一种选择输入的水平能量分析卷积神经网络的方法及应用

技术特征：
1.一种选择输入的水平能量分析卷积神经网络的方法，其特征在于，所述方法包括：基于多个待分析的目标参数在卷积神经网络模型中的位置，选择与多个待分析的所述目标参数相对应的多个输入数据，并输入所述卷积神经网络模型；基于所述卷积神经网络模型执行多个待分析的所述目标参数与多个所述输入数据的运算结果所产生的功耗构建第一能量消耗矩阵；设置每个待分析的所述目标参数的所有候选值，并基于所有所述候选值与多个所述输入数据的运算结果构建第二能量消耗矩阵；计算所述第一能量消耗矩阵与所述第二能量消耗矩阵之间的相关性，以得到每个待分析的所述目标参数的所有候选值的相关性系数，选择相关性系数最大的候选值作为待分析的所述目标参数的分析结果。2.如权利要求1所述的选择输入的水平能量分析卷积神经网络的方法，其特征在于，所述基于多个待分析的目标参数在卷积神经网络模型中的位置，选择与多个待分析的所述目标参数相对应的多个输入数据，并输入所述卷积神经网络模型，包括：将与多个待分析的所述目标参数参与乘法运算的所述输入数据设为非零值，其余数据置零。3.如权利要求1所述的选择输入的水平能量分析卷积神经网络的方法，其特征在于，所述基于所述卷积神经网络模型执行多个待分析的所述目标参数与多个所述输入数据的运算结果所产生的功耗构建第一能量消耗矩阵，包括：将多个待分析的所述目标参数与多个所述输入数据进行乘法运算得到多个第一中间值数据，并将多个所述第一中间值数据输入所述卷积神经网络模型；将所述卷积神经网络模型执行多个所述第一中间值数据所产生的功耗曲线进行分割，以得到多个功耗曲线段；筛选出所有待分析的所述目标参数参与运算的功耗曲线段，并构建第一能量消耗矩阵。4.如权利要求3所述的选择输入的水平能量分析卷积神经网络的方法，其特征在于，所述将所述卷积神经网络模型执行多个所述第一中间值数据所产生的功耗曲线进行分割，以得到多个功耗曲线段，包括：获取所述卷积神经网络模型执行多个所述第一中间值数据所产生的功耗，并得到多条待分析的所述目标参数参与运算的功耗曲线；根据每个待分析的所述目标参数参与运算的位置，确定每个待分析的所述目标参数对应在所述功耗曲线上的范围；按照每个待分析的所述目标参数对应在所述功耗曲线上的范围，将多条所述功耗曲线分别分割成多个功耗曲线段。5.如权利要求1所述的选择输入的水平能量分析卷积神经网络的方法，其特征在于，所述设置每个待分析的所述目标参数的所有候选值，并基于所有所述候选值与多个所述输入数据的运算结果构建第二能量消耗矩阵，包括：分别将每个待分析的所述目标参数的所有候选值与多个所述输入数据进行乘法运算得到多个第二中间值数据，并将多个所述第二中间值数据构建为模拟中间值矩阵；采用汉明重量模型将所述模拟中间值矩阵映射得到第二能量消耗矩阵。
6.如权利要求1所述的选择输入的水平能量分析卷积神经网络的方法，其特征在于，所述计算所述第一能量消耗矩阵与所述第二能量消耗矩阵之间的相关性，以得到每个待分析的所述目标参数的所有候选值的相关性系数，包括：采用pearson相关性系数计算公式计算所述第一能量消耗矩阵与所述第二能量消耗矩阵之间的相关性，得到每个待分析的所述目标参数的所有候选值的相关性系数。7.如权利要求1所述的选择输入的水平能量分析卷积神经网络的方法，其特征在于，所述卷积神经网络模型为基于cmsis-nn模型部署在armcortex-m3硬件平台上的卷积神经网络模型，且所述卷积神经网络模型包含依次连接的第一卷积层、第一池化层、第二卷积层、第二池化层、第三卷积层、第三池化层以及全连接层；和/或，所述输入数据为cifar-10数据集中的数据。8.一种选择输入的水平能量分析卷积神经网络系统，其特征在于，所述系统包括：选择模块，用于基于多个待分析的目标参数在卷积神经网络模型中的位置，选择与多个待分析的所述目标参数相对应的多个输入数据，并输入所述卷积神经网络模型；第一构建模块，用于基于所述卷积神经网络模型执行多个待分析的所述目标参数与多个所述输入数据的运算结果所产生的功耗构建第一能量消耗矩阵；第二构建模块，用于设置每个待分析的所述目标参数的所有候选值，并基于所有所述候选值与多个所述输入数据的运算结果构建第二能量消耗矩阵；计算模块，用于计算所述第一能量消耗矩阵与所述第二能量消耗矩阵之间的相关性，以得到每个待分析的所述目标参数的所有候选值的相关性系数，选择相关性系数最大的候选值作为待分析的所述目标参数的分析结果。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如权利要求1至7中任一项所述的选择输入的水平能量分析卷积神经网络的方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的选择输入的水平能量分析卷积神经网络的方法。

技术总结
本发明公开了一种选择输入的水平能量分析卷积神经网络的方法及应用，该方法包括：基于目标参数在卷积神经网络模型中的位置，选择与其对应的输入数据并输入卷积神经网络模型；基于卷积神经网络模型执行目标参数与输入数据的运算结果产生的功耗构建第一能量消耗矩阵；基于每个目标参数的所有候选值与输入数据的运算结果构建第二能量消耗矩阵；计算第一能量消耗矩阵与第二能量消耗矩阵之间的相关性，选择相关性系数最大的候选值作为目标参数的分析结果。该方法采用选择输入数据的方式对卷积神经网络模型的权重参数进行侧信道分析，减少卷积神经网络模型执行所需的功耗曲线量，同时改善因参数错误传递导致分析准确低的问题，有效提高分析准确率。有效提高分析准确率。有效提高分析准确率。


技术研发人员：刘哲 何思寒
受保护的技术使用者：南京航空航天大学
技术研发日：2022.08.23
技术公布日：2022/11/11