核心发现
方法论
本文提出TriSweep框架，设计并仿真评估了由四架无人机组成的自主协同群体，用于在0.25至1.5米距离对嵌入式微控制器执行电磁侧信道分析。三架采集无人机分别专注于不同的泄露点：Anchor采集全频谱信号，Mask Probe针对掩码寄存器加载泄露，Cipher Probe针对掩码SubBytes输出泄露。采集数据通过5GHz Wi-Fi网格传输至固定的Accumulator无人机，后者执行相干合成（实现+4.8 dB信噪比增益）及基于两条空间分离泄露流的中心乘积进行二阶掩码抵消。该框架基于真实ANSSI ASCAD数据集（ATmega8515掩码AES-128及50/100采样反同步变体）进行仿真验证，结合了GPSDO时钟同步和视觉惯性测程实现亚纳秒级同步，支持分布式Fisher信息最大化的无人机位置优化。利用模板攻击和双通道CNN进行密钥恢复，CNN在反同步数据集上表现出一定优势。
关键结果
- 在ASCAD_Masked数据集上，四无人机系统实现模拟关键排名18±1.7（五次随机种子），相比单无人机排名197提升近十倍，显著提升攻击效率。
- 通过剖面迹线互相关对齐，单无人机在100采样抖动ASCAD_Desync100数据集上的排名从89降至21，成功补偿无人机悬停振动引起的时间抖动。
- Accumulator无人机中集成的双通道CNN训练收敛至0.454的损失（随机基线为5.545），在反同步数据集上提升排名至26，显示深度学习对复杂时序扰动的适应能力。
研究意义
本研究首次系统性提出并仿真验证了基于四无人机群的自主电磁侧信道攻击框架，突破了传统近场静态探针限制，揭示了无人机群协同对掩码AES-128实施二阶攻击的可行性。该工作拓展了侧信道攻击的威胁模型，强调了无人机技术与现代信号处理结合对嵌入式安全的挑战，具有重要的学术价值和实际安全警示意义。通过结合空间分解采集、相干合成和深度学习方法，TriSweep为未来物理攻击防御和无人机安全监管提供了理论基础和设计参考。
技术贡献
技术上，TriSweep创新性地将多无人机协同采集与二阶掩码抵消结合，利用空间分离的Mask Probe和Cipher Probe分别捕获不同泄露窗口，避免了传统单探针算法上的时序分离难题。通过GPSDO与视觉惯性测程实现亚纳秒级时钟同步，保证了多节点相干合成的相位一致性，提升信噪比近5 dB。提出分布式Fisher信息最大化的无人机位置优化协议，实现动态自主重定位。引入基于中心乘积的二阶模板攻击与双通道CNN联合分析，兼顾传统统计方法与深度学习优势，推动了电磁侧信道分析的多模态融合。
新颖性
TriSweep是首个提出并仿真验证的四无人机自主群体架构，用于远距离（0.25-1.5米）掩码AES-128电磁侧信道分析。其核心创新在于空间分解的二阶掩码抵消机制和多无人机相干合成，突破了以往静态单探针近场假设，首次将无人机群协同与先进信号处理深度融合，开创了空中多节点侧信道攻击的新范式。
局限性
- 仿真基于理想自由空间路径损耗模型，未充分考虑无人机机体遮挡、多径效应及电机螺旋桨电磁干扰，实际部署中信噪比可能显著下降。
- 当前同步方案依赖GPSDO和视觉惯性测程，悬停振动及环境复杂性对亚纳秒同步的维持存在挑战，尚无实机验证。
- CNN模型在掩码数据集上存在过拟合风险，缺乏多次交叉验证和正则化，泛化能力有限，需进一步优化。
未来方向
未来工作计划构建物理原型机，实地验证仿真结果，重点解决无人机间高精度同步与抗干扰问题。算法层面，将探索更鲁棒的深度学习架构和多模态融合策略，提升对非理想环境下的适应性。此外，研究将拓展至更远距离和更复杂掩码方案，推动无人机群电磁侧信道攻击技术的实用化与防御对策。
AI 总览摘要
电磁侧信道分析（EM-SCA）作为破解嵌入式加密设备密钥的强大工具，传统上依赖于近距离、静态探针采集泄露信号。然而，随着无人机技术的发展，攻击者能够利用空中平台绕过物理安全防护，远距离采集电磁泄露，极大拓宽了攻击面。本文提出了TriSweep，一个创新的四无人机协同框架，专为远距离（0.25至1.5米）掩码AES-128设备的电磁侧信道攻击设计。该框架由三架功能专一的采集无人机（Anchor、Mask Probe、Cipher Probe）与一架固定的Accumulator无人机组成，前者分别捕获全频谱、掩码寄存器加载和掩码SubBytes输出泄露，后者通过相干合成和二阶掩码抵消实现信号增强与掩码消除。
TriSweep利用GPSDO和视觉惯性测程实现无人机间亚纳秒级同步，确保多节点信号相位一致，进而获得约4.8 dB的信噪比提升。通过分布式Fisher信息最大化算法，无人机自主调整位置以优化信号采集质量。基于真实ANSSI ASCAD数据集的仿真结果显示，四无人机系统在掩码AES-128数据集上实现关键排名18±1.7，较单无人机系统提升近十倍。对抗无人机悬停振动引起的时间抖动，剖面迹线互相关对齐技术将排名从89显著降至21。此外，集成的双通道卷积神经网络在反同步数据集上表现出一定的鲁棒性，进一步提升攻击效果。
