侧信道是什么:从一根探头到一个字节
「侧信道实战入门系列教程」之一
面向:嵌入式安全初学者、硬件安全测试工程师、密码实现开发者、想入门侧信道的高年级本科生/研究生。
前置要求:会一点 Python,知道 AES 分组密码长什么样,见过示波器最好,没见过也能跟上。
本篇目标:建立一张完整的"侧信道地图",并用一套真实采集的数据,亲眼看到 600 条波形如何把 AES 的 16 字节密钥全部恢复出来。
0. 先把话说在前面
这个系列不打算写成"论文综述 + 名词解释"。它是一条从零到能独立做实验的路线:
- 原理要讲清楚:为什么功耗会泄露数据,为什么相关系数能挑出正确密钥;
- 接线要讲清楚:探头夹在哪、地线怎么接、触发从哪来、示波器怎么设;
- 代码要讲清楚:数据怎么存、模型怎么建、CPA 怎么写、结果怎么判;
- 失败也要讲清楚:哪些现象是"没泄漏",哪些只是"你没测到",负结果该怎么下结论。
所有实验都在自有教学板(OSR-303,STM32F303)上完成,密钥是教学用的固定值,不涉及任何真实设备的私钥。请只对自己拥有或获得明确授权的设备做这类实验。
1. 一个思想实验:算法安全 ≠ 设备安全
AES-128 在数学上是安全的。给你一堆明文和对应的密文,用目前最好的算法去暴力搜索,2¹²⁸ 次尝试在宇宙寿命内也算不完。
但芯片不是数学公式。它是一块硅片,里面有几百万个晶体管,每次翻转都会消耗电荷、产生电流、辐射电磁场。而这些物理量,和它正在处理的数据有关。
于是问题就变成了:
我不去猜 2¹²⁸ 种可能,我只用示波器看它"算得累不累"。
这就是侧信道分析(Side-Channel Analysis,SCA)的全部出发点:不攻破算法,攻破实现。
密码学保证的是"输入到输出的映射没有捷径";侧信道利用的是"这个映射在物理世界执行时留下了痕迹"。两者不在同一个层面上,所以谁也不能替代谁。
2. 泄漏从哪里来:五条物理通道
侧信道不是一个单一技术,而是一族技术。按"信息以什么物理量泄漏出来"划分,常见的有五类:
2.1 功耗
CMOS 电路每次 0→1 或 1→0 翻转都要给寄生电容充放电,产生电流尖峰。同一时刻翻转的比特越多,电流越大。所以瞬时功耗与"当前数据有多少位在翻转"相关——这正是汉明距离/汉明重量模型的物理基础。
功耗分析是教学和评测中最常用的通道:信号强、成本低、可重复。
2.2 电磁
电流在导线和芯片内部走线中流动会产生磁场。把近场探头(小环天线)贴近芯片表面,就能拾取这些磁场变化。电磁信号的空间选择性更好——探头挪几毫米,可能就换了一组"偷听"的电路;但它对探头位置极其敏感,重复性比功耗差。
本系列第 6、8 篇会专门讲电磁:一次成功的 EMFI 实验,和一次"看起来什么都没测到"的 P-224 记录。
2.3 时序
同一条指令,不同数据走的分支不同、cache 命中不同、乘除法迭代次数不同,执行时间就不同。最经典的例子是"逐字节比较字符串":比较到第一个不同字符就返回,于是响应时间泄露了"前缀匹配了多长"。
时序通道不需要开壳、不需要探头,常常能远程利用,但信噪比低,对测量环境要求高。
2.4 微架构
现代 CPU 为了快,会做缓存、乱序执行、分支预测、推测执行。这些机制让"程序看到了什么"和"程序应该看到什么"发生偏离。Spectre、Meltdown、缓存计时攻击都属于这一类。它更偏软件侧,但本质仍是"实现的物理行为泄露了不该泄露的信息"。
2.5 声学、光学、热
键盘按键声、电感啸叫、屏幕/线缆的电磁辐射、芯片表面的热分布、甚至 LED 的亮度变化,都可以成为通道。这类通道更"偏门",工程上不如功耗/电磁常用,但说明了一个重要事实:只要信息在物理世界产生可观测的副作用,就有潜在的侧信道。
3. 一张图看懂分类:被动观察 vs 主动注入
侧信道技术可以粗分成两大分支:
- 被动侧信道:不改变设备运行状态,只是"看"。功耗、电磁、时序、微架构、声/光都属于这一类。
- 主动故障注入(Fault Injection,FI):人为制造异常,让芯片算错,再从错误结果里反推秘密。电压毛刺、时钟毛刺、电磁毛刺(EMFI)、激光、温度/欠压、Rowhammer 都属于这一类。

图 1:侧信道分析的两大分支与常见方法。被动分支回答"它在算什么",主动分支回答"让它算错会怎样"。
两条分支的思路完全不同:
- 被动分析:观测 → 建立泄漏模型 → 统计区分 → 恢复密钥。核心是"相关"。
- 主动注入:制造错误 → 观察错误输出 → 用代数关系反推密钥。核心是"因果"。
