hardware-fab/Chameleon

Chameleon数据集专为侧信道分析设计，包含从实施了四种隐藏对策（动态频率缩放、随机延迟、变形和伪装）的32位RISC-V系统芯片收集的真实功耗轨迹。这些轨迹捕捉了AES加密操作与通用应用程序交错的执行情况。数据集分为四个子数据集，每个子数据集对应一种隐藏对策，并且每个子数据集进一步根据加密密钥的第一个字节值分为16个文件。数据集旨在支持研究分段方法和侧信道分析方法，特别是针对实施了隐藏对策的设备。

原始信息汇总

Chameleon 数据集概述

数据集简介

Chameleon 数据集是为混淆功耗轨迹的侧信道分析设计的，包含从32位RISC-V片上系统收集的真实功耗轨迹，实施了四种隐藏对策：动态频率缩放（DFS）、随机延迟（RD）、变形（MRP）和稻草人（CHF）。每条侧信道轨迹包含多个加密操作与通用应用程序交错。

数据集结构

数据集按隐藏对策划分，每个文件包含以下结构：

• 数据：功耗轨迹，包含134,217,550个时间样本。DFS、RD、MRP和CHF数据集分别包含256、512、512和1024个数据。轨迹捕捉了AES加密与通用应用程序交错的SoC执行。
• 元数据：分为三组：
  • 加密：包含AES输入，如密钥和明文。
  • 定位点：包含每个AES执行在每个轨迹文件中的起始和结束时间样本。
  • 频率：提供每个功耗轨迹的频率变化标签，仅在DFS数据集中可用。

数据集格式

数据集分为四个子数据集，每个隐藏对策一个，存储在不同文件夹中。为减少单个文件的大小，每个子数据集按加密密钥分为16个文件，密钥为16字节数组，每条轨迹中仅改变第一个字节，其余15个固定。

数据集创建

Chameleon 数据集通过提供真实世界的隐藏方法和可分割的加密操作，解决了现有侧信道分析数据集缺乏真实世界复杂性的问题。数据从真实硬件-软件基础设施中收集，使用Picoscope 5244d数字采样示波器和NewAE CW305板，FPGA实现了一个包含1.5Mps UART接口、计算平台和定位单元的片上系统。

社会影响

Chameleon 数据集旨在增强侧信道安全性，通过识别和解决加密实现中的潜在弱点，促进创建更强大的对策，最终为更安全的数字世界做出贡献。

数据集下载

• 完整数据集： python from datasets import load_dataset dataset = load_dataset("hardware-fab/Chameleon")

• 选择子数据集： python from datasets import load_dataset sub_dataset = load_dataset("hardware-fab/Chameleon", <sub_dataset>)

  替换 <sub_dataset> 为 DFS、RD、MRP 或 CHF。

数据集大小

数据集大小范围为1K<n<10K。

数据集配置

• DFS：DFS/*.h5
• RD：RD/*.h5
• MRP：MRP/*.h5
• CHF：CHF/*.h5

数据集标签

• AES
• RISC-V
• Random-Delay
• Dynamic-Frequency-Scaling
• Chaffing
• Morphing
• Side-Channel-Analysis

数据集许可证

Open Data Commons License cc-by-4.0

搜集汇总

数据集介绍

构建方式

Chameleon数据集的构建方式具有创新性，其数据来源于真实世界中的硬件-软件基础设施，并采用了高精度的数字采样示波器进行采集。数据集收集了实施四种实际混淆对策（动态频率调整、随机延迟、形态变化和混淆）的32位RISC-V系统级芯片的功率轨迹。此外，该数据集还包括没有主动对策的侧信道功率轨迹。每个侧信道轨迹都包括多个加密操作，这些操作与通用应用程序交织在一起。数据采集过程中使用了高分辨率的数字采样示波器，采样率为125Msample/s，分辨率为12位。

特点

Chameleon数据集的特点在于其真实性和复杂性。该数据集是第一个提供真实世界混淆方法的侧信道分析数据集，并包含实施四种实际混淆对策的功率轨迹。此外，数据集中还包括多个加密操作，这些操作与通用应用程序交织在一起，模拟真实世界的使用场景。Chameleon数据集的构建旨在帮助研究人员研究和开发更有效的侧信道分析方法和防御措施。

使用方法

使用Chameleon数据集时，首先需要从Hugging Face Hub下载所需的数据子集。下载完成后，可以使用HDF5格式访问数据集。数据集结构分为五个子数据集，每个子数据集对应一种混淆对策。每个文件都包含功率轨迹数据和元数据。功率轨迹数据包括多个时间样本的功率值，而元数据则包括加密操作的输入、执行时间和频率变化等信息。通过分析这些数据，研究人员可以研究和开发更有效的侧信道分析方法和防御措施。

背景与挑战

背景概述

在密码学领域，侧信道攻击作为一种威胁，能够通过分析执行加密操作的设备泄露的能量、电磁辐射或时间信息来恢复秘密密钥。随着侧信道分析技术的进步，研究人员开始探索各种掩蔽措施来保护加密设备免受此类攻击。Chameleon数据集正是在这样的背景下创建的，旨在为侧信道分析研究提供具有现实世界复杂性的数据。该数据集由hardware-fab团队于2025年创建，包含从实际硬件平台上收集的加密功率轨迹，这些轨迹实施了四种不同的掩蔽措施：动态频率调整、随机延迟、形态变换和填充。此外，数据集中还包含了未采取任何掩蔽措施的基准功率轨迹，以供比较研究。Chameleon数据集对于推动侧信道分析领域的研究具有重要意义，特别是对于开发更有效的掩蔽措施和侧信道攻击技术。

当前挑战

Chameleon数据集在侧信道分析研究中提出了两个主要挑战。首先，数据集的目的是帮助研究人员开发新的分割方法，以便在包含常规应用的侧信道轨迹中定位和隔离加密操作。其次，数据集旨在促进对具有隐藏措施的设备的侧信道分析方法的研究。这两个挑战都与侧信道分析技术的现实世界应用密切相关，要求研究人员能够开发出能够处理真实硬件平台上的复杂情况的分割和攻击方法。此外，构建Chameleon数据集本身也是一个挑战，因为它要求研究人员设计和部署一个能够收集具有现实世界复杂性的侧信道轨迹的硬件和软件基础设施。这包括构建一个包含多种掩蔽措施的硬件平台，以及开发一个能够记录和分析这些轨迹的软件系统。这些挑战要求研究人员具备深厚的密码学、硬件设计和软件工程知识。

常用场景

经典使用场景

Chameleon数据集主要应用于侧信道分析，特别是针对实施了动态频率调整、随机延迟、形态变换和混淆等隐蔽措施的32位RISC-V系统级芯片的侧信道功率迹分析。该数据集包含了多种加密操作与通用应用程序交织的功率迹，为研究分割方法和侧信道分析方法提供了宝贵资源。

解决学术问题

Chameleon数据集解决了现有侧信道分析数据集缺乏现实世界复杂性的问题。它提供了首个包含真实世界隐蔽措施和可分割加密操作的数据集，为研究人员提供了在实际应用场景下评估新型侧信道安全措施的基准。该数据集的创建有助于推动侧信道安全研究，增强了现实世界中的安全性能。

衍生相关工作

Chameleon数据集的发布推动了相关领域的研究工作。基于该数据集，研究人员可以开发新的侧信道分析方法，测试和改进现有的分割技术，以及探索新型隐蔽措施的有效性。此外，该数据集也为教育领域提供了宝贵的教学资源，有助于培养下一代侧信道安全专家。