这一研究首次系统性地将无人机群协同、多节点相干合成与二阶掩码抵消结合，开创了远距离电磁侧信道攻击的新范式。其技术贡献不仅在于突破传统近场假设，更在于提出了完整的算法协议和系统设计，为未来无人机辅助侧信道攻击的实用化奠定基础。该框架的提出对嵌入式设备安全提出了新的挑战，尤其是在物理安全防护日益完善的背景下，强调了空中平台的潜在威胁。
尽管当前研究基于仿真，未实现实机飞行，但其详细的系统设计和算法实现为后续物理原型构建提供了明确路径。未来工作将聚焦于解决实际部署中的同步稳定性、电磁干扰抑制及深度学习模型泛化能力，推动无人机群电磁侧信道攻击技术向实用阶段迈进。该研究不仅丰富了侧信道攻击理论，也为安全防御策略提供了重要参考，具有显著的学术价值和现实意义。
深度分析
研究背景
电磁侧信道分析（EM-SCA）自2001年Gandolfi首次演示智能卡密钥恢复以来，已成为密码分析领域的重要分支。该技术通过捕获加密设备在运算过程中无意泄露的电磁辐射，推断内部密钥信息。研究从早期的功耗分析发展到相关攻击、模板攻击、二阶及高阶分析，再到近年来的深度学习辅助侧信道攻击，针对AES-128等嵌入式微控制器的攻击方法日益成熟。尽管如此，绝大多数研究假设攻击者能将探针置于毫米至厘米级近距离，忽视了无人机等空中平台带来的新威胁。随着商用无人机搭载高性能软件定义无线电和低噪声放大器成为可能，攻击者可在0.25至1.5米距离实现非接触式电磁泄露采集，突破传统物理安全边界。这一背景催生了对多无人机协同电磁侧信道攻击框架的需求，旨在应对掩码AES-128等现代防护措施带来的分析难题。
核心问题
传统电磁侧信道攻击依赖近距离静态探针，难以应对无人机远距离采集带来的时序抖动和信号衰减问题。掩码技术通过随机掩码值对中间计算结果进行保护，迫使攻击者必须进行二阶分析，联合观察掩码加载和掩码计算泄露事件。单探针系统需从同一迹线中分离两事件，受时间抖动和噪声影响大，限制攻击效果。无人机平台引入的悬停振动、电磁干扰及多节点同步难题，进一步增加了实现高效二阶攻击的复杂度。因此，核心问题在于如何设计多无人机协同采集架构，实现精确同步与空间分解，提升信噪比并有效抵消掩码影响，从而在远距离环境下成功恢复密钥。
核心创新
TriSweep的核心创新包括：
1) 四无人机架构设计：三架采集无人机分别针对不同泄露窗口（全频谱、掩码寄存器加载、掩码SubBytes输出）进行空间分解采集，第四架固定Accumulator无人机负责相干合成和二阶掩码抵消，避免了传统单探针时序分离的算法复杂性。
2) 亚纳秒级时钟同步：结合GPSDO和视觉惯性测程，实现多无人机间10纳秒以下的时钟同步，保证多节点信号相位一致，提升相干合成效果。
3) 分布式Fisher信息最大化：无人机通过200毫秒周期的分布式优化算法自主调整位置，最大化采集信号的信息量，提升攻击效率。
4) 二阶掩码抵消机制：通过Accumulator无人机计算Mask Probe和Cipher Probe信号的中心乘积，实现掩码抵消，无需算法预处理或掩码值知识。
5) 双通道CNN集成：在Accumulator中引入双通道卷积神经网络，结合传统模板攻击，增强对反同步数据的适应能力。
方法详解
- �� 四无人机系统架构设计：
- Drone A（Anchor）：采集全频谱信号，协调触发与通信。
- Drone B（Mask Probe）：专注掩码寄存器加载泄露窗口。
- Drone C（Cipher Probe）：专注掩码SubBytes输出泄露窗口。
- Drone D（Accumulator）：固定位置，执行信号相干合成与二阶掩码抵消。
- �� 硬件配置：
- 采集无人机搭载USRP B210 SDR（250 MHz带宽，25 MS/s采样率，14位分辨率）、Raspberry Pi 5处理器、GALI-84低噪声放大器、Intel RealSense T265视觉惯性测程。
- Accumulator无人机不携带SDR，固定于≥2米位置。
- �� 通信与同步：
- 5 GHz Wi-Fi网格实现无人机间数据传输。
- GPSDO实现±1微秒粗同步，1 kHz导频信号互相关实现亚纳秒级精细同步。
- �� 目标检测与定位：
- 每架采集无人机独立扫描频谱峰值，地面站通过三方共识及TDOA定位确定目标位置。
- �� 无人机位置优化：
- 基于Fisher信息最大化的分布式优化算法，每200 ms更新采集无人机位置，提升信号质量。
- �� 信号处理与攻击算法：
- 相干合成提升信噪比约4.8 dB。
- 通过中心乘积计算实现二阶掩码抵消。
- 模板攻击结合256个单位归一化模板进行密钥排名。
- 双通道CNN用于提升反同步数据集上的攻击效果。
实验设计