但它们经常组合使用。比如"故障 + 功耗"可以定位故障发生的精确时刻;"故障 + DFA"可以用极少的错误密文恢复 AES 密钥。本系列第 3、6、7 篇都会落在这条线上。
3.1 被动分支的方法谱系
同样是看功耗,方法也在进化:
| 方法 | 核心思想 | 需要多少条曲线 | 典型门槛 |
|---|---|---|---|
| SPA(简单功耗分析) | 肉眼看波形,找与数据相关的模式 | 1 条 | 需要明显特征,如平方-乘 |
| DPA(差分功耗分析) | 按猜测的中间位把曲线分组,求均值差 | 几千条 | 对对齐误差较敏感 |
| CPA(相关功耗分析) | 计算泄漏模型与实测功耗的 Pearson 相关 | 几百到几千条 | 需要选对泄漏模型 |
| 模板攻击 | 先在已知密钥设备上建"泄漏指纹",再匹配 | 建模板几百条 + 攻击少量 | 需要同型号/同批次设备 |
| 深度学习 SCA | 用 CNN/自编码器直接从曲线学特征 | 训练几千到几万条 | 需要训练数据与调参 |
一个常见的误解是"CPA 比 DPA 高级,所以一定更好"。实际上它们只是区分器不同:CPA 直接对连续值做相关,DPA 对分组均值做差。选择哪一个,取决于你的泄漏模型有多准、曲线对齐有多好。
3.2 主动分支的方法谱系
| 方法 | 施加什么 | 优点 | 难点 |
|---|---|---|---|
| 电压毛刺(VCC glitch) | 在电源上叠加短促跌落/尖峰 | 成本低、易实现 | 时序窗口极窄,容易复位/死机 |
| 时钟毛刺(clock glitch) | 在时钟上插入多余/缺失边沿 | 精度高 | 需要能控制时钟 |
| 电磁毛刺(EMFI) | 用线圈在芯片表面注入强脉冲 | 非接触、可空间定位 | 探头位置敏感、设备贵 |
| 激光注入 | 开盖后用激光打特定区域 | 空间分辨率最高 | 需开盖、设备昂贵 |
| 温度/欠压 | 改变工作条件 | 简单 | 效果粗糙、易损伤 |
| Rowhammer | 反复访问同一行 DRAM | 纯软件触发 | 依赖内存工艺,平台受限 |
4. 一次真实的"隔空取 key"
下面这部分不是示意图,而是本系列后续实验的真实数据。
4.1 实验台架
- 目标板:OSR-303 教学板,STM32F303(Cortex-M4)
- 固件:303AES,AES-128 加密,第一轮之前拉高一个 GPIO 作为触发
- 功耗通道:板上 RF7 接口引出,示波器 CH1,AC 耦合,0.1 V/div,50 Ω 端接
- 触发通道:PA6,DC 耦合,1 V/div,上升沿触发,阈值 1.65 V
- 采样:500 MSa/s,记录长度 1 ms(500,000 点,每点 2 ns)
- 触发位置:
TIM:DEL = +250 µs,即触发点落在记录的 25% 处,触发后还能看 750 µs - 数据量:600 条曲线,每条 16 字节明文、16 字节密文
- 密钥:
000102030405060708090a0b0c0d0e0f(教学固定值)
这里有两个工程细节值得先记住:
- 触发点为什么放在 25% 而不是 0%? 因为示波器需要预触发缓冲。把触发放在记录中间偏前,既能看清触发前的状态,又能保留足够长的触发后窗口。
+250 µs是一个折中:AES 运算发生在触发后几十到一百多微秒,750 µs 的后窗口绰绰有余。 - 为什么是 500 MSa/s? 2 ns 一个采样点,对于微控制器上毫秒级的 AES 运算足够;再高的采样率只会让数据文件更大,不会让泄漏更明显。
4.2 肉眼看波形:什么都看不出来
先看一条真实的采集曲线:

图 2(a):触发后 750 µs 的单条功耗曲线。红虚线是触发点,橙色区域是后面 CPA 使用的 90–200 µs 搜索窗。曲线有起伏,但肉眼无法从中读出任何"密钥信息"。
这不是因为信号太弱,而是因为泄漏被淹没在噪声和共模漂移里。我们试过把 200 条曲线直接平均:均方根只从约 2556 降到约 2115,噪声抑制不到 1.2 倍——因为每条曲线的基线漂移并不独立,平均之后漂移还在,AES 的那点数据相关分量仍然看不见。
这是初学者最常卡住的地方:“我采到波形了,然后呢?” 答案是:时域幅度不是给肉眼看的,是给统计量看的。
4.3 CPA 的核心:猜一个字节,算一个相关
AES 第一轮的中间值是:
