Side Channel Analysis Attacks

Side-Channel-Angriffe erholen Geheimnisse, indem sie physikalische oder mikroarchitektonische "Lecks" beobachten, die korreliert mit dem internen Zustand sind, aber nicht Teil der logischen Schnittstelle des Geräts sind. Beispiele reichen von der Messung des momentanen Stroms, der von einer Smartcard gezogen wird, bis hin zum Missbrauch von CPU-Leistungsmanagementeffekten über ein Netzwerk.

Hauptleckkanäle

Kanal	Typisches Ziel	Instrumentierung
Stromverbrauch	Smartcards, IoT-Mikrocontroller, FPGAs	Oszilloskop + Shunt-Widerstand/HS-Sonde (z.B. CW503)
Elektromagnetisches Feld (EM)	CPUs, RFID, AES-Beschleuniger	H-Feld-Sonde + LNA, ChipWhisperer/RTL-SDR
Ausführungszeit / Caches	Desktop- & Cloud-CPUs	Hochpräzise Timer (rdtsc/rdtscp), Remote-Zeitmessung
Akustisch / mechanisch	Tastaturen, 3D-Drucker, Relais	MEMS-Mikrofon, Laser-Vibrometer
Optisch & thermisch	LEDs, Laserdrucker, DRAM	Photodiode / Hochgeschwindigkeitskamera, IR-Kamera
Fehlerinduziert	ASIC/MCU-Kryptos	Takt-/Spannungsstörung, EMFI, Laserinjektion

Leistungsanalyse

Einfache Leistungsanalyse (SPA)

Beobachten Sie eine einzelne Spur und assoziieren Sie direkt Spitzen/Täler mit Operationen (z.B. DES S-Boxen).

# ChipWhisperer-husky example – capture one AES trace
from chipwhisperer.capture.api.programmers import STMLink
from chipwhisperer.capture import CWSession
cw = CWSession(project='aes')
trig = cw.scope.trig
cw.connect(cw.capture.scopes[0])
cw.capture.init()
trace = cw.capture.capture_trace()
print(trace.wave)  # numpy array of power samples

Differential/Correlation Power Analysis (DPA/CPA)

Erwerbe N > 1 000 Spuren, hypothesiere den Schlüsselbyte k, berechne das HW/HD-Modell und korreliere mit dem Leak.

import numpy as np
corr = np.corrcoef(leakage_model(k), traces[:,sample])

CPA bleibt auf dem neuesten Stand, aber Varianten des maschinellen Lernens (MLA, Deep-Learning SCA) dominieren jetzt Wettbewerbe wie ASCAD-v2 (2023).

Elektromagnetische Analyse (EMA)

Nahfeld-EM-Sonden (500 MHz–3 GHz) lecken identische Informationen wie die Leistungsanalyse ohne das Einfügen von Shunts. Forschungen aus 2024 zeigten die Schlüsselwiederherstellung in >10 cm Entfernung von einem STM32 unter Verwendung von Spektralkorrelation und kostengünstigen RTL-SDR-Frontends.

Timing- und Mikroarchitekturangriffe

Moderne CPUs lecken Geheimnisse durch gemeinsame Ressourcen:

Hertzbleed (2022) – DVFS-Frequenzskalierung korreliert mit Hamming-Gewicht, was die remote Extraktion von EdDSA-Schlüsseln ermöglicht.
Downfall / Gather Data Sampling (Intel, 2023) – Transient-Execution zum Lesen von AVX-Gather-Daten über SMT-Threads.
Zenbleed (AMD, 2023) & Inception (AMD, 2023) – spekulative Vektorfehlvorhersage leckt Register über Domänen hinweg.

Für eine umfassende Behandlung von Spectre-Klassenproblemen siehe {{#ref}} ../../cpu-microarchitecture/microarchitectural-attacks.md {{#endref}}

Akustische & Optische Angriffe

2024 "iLeakKeys" zeigte eine Genauigkeit von 95 %, um Laptop-Tastatureingaben von einem Smartphone-Mikrofon über Zoom mit einem CNN-Klassifikator wiederherzustellen.
Hochgeschwindigkeits-Photodioden erfassen DDR4-Aktivitäts-LED und rekonstruieren AES-Rundenschlüssel innerhalb von <1 Minute (BlackHat 2023).

Fehlerinjektion & Differentielle Fehleranalyse (DFA)

Die Kombination von Fehlern mit Seitenkanalleckagen verkürzt die Schlüsselsuche (z. B. 1-Trac AES DFA). Neueste, für Hobbyisten erschwingliche Werkzeuge:

ChipSHOUTER & PicoEMP – Sub-1 ns elektromagnetische Pulsstörungen.
GlitchKit-R5 (2025) – Open-Source-Plattform für Takt-/Spannungsstörungen, die RISC-V SoCs unterstützt.

Typischer Angriffsablauf

Identifizieren Sie den Leckkanal & den Montagepunkt (VCC-Pin, Entkopplungskondensator, Nahfeldstelle).
Trigger einfügen (GPIO oder musterbasiert).
1 k Traces mit ordnungsgemäßer Abtastung/Filtern sammeln.
Vorverarbeiten (Ausrichtung, Mittelwertentfernung, LP/HP-Filter, Wavelet, PCA).
Statistische oder ML-Schlüsselwiederherstellung (CPA, MIA, DL-SCA).
Validieren und Iteration bei Ausreißern.

Abwehrmaßnahmen & Härtung

Konstantzeit-Implementierungen & speicherharte Algorithmen.
Maskierung/Mischen – Geheimnisse in zufällige Anteile aufteilen; Erstordnungswiderstand zertifiziert durch TVLA.
Verbergen – On-Chip-Spannungsregler, randomisierte Taktung, Dual-Rail-Logik, EM-Schutz.
Fehlererkennung – redundante Berechnung, Schwellenwertsignaturen.
Betrieblich – DVFS/Turbo in Kryptokernen deaktivieren, SMT isolieren, Co-Location in Multi-Tenant-Clouds verbieten.

Werkzeuge & Frameworks

ChipWhisperer-Husky (2024) – 500 MS/s Oszilloskop + Cortex-M-Trigger; Python-API wie oben.
Riscure Inspector & FI – kommerziell, unterstützt automatisierte Leckagebewertung (TVLA-2.0).
scaaml – TensorFlow-basierte Deep-Learning-SCA-Bibliothek (v1.2 – 2025).
pyecsca – ANSSI Open-Source ECC SCA-Framework.

5.4 KiB Raw Blame History Unescape Escape