实验基于真实ANSSI ASCAD数据集，包括ATmega8515掩码AES-128及其50/100采样反同步变体。利用物理自由空间路径损耗模型模拟不同距离（0.25至1.5米）下的信噪比变化，注入加性高斯白噪声以反映远距离信号衰减。评估指标为密钥排名（key rank），反映攻击恢复正确密钥所需迹线数量。实验包含多次随机种子验证，剖面迹线互相关对齐用于补偿无人机悬停振动引起的时间抖动。对比单无人机、三无人机及四无人机系统性能，分析相干合成和二阶抵消的贡献。集成双通道CNN模型训练300轮，使用Adam优化器，批量大小512，评估其对反同步数据集的提升效果。
结果分析
仿真结果显示，四无人机系统在ASCAD_Masked数据集上实现关键排名18±1.7，较单无人机排名197提升近十倍。剖面迹线互相关对齐技术将单无人机在100采样抖动数据集上的排名从89降至21，显著缓解时间抖动影响。三无人机相干合成带来约4.8 dB信噪比增益，提升攻击效率。双通道CNN在反同步数据集上表现优于传统模板攻击，排名从118提升至26，显示深度学习对复杂扰动的适应能力。跨数据集组合实验表明，匹配的剖面模板对二阶抵消效果至关重要。距离增加导致信噪比下降，限制了最大有效攻击距离至约1.5米。
应用场景
TriSweep框架适用于安全研究机构和攻击者对嵌入式加密设备的远距离电磁侧信道分析，尤其针对掩码AES-128等防护机制。其无人机群协同设计为物理安全防护提供新视角，促使行业加强对空中平台的监控与防御。该技术可用于评估关键基础设施、物联网设备和工业控制系统的物理安全风险，推动安全认证标准更新。此外，相关算法和同步技术亦可应用于无线信号采集、环境监测等领域。
局限与展望
当前研究基于仿真，未考虑无人机机体遮挡、多径反射及螺旋桨电磁干扰等复杂环境因素，实际信噪比可能低于模拟值。亚纳秒级时钟同步依赖GPSDO与视觉惯性测程，悬停振动及环境噪声对同步稳定性构成挑战，尚无实机验证。CNN模型存在过拟合风险，缺乏多次交叉验证和正则化，泛化能力有限。系统设计未充分考虑无人机动力学、避障及飞行安全限制，实际部署需进一步完善。
通俗解读 非专业人士也能看懂
想象你在一个工厂里，有四个机器人一起工作，目的是监听一个机器的秘密对话。第一个机器人负责听所有声音，第二个专门听机器启动时的特定信号，第三个关注机器运作中间的特殊声音，第四个机器人则坐在固定位置，负责把前三个机器人的录音合成，过滤掉干扰，帮你听清楚秘密内容。传统方法只能让一个机器人靠近机器偷听，但这样很容易被发现，也受限于距离。现在这四个机器人可以飞到机器附近不同位置，协同工作，即使距离稍远，也能准确捕捉到秘密声音。
这些机器人之间需要非常精准的时间同步，才能把声音合成得更清楚，就像乐队里的乐器必须同时演奏才能和谐。通过智能算法，机器人还能自动调整位置，找到最佳监听点。最后，机器人用聪明的计算方法，剔除掉那些故意制造的噪音，准确还原出机器的秘密信息。这种方法让偷听变得更隐蔽、更高效，也提醒我们未来的安全防护要考虑空中无人机的威胁。
简单解释 像给14岁少年讲一样
嘿，想象你和朋友们玩一个超级酷的侦探游戏！你们有四个小无人机，每个都负责监听不同的秘密信号。第一个无人机听所有声音，第二个专门听密码开始的声音，第三个听密码处理中间的声音，第四个则是大脑，帮你们把所有信息拼起来。以前大家都得靠近那个秘密机器才能听到，但现在你们的无人机可以飞到远一点的地方，偷偷听到秘密！
这些无人机得超级同步，就像你们一起玩游戏时要同时按下按钮一样。它们还会自己找最好的位置，保证听得最清楚。最后，你们用聪明的电脑程序把杂音去掉，找到真正的密码秘密。是不是很酷？这就像你们用高科技玩了一场超级间谍游戏！不过，这也告诉我们，以后要小心这些无人机，因为它们能偷偷听到我们的秘密哦！
术语表
电磁侧信道分析 (Electromagnetic Side-Channel Analysis)
通过捕获设备在运算过程中无意发出的电磁辐射，推断设备内部秘密信息的攻击技术。
本文核心攻击手段，利用无人机采集电磁泄露信号。
掩码技术 (Masking)
通过随机掩码值对中间计算数据进行保护，防止侧信道攻击直接恢复密钥。
攻击目标为掩码AES-128，需进行二阶分析绕过掩码。
二阶攻击 (Second-Order Attack)
联合分析多个泄露点的组合信息，以抵消掩码影响，恢复密钥的高级侧信道攻击方法。
TriSweep通过空间分解实现二阶掩码抵消。
相干合成 (Coherent Combining)
多信号源同步叠加信号以提升信噪比的技术，需精确时间和相位对齐。
无人机多节点信号合成提升信噪比约4.8 dB。
GPSDO (GPS-Disciplined Oscillator)
利用GPS信号校准的高稳定时钟源，实现多设备间精确时间同步。
用于无人机间亚纳秒级时钟同步。
视觉惯性测程 (Visual-Inertial Odometry, VIO)
结合视觉和惯性传感器数据，实现无人机高精度定位和姿态估计。
辅助无人机实现亚厘米级相对定位。
Fisher信息最大化 (Fisher Information Maximization)