v = SBOX[plaintext_byte XOR key_byte]
S 盒是非线性的,所以 v 的分布会随着 key_byte 的猜测值变化。我们假设芯片的瞬时功耗与 v 的汉明重量(HW,0~8 的整数)线性相关,于是对每一个候选密钥 k(0~255):
- 用全部 600 条明文的第
j个字节,算出 600 个模型值h_i = HW(SBOX[p_i[j] XOR k]); - 对搜索窗内的每一个采样点
t,计算h与 600 条曲线在t处幅值的 Pearson 相关系数; - 在 256 个候选里找 |r| 最大的那个,它就是这一字节的密钥。
代码骨架大致是这样(完整版在第 5 篇):
import numpy as np
SBOX = np.array([...]) # 256 字节的 AES S 盒
HW = np.array([bin(i).count("1") for i in range(256)], dtype=np.float32)
def cpa_byte(traces, plaintext, byte_idx, window):
# traces: (N, T) 已对齐的曲线;plaintext: (N, 16)
p = plaintext[:, byte_idx].astype(np.uint8)
X = traces[:, window].astype(np.float32) # (N, W)
X = X - X.mean(axis=0, keepdims=True)
X /= (X.std(axis=0, keepdims=True) + 1e-12)
best = []
for k in range(256):
h = HW[SBOX[p ^ k]].astype(np.float32) # (N,)
h = h - h.mean()
h /= (h.std() + 1e-12)
r = h @ X / len(h) # (W,) 相关系数曲线
best.append(np.abs(r).max())
return int(np.argmax(best)), np.array(best)
注意几个容易写错的地方:
- 相关系数要在每个采样点独立计算,不是先对时间求平均;
- 模型值和实测值都要去均值、归一化,否则 Pearson 公式会被直流分量带偏;
- 搜索窗要覆盖 AES 运算区,但不能太宽,否则无关采样点会抬高错误猜测的偶然峰值;
- 内存要省着用:600 × 500,000 的 int16 数据约 600 MB,建议用
np.load(..., mmap_mode='r'),按窗口切片再转 float32。
4.4 结果:16 个字节,全部 rank 1
对 16 个字节分别做上述 CPA,搜索窗取触发后 90–200 µs(即样本偏移 45,000 起,宽 55,000 点):
- 16/16 字节恢复正确;
- 每个字节的正确密钥猜测都排在 256 个候选的第 1 名;
- 正确猜测的 |r| 峰值范围:0.2323 ~ 0.9485;
- 第 0 字节:正确猜测
0x00在 149.2 µs 处取得 |r| = 0.9485,最强的错误猜测0xF0只有 0.3287。
图 2(b)就是第 0 字节的 256 条相关曲线:灰色是 255 个错误猜测,蓝色虚线是最强干扰,红色是正确猜测。红线在 149.2 µs 处一枝独秀,和灰色云团完全分开。
这就是侧信道最迷人的一刻:单条波形里什么都看不见,但 600 条波形 + 一个正确的模型,就能让正确密钥从 256 个候选里跳出来。
4.5 一个必须诚实说明的地方
这个实验之所以干净,是因为:
- 教学板、固定密钥、已知固件,我们可以反复调试;
- 600 条曲线全部由同一台示波器、同一组参数采集,对齐良好;
- 第一轮 S 盒的汉明重量模型与这块 MCU 的泄漏机制比较匹配。
换成真实设备,你会遇到:曲线对不齐、时钟抖动、电源噪声、掩码防护、密钥每次会话不同、探头位置偏移导致信号消失……本系列后面的篇章,一大半篇幅都在处理这些"不干净"的情况。
5. 判据意识:什么叫"有泄漏",什么叫"没有"
做侧信道最危险的不是做不出来,而是把噪声当成泄漏,或者把没测到当成没泄漏。
一条实用的判据链:
- 可区分:正确密钥的区分器值是否显著高于错误密钥的分布?只看"最大值最大"不够,要看它离第二名有多远。
- 可重复:换一批明文、重启设备、隔一天再采,正确密钥是否仍然 rank 1?
