prikaz prve stranice dokumenta Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje
No public access
master's thesis
Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. urn:nbn:hr:168:445405
Juričić, Juraj
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Juričić, J. (2019). Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:445405

Juričić, Juraj. "Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:445405

Juričić, Juraj. "Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2019. https://urn.nsk.hr/urn:nbn:hr:168:445405

Juričić, J. (2019). 'Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 18 February 2025, https://urn.nsk.hr/urn:nbn:hr:168:445405

Juričić J. Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2019 [cited 2025 February 18] Available at: https://urn.nsk.hr/urn:nbn:hr:168:445405

J. Juričić, "Optimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2019. Available at: https://urn.nsk.hr/urn:nbn:hr:168:445405

Metadata
TitleOptimizirana arhitektura klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje
Title (english)Optimized classification architecture based on artificial neural networks in the domain of implementation attacks on cryptographic devices
AuthorJuraj Juričić
MentorDomagoj Jakobović (mentor)
Committee memberDomagoj Jakobović (predsjednik povjerenstva)
Committee memberMarin Golub (član povjerenstva)
Committee memberVlado Sruk (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2019-07-04, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
U diplomskom radu opisan je postupak optimizacije arhitekture klasifikatora temeljenog na umjetnim neuronskim mrežama u domeni implementacijskih napada na kriptografske uređaje koristeći tehnike evolucijskog računarstva. Objašnjen je implementacijski napad diferencijalnom analizom potrošnje električne energije kriptografskog uređaja te primjena metoda strojnog učenja u istome. Implementirani su algoritam NEAT te dvije varijante genetskog algoritma - generacijski genetski algoritam i genetski algoritam sa segregacijom po vrstama. Dobiveni rezultati uspoređeni su s rezultatima prikazanim u Picek i dr. Algoritam NEAT se nije pokazao uspješnim na problemima klasifikacije, dok su obje varijante genetskog algoritma davale rezultate usporedive s prijašnjim radovima u području.
Abstract (english)
The thesis describes approaches for optimising the architectures of artificial neural network classifiers in the domain of side-channel cryptographic attacks using evolutionary computation techniques. The utilisation of machine learning methods in the differential power analysis attack is explained, and the attack itself is described. NEAT and two variations of the genetic algorithm - a generational genetic algorithm and genetic algorithm with species segregation - are implemented and their performance is benchmarked. The results are compared with the results logged in Picek et al. NEAT's performance at classification is subpar at best, while using both of the genetic algorithms yielded results comparable to previous research in the field.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:445405
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2020-01-07 18:50:30