优化采集位置以最大化信号中包含的参数信息量的数学方法。
无人机自主调整位置以提升信号质量。
模板攻击 (Template Attack)
基于统计模型构建泄露模板，通过匹配模板恢复密钥的侧信道攻击方法。
TriSweep结合模板攻击进行密钥排名。
卷积神经网络 (Convolutional Neural Network, CNN)
一种深度学习模型，擅长处理时序和空间数据，用于自动提取特征。
用于提升反同步数据集上的攻击效果。
中心乘积 (Centered Product)
计算两个信号去均值后的乘积，用于二阶掩码抵消。
Accumulator无人机基于此实现掩码抵消。
开放问题 这项研究留下的未解疑问
- 1 实际无人机飞行环境中，螺旋桨电磁干扰及多径效应对信号质量的影响尚未量化，需实机测试验证。
- 2 亚纳秒级时钟同步在动态悬停状态下的稳定性和鲁棒性存在不确定性，影响相干合成效果。
- 3 深度学习模型在掩码数据集上的泛化能力不足，缺乏系统的正则化和交叉验证策略。
- 4 无人机群协同飞行时的动力学约束、避障策略与信号采集效率之间的权衡尚未深入研究。
- 5 跨设备、跨数据集的模板迁移与联合分析方法仍需探索，以提升二阶攻击的通用性和稳定性。
应用场景
近期应用
嵌入式设备安全评估
安全研究人员可利用TriSweep框架仿真评估嵌入式设备在远距离电磁侧信道攻击下的安全性，指导防护设计。
无人机安全监管
监管机构可借助本研究揭示的无人机群攻击威胁，制定针对空中平台的安全管理和检测策略。
侧信道攻击算法开发
密码分析专家可基于TriSweep提出的算法和协议，开发更高效的多节点侧信道攻击工具。
远期愿景
物理安全防护升级
推动嵌入式设备物理安全设计向抗无人机远距离侧信道攻击方向发展，提升关键基础设施安全。
多无人机协同信号处理
促进多无人机协同采集与信号融合技术在无线通信、环境监测等领域的应用与发展。
原文摘要
Electromagnetic (EM) side-channel analysis traditionally assumes a stationary, close-proximity probe - a threat model that underestimates aerial adversaries. TriSweep is a simulation framework that designs and evaluates a four-drone swarm architecture for autonomous standoff EM-SCA of embedded microcontrollers at 0.25-1.5 m. Three spatially specialized collector drones - Anchor (full-spectrum), Mask Probe (mask-register loading leakage), and Cipher Probe (masked SubBytes output leakage) - feed a stationary Accumulator drone that performs coherent combining (+4.8 dB SNR gain) and second-order mask cancellation via a centered product of the two spatially separated leakage streams. Evaluated against three real ANSSI ASCAD datasets (ATmega8515 masked AES-128 and 50/100-sample desynchronized variants), the framework achieves a simulated key rank of 18 +/- 1.7 (five-seed) at 0.25 m on the primary masked dataset. Profiling-trace cross-correlation alignment reduces single-drone rank from 89 to 21 on the 100-sample-jitter variant, demonstrating compensation for drone hover vibration. A two-channel CNN in the Accumulator converges to a loss of 0.454 (vs. random baseline 5.545) and improves rank on desynchronized datasets. No physical hardware has been fabricated; prototype construction is the planned next step.
