基于自编码器的去噪ML-KEM后量子密码侧信道攻击方法

本发明公开了一种面向ML‑KEM后量子密码实现的噪声侧信道攻击方法，旨在解决现有技术中对含噪能量迹攻击模型结构复杂以及在噪声干扰下泄露信息难以有效利用的问题。该方法包括：能量迹采集与兴趣点选择模块、噪声模拟模块、残差卷积去噪自编码器模块以及轻量化深度攻击模型模块。其中，能量迹采集与兴趣点选择模块用于采集能量迹；噪声模拟模块生成存在噪声干扰的(含噪)能量数据集；残差卷积去噪自编码器模块对含噪能量迹进行去噪；轻量化深度攻击模型模块用于恢复敏感信息。本发明揭示了后量子密码侧信道分析与传统分析方法的差异，有效提升了在复杂噪声环境下对ML‑KEM算法多组件的泄露评估与攻击精度，具有较强的鲁棒性。