- 可解释:峰值出现的时间点是否落在预期的运算区间?如果峰值出现在无关的外设活动区,要怀疑是伪相关。
- 可排除:换一个错误的泄漏模型(比如故意用错 S 盒),区分度是否消失?这是排除"数据泄漏"的重要对照。
对于负结果,判据要提前写死:采了多少条、用了哪些模型、搜索窗多大、显著性阈值多少、有没有做多重比较校正。"我采了 1000 条没看出来"不是结论,"在 N=1000、模型 M、窗口 W、阈值 T 下未观察到高于噪声的区分器"才是结论。
第 7、8 篇会用两个真实案例展开:DFA 的错误密文怎么筛、P-224 的电磁记录为什么判"无泄漏",以及一个负结果怎样才能站得住。
6. 侧信道现在发展到哪了
如果你只把侧信道理解成"实验室里打智能卡",会低估这个领域。它现在至少活跃在五个方向:
6.1 标准与认证
- Common Criteria(CC) 的 AVA_VAN 漏洞分析要求里,侧信道是必查项;
- ISO/IEC 17825 规定了针对非侵入式攻击的测试方法,TVLA(Test Vector Leakage Assessment)是其中广泛使用的泄漏评估流程;
- 智能卡、安全芯片、车规 MCU、TEE 芯片的认证,基本都会要求做功耗/电磁/故障注入测试。
这意味着侧信道不只是"攻击技术",也是安全评估产业的基础设施。
6.2 工具链
- ChipWhisperer(NewAE):开源硬件 + Python 生态,教学首选;
- Riscure Inspector:商用评测平台,覆盖功耗、电磁、故障注入;
- 自研台架:高精度示波器 + 近场探头 + FPGA 触发/毛刺板,很多实验室走这条路。
工具在变便宜、变开放,入门门槛比十年前低了一个数量级。
6.3 攻击面在迁移
- IoT 与车规:大量低成本 MCU 没有侧信道防护,却承载密钥和固件;
- 手机安全单元 / TEE:掩码、隐藏、随机化已经是标配,攻击转向模板迁移和组合攻击;
- AI 加速器:模型参数、推理输入也会通过功耗/电磁/缓存泄漏,模型窃取和成员推断是新的研究热点;
- 后量子密码:Kyber/ML-KEM、Dilithium 等 PQC 实现的侧信道是当前论文密集区,掩码方案的设计和验证都还在快速演进。
6.4 方法在进化
- 深度学习 SCA:CNN、自编码器、迁移学习,用来对付对齐差、噪声大、掩码保护的曲线;
- 模板迁移:在一个设备上建模板,迁移到同型号的另一台设备,研究"设备指纹"到底有多少共性;
- 远场/非接触电磁:不贴芯片,隔几厘米甚至更远拾取泄漏;
- 故障 + 侧信道组合:用功耗定位故障时刻,用故障简化密钥恢复。
6.5 防护与检测
- 隐藏(Hiding):双轨预充电逻辑、随机延迟、时钟抖动,让泄漏在时间上摊平;
- 掩码(Masking):把中间值拆成随机份额,单点功耗与秘密无关;高阶掩码对付高阶攻击;
- 故障检测:冗余计算、传感器、电压/时钟监控,发现毛刺就复位;
- 泄漏评估:TVLA、互信息、模板区分度,作为设计迭代的量化指标。
攻防是螺旋上升的:每一代防护都会催生新的攻击方法,反之亦然。这正是这个领域长期有生命力的原因。
7. 本系列路线图
八篇主线,从"看懂"到"做出来";另附一篇收官附录,把八篇串成可执行的方法:
| 篇 | 主题 | 你会得到什么 | 关键产出 |
|---|---|---|---|
| 1 | 侧信道是什么 | 完整地图 + 一次真实 CPA 的震撼 | 分类图、真实波形与相关曲线 |
| 2 | 台架与接线 | 探头、地线、触发、示波器设置 | 实拍接线图、参数清单、常见接错排查 |
| 3 | 电压毛刺 | 让芯片在指定时刻算错 | 毛刺参数扫描、成功/复位/死机判据 |
| 4 | AES 最小必要集与 HW 模型 | 只保留理解 CPA 所需的 AES 知识 | S 盒、轮函数、汉明重量模型、代码 |
| 5 | 功耗采集与 CPA 复现 | 从零复现 16/16 | 采集脚本、CPA 脚本、结果验收表 |
| 6 | EMFI | 非接触故障注入 | 探头定位、脉冲参数、故障分类 |
| 7 | DFA 判据与数据分析 | 从错误密文里读出密钥 | 错误筛选、差分分析、判据 |
