密码芯片电磁分析攻击是一种利用密码芯片的电磁泄露信号获得加密算法中密钥相关信息的攻击方式。由于电磁泄露信号具有信息量丰富,采集无需接触等优点,因此对于电磁分析攻击的研究对于设计构建具有高安全性的密码芯片有着重要意义。本文针对运行AES加密算法的FPGA芯片进行了电磁分析攻击,在无需明文和加密中间值的情况下,直接针对AES的128位密钥进行了攻击。主要完成的工作内容如下:1、针对采集数据集有限的问题,本文提出了一种用于生成大量数据的数据增强方案。该方案不仅解决了数据集太小带来的神经网络过拟合的问题,提高了电磁泄露信号的信噪比,也更加有利于神经网络提取有效特征。通过实验证明,使用增强后的数据集训练得到的神经网络的测试准确度比使用原始数据集高了近40个百分点。2、针对输入和输出不同的残差块,提出并设计包含一个近似直连(A-Identity)结构的卷积直连残差块CIResBlock,并基于此设计了残差神经网络结构。结合“分而治之”的思想,针对AES的128位密钥,按照每4位一组,分成32组分别训练构建残差神经网络分类模型。实验表明这32组网络模型的准确度均在80%以上,最高的达到了85.2%。比文献[1]中使用的Inception V2网络模型的准确度高了近13个百分点。并通过对比实验证明,在其他条件一致的情况下,包含A-identity结构的网络模型准确度比不包含A-identity结构的网络高了近4个百分点,且收敛速度更快。3、为了有效地提取电磁泄露信号中的时序关联特征,设计了一种残差循环神经网络,该网络使用成果2的残差卷积层获得信号的局部特征序列,将局部特征序列输入到LSTM网络中提取时序关联特征,最后进行分类。在该网络结构中,为了更有效的利用LSTM提取的时序关联特征,本文设计了一个LSTM-FC结构,该结构利用了 LSTM每个时刻的特征值。同样地,本文使用该网络结构训练了 32个网络模型,相对于成果2中的网络模型,其准确度平均高了3到5个百分点,最高的达到了89.2%。