gaussian(sideChannelAttack)
gaussian()所属R语言包：sideChannelAttack
Template Based DPA
基于模板的DPA
译者：生物统计家园网 机器人LoveR
描述----------Description----------
The gaussian function applies a template Based DPA (TDPA) to a set of traces in order to find the key used by the cryptographic device.
gaussian功能适用于基于模板的DPA（TDPA）一套的痕迹，以便找到所使用的密钥的加密设备。
用法----------Usage----------
gaussian(x, y,...)
参数----------Arguments----------
参数：x
A matrix where each row is a trace.
一个矩阵，其中每行是一个跟踪。
参数：y
A binary vector where the i_th element of the vector y is the key for the i_th trace in the matrix x.
一个二进制向量，其中i_th元素的向量yi_th跟踪的关键矩阵中的x。
参数：...
Currently ignored.
目前忽略不计。
Details
详细信息----------Details----------
The gaussian function is an example of TDPA. It estimates the conditional probability of the trace for each key and then returns the key which maximizes this probability. It extracts all possible informations available in each trace and is hence the strongest form of side channel attack possible in an information theoretic sense that relies on a parametric Gaussian estimation approach.
gaussian功能的TDPA就是一个例子。据估计为每个键的跟踪的条件概率，然后返回该概率最大化的关键。它提取所有可能的信息可以在每个跟踪，因此，最强的侧信道攻击的可能在信息理论意义上的，它依赖于一个参数高斯估计方法。
值----------Value----------
The gaussian function returns an object which can be used with the predict function to estimate the value of the key knowing a trace.
gaussian函数返回一个对象，它可以使用predict功能，知道了一丝估算价值的关键。
The value of this function is an object of class gaussian, which is a list with the following components:
此函数的值是一个对象的类gaussian，它是一个具有下列组件列表：
参数：mean
two arithmetic means, one for each possible key.
两个算术运算装置，对于每个可能的键之一。
参数：cov
two covariance matrices, one for each possible key.
两个协方差矩阵，对于每个可能的键之一。
参数：detCov
the two determinants of each covariance matrice.
每个协方差矩阵的两个决定因素。
（作者）----------Author(s)----------
Liran Lerman <a href="mailto:llerman@ulb.ac.be">llerman@ulb.ac.be</a> & Gianluca Bontempi <a href="mailto:gbonte@ulb.ac.be@ulb.ac.be">gbonte@ulb.ac.be@ulb.ac.be</a> & Olivier Markowitch <a href="mailto livier.markowitch@ulb.ac.be">olivier.markowitch@ulb.ac.be</a>
参考文献----------References----------
实例----------Examples----------
#data collection[数据收集]
data(powerC)
traces = powerC[,-301]
key = powerC[,301]
#feature selection[特征选择]
filter = filter.mRMR(traces,key,14)
traces = predict(filter,traces)
#model creation[模型的创建]
attack=gaussian(traces[-1,],factor(key[-1]))
#model prediction[模型预测]
predict(attack,traces[1,])
转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。
注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。
|
发表于 2012-9-30 02:03:52
