• 한국전자파학회논문지
• /
• 제27권9호
• /
• pp.844-853
• /
• 2016

컴퓨터의 대표적인 출력 매체인 LCD(Liquid Crystal Display) 모니터에서는 일반적으로 의도치 않은 전자파가 누설된다. 이러한 누설 전자파에는 컴퓨터의 메인 보드에서 LCD 모니터로 전달되는 화면 정보가 포함되어 있기 때문에 누설 신호의 복원을 통한 화면 정보 누설의 위험성이 존재한다. 따라서 누설 신호를 통한 전자파 보안 위협이 이슈가 되고 있으므로 정보 누설 가능성에 대한 분석이 필요한 상황이다. 본 논문에서는 데스크탑과 랩탑 모니터에서 누설되는 전자파를 분석하여 화면 정보 누설의 가능성을 확인하였다. 화면 구성 매커니즘을 분석하여 LCD 모니터의 누설 전자파의 형태를 예측하였고, 누설 신호 탐지 실험 환경을 구성하여 원거리에서 누설 전자파를 측정하였다. 또한, 여러 알고리즘을 사용하여 누설 화면을 복원하고, 원 화면과 비교하여 정보 누설 위협에 대하여 확인하였다.

• 한국전자파학회논문지
• /
• 제27권11호
• /
• pp.1004-1011
• /
• 2016

본 논문에서는 개인용 유선 키보드의 한 형태인 Universal Serial Bus(USB) 키보드의 마이크로 컨트롤러 칩을 통해서 방사되는 누설 전자파를 측정하고 복원하는 방법을 제시하였다. 누설 전자파를 분석함으로써 키보드를 통해서 어떤 정보가 입력되었는지 알 수 있으므로 비밀번호 등의 개인정보 누설, 도청 등 정보 보안상의 문제가 발생한다. USB 키보드는 신호 전송 메커니즘에 따라 누설 전자파를 발생시킨다. 누설 전자파는 대수 주기 안테나와 광대역 수신기를 이용하여 측정하였고, 신호 처리 알고리즘을 이용하여 분석하였다.

• 한국전자파학회논문지
• /
• 제18권1호
• /
• pp.76-81
• /
• 2007

본 논문에서는 PC 키보드의 누설 전자파에 의한 정보 누설 취약성을 분석하였다. 먼저 키보드 프로토콜과 하드웨어 구조를 살펴보고, 키보드에서 PC 본체로 전송되는 데이터 신호와 본체 전원선에 누설된 신호 사이의 상호 관계를 분석함으로써 키보드 전도성 방사의 원인을 파악하였다. 또한 키보드 누설 전자파의 크기를 계산하고 CTSPR 22 규격의 허용 레벨과 비교하였다. 간단한 실험을 통하여 PC본체 전원선의 신호를 분석하여 키보드 글쇠 내용을 얻을 수 있음을 보임으로써, PC 사용자의 중요 정보가 누설될 수 있음을 확인하였다.

• KSII Transactions on Internet and Information Systems (TIIS)
• /
• 제18권3호
• /
• pp.738-754
• /
• 2024

Side-channel analysis (SCA) is a cryptanalytic technique that exploits physical leakages, such as power consumption or electromagnetic emanations, from cryptographic devices to extract secret keys used in cryptographic algorithms. Recent studies have shown that training SCA models with semi-supervised learning can effectively overcome the problem of few labeled power traces. However, the process of training SCA models using semi-supervised learning generates many pseudo-labels. The performance of the SCA model can be reduced by some of these pseudo-labels. To solve this issue, we propose the HWFilter method to improve semi-supervised SCA. This method uses a Hamming Weight Pseudo-label Filter (HWPF) to filter the pseudo-labels generated by the semi-supervised SCA model, which enhances the model's performance. Furthermore, we introduce a normal distribution method for constructing the HWPF. In the normal distribution method, the Hamming weights (HWs) of power traces can be obtained from the normal distribution of power points. These HWs are filtered and combined into a HWPF. The HWFilter was tested using the ASCADv1 database and the AES_HD dataset. The experimental results demonstrate that the HWFilter method can significantly enhance the performance of semi-supervised SCA models. In the ASCADv1 database, the model with HWFilter requires only 33 power traces to recover the key. In the AES_HD dataset, the model with HWFilter outperforms the current best semi-supervised SCA model by 12%.