参考文献 (20)
A Tutorial on UAVs for Wireless Networks: Applications, Challenges, and Open Problems
Mohammad Mozaffari, W. Saad, M. Bennis 等
The vulnerability of UAVs to cyber attacks - An approach to the risk assessment
Kim Hartmann, Christoph Steup
Deep learning for side-channel analysis and introduction to ASCAD database
R. Benadjila, E. Prouff, Rémi Strullu 等
Robotics cyber security: vulnerabilities, attacks, countermeasures, and recommendations
Jean-Paul A. Yaacoub, Hassan N. Noura, Ola Salman 等
Using Second-Order Power Analysis to Attack DPA Resistant Software
Thomas S. Messerges
Methodology for Efficient CNN Architectures in Profiling Attacks
Gabriel Zaid, Lilian Bossuet, Amaury Habrard 等
The Curse of Class Imbalance and Conflicting Metrics with Machine Learning for Side-channel Evaluations
S. Picek, Annelie Heuser, A. Jović 等
Template Attacks
Suresh Chari, J. Rao, P. Rohatgi
Correlation Power Analysis with a Leakage Model
Éric Brier, Christophe Clavier, Francis Olivier
On Second-Order Differential Power Analysis
M. Joye, Pascal Paillier, Berry Schoenmakers
Towards Efficient Second-Order Power Analysis
J. Waddle, D. Wagner
Localized Electromagnetic Analysis of Cryptographic Implementations
Johann Heyszl, S. Mangard, Benedikt Heinz 等
Fault Injection Attacks on Cryptographic Devices: Theory, Practice, and Countermeasures
Alessandro Barenghi, L. Breveglieri, I. Koren 等
PLATYPUS: Software-based Power Side-Channel Attacks on x86
Moritz Lipp, Andreas Kogler, David F. Oswald 等
The software radio architecture
J. Mitola
Differential Power Analysis
P. Kocher, J. Jaffe, Benjamin Jun
The EM Side-Channel(s)
D. Agrawal, B. Archambeault, J. Rao 等
Optimum Array Processing: Part IV of Detection, Estimation, and Modulation Theory
H. V. Trees
STELLAR: A Generic EM Side-Channel Attack Protection through Ground-Up Root-cause Analysis
Debayan Das, Mayukh Nath, B. Chatterjee 等
On Configurable SCA Countermeasures Against Single Trace Attacks for the NTT - A Performance Evaluation Study over Kyber and Dilithium on the ARM Cortex-M4
P. Ravi, R. Poussier, S. Bhasin 等