信息，同时不需要对加密算法进行任何修改，从而可以保证数据的安全性。此外，本发明的方法也可以应用于其他领域，如物联网、智能卡等。
1.一种基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，对于功耗序列长度相同、内容不同的加密文件，以频域特征为输入变量，文件类型为输出变量，基于训练好的深度学习模型判断加密产生的功耗是哪一个文件产生的。
3.根据权利要求1所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述采集加密芯片功耗具体步骤包括：
4.根据权利要求3所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述电阻的阻值由加密芯片的电气特性和功耗采集设备的采样精度决定。
5.根据权利要求1所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述切割功耗序列的具体步骤包括：
6.根据权利要求5所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述滤波为低通滤波，所述降采样倍数为50。
7.根据权利要求5所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述阈值小于每个文件加密开始和结束时功耗的两个峰值，且远大于其余时刻的功耗值。
8.根据权利要求1所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述功耗序列长度与加密文件的大小成正比，所述文件类型基于视频文件、图像文件、文本文件的典型大小值得到。
9.根据权利要求2所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述频域特征为：
10.根据权利要求9所述的基于加密芯片的功耗序列推断加密文件信息的方法，其特征在于，所述深度学习模型的训练方法包括：