密码算法的安全性是最受关注的,主要包含其数学原理的逻辑缜密性以及加解密速度的快慢,这些特性保证了密码算法加密速度快且难以被攻击。随着密码算法被应用到大量的加密设备中,其安全性会受到侧信道攻击（Side-Channel Analysis,SCA）的威胁,侧信道攻击是基于一个客观事实,即加密设备在运行过程中,会泄露出密钥相关的信息,这些信息包含了设备的密钥信息,此类攻击防不胜防。本文的研究工作主要是针对对称加密算法（Advance Encryption Standrad,AES）的侧信道攻击方法的研究与实现,主要的工作内容和结果如下:本文首先介绍了AES加密原理以及侧信道攻击的原理,同时介绍了常用的能量泄露模型,通过对传统的侧信道攻击方法进行了介绍与分析,发现其存在一些局限性,而目前强大的机器学习方法与侧信道攻击有重合之处,所以将这类方法应用到侧信道攻击之中。本文使用Chipwhisperer平台作为攻击的数据采集平台,对采集得到的能量消耗信号进行预处理研究,通过对能量曲线的组成成分分析,提出了差值能量迹的构建,可以去除能量迹中的冗余成分,其次对于能量迹中的存在的多种噪声,提出了构建降噪自编码器的方法,对能量消耗信号进行滤波处理,并进行模板攻击实验,与传统的小波降噪方法进行对比,实验结果表明,本文提出的能量迹预处理方法降噪效果更好,信号保留更多的有用信息。本文对传统模板攻击进行了分析和研究,并与支持向量机（Support Vector Machines,SVM）分类方法进行了对比,实验发现SVM虽比传统的模板攻击效率更高但是仍存在一些不足,分析发现能量消耗矩阵存在病态问题,提出了两点联合系数特征提取方法,并与差异法（Sum of difference,SOD）、主成分分析（Principal Component Analysis,PCA）方法进行比较,同时将多层感知网络（Multilayer Perceptron,MLP）应用到侧信道攻击中,本文创新的提出了两点联合特征提取MLP网络攻击,与传统方法相比,能达到较高的攻击效率。本文也对AES掩码方案进行了研究,将MLP网络模型应用到AES掩码防御的侧信道攻击中,针对加掩码实现的AES-128算法的数据集ASCAD,通过分析建立全新的攻击中间值表达式,得出对应的汉明重量模型,利用MLP网络对数据集进行建模和分类,结果显示,该攻击方法能够成功攻击带掩码防护的数据。