| 8 | P-224 电磁记录与负结果方法论 | 如何严谨地报告"没测到" | 记录表、统计判据、负结果模板 |
| 9(附录) | 收官:从一次实验到一套方法 | 把前八篇串成可执行路线 | 六段式路线图、实验记录模板、失败模式表 |
建议的阅读方式:
- 只想了解概念:读第 1、2、7、8 篇,最后用第 9 篇收口;
- 想动手复现:按 2 → 3 → 4 → 5 顺序做;
- 做安全评估:重点看第 2、7、8 篇的判据和第 9 篇的记录方法。
8. 器材与心理准备
最低配的功耗 CPA 台架:
- 一台带宽 ≥ 100 MHz、采样率 ≥ 250 MSa/s 的示波器(500 MSa/s 更从容);
- 一个能引出功耗信号的开发板(串联取样电阻或板载 RF 接口);
- 一个触发信号(GPIO 在加密开始前拉高);
- 一台电脑,Python + numpy 即可。

EMFI 需要额外的脉冲源和近场注入线圈,成本高不少,第 6 篇会讲怎么用最小预算搭。
心理准备比器材更重要:
- 你会采到很多"看起来一样"的波形,这很正常;
- 你会第一次跑 CPA 得到错误答案,大概率是窗口、对齐或模型的问题;
- 你会遇到"换个探头位置信号就没了",这是电磁通道的常态;
- 你会做出负结果,而负结果只要判据严谨,就是有价值的结论。
9. 术语表
| 术语 | 英文 | 一句话解释 |
|---|---|---|
| 侧信道 | Side Channel | 密码运算在物理世界留下的、与秘密相关的副作用 |
| SCA | Side-Channel Analysis | 利用侧信道恢复秘密的分析方法 |
| SPA | Simple Power Analysis | 直接观察单条功耗曲线 |
| DPA | Differential Power Analysis | 按猜测的中间位分组,比较均值差 |
| CPA | Correlation Power Analysis | 计算泄漏模型与实测功耗的相关系数 |
| 泄漏模型 | Leakage Model | 把中间值映射为可观测物理量的假设,如汉明重量 |
| 汉明重量 | Hamming Weight | 一个字节中 1 的个数,0~8 |
| 汉明距离 | Hamming Distance | 两个值之间不同比特的个数 |
| 模板攻击 | Template Attack | 先建泄漏指纹库,再做最大似然匹配 |
| TVLA | Test Vector Leakage Assessment | 用固定 vs 随机输入的统计检验评估泄漏 |
| 故障注入 | Fault Injection | 人为制造错误,从错误中反推秘密 |
| DFA | Differential Fault Analysis | 利用错误密文与正确密文的差分恢复密钥 |
| EMFI | Electromagnetic Fault Injection | 用强电磁脉冲在芯片上注入故障 |
| 电压毛刺 | VCC Glitch | 在电源上制造短时跌落/尖峰 |
| 时钟毛刺 | Clock Glitch | 在时钟上插入异常边沿 |
| 触发 | Trigger | 让示波器在指定时刻开始记录的信号 |
| 预触发 | Pre-trigger | 触发点之前保留的记录长度 |
| 对齐 | Alignment | 消除曲线之间的时间偏移 |
| 掩码 | Masking | 把秘密拆成随机份额的防护方法 |
| 隐藏 | Hiding | 让泄漏在时间/幅度上摊平的防护方法 |
| rank | Rank | 正确密钥在候选列表中的排名,1 为最好 |
| 负结果 | Negative Result | 在明确判据下未观察到泄漏的结论 |
下篇预告
第 2 篇|台架与接线:第一次把探头接对
我们会用实拍照片讲清楚:探头夹在哪、地线为什么这么重要、触发信号怎么引、示波器每个参数为什么这么设,以及接错时你会看到什么现象。
本系列所有实验均在自有教学设备上完成,密钥为教学固定值。请勿将技术用于未经授权的设备。
更多推荐



所有评论(0)