侧信道攻击分析方法是一种强有力的密码安全性分析方法,主要利用加密设备在运行加密算法时泄露的物理信息,从而获得密钥信息。其中,能量分析攻击方法因采集简单与处理方法多样化,而广受研究人员青睐。本文针对椭圆曲线数字签名算法进行能量分析攻击,其主要工作内容如下。本文首先介绍了传统侧信道攻击方法与椭圆曲线算法中标量乘法的常见实现方法,如Double-and-Add标量乘法、经典Montgomery Ladder标量乘法等。同时,详细阐述了研究人员针对不同实现算法进行的侧信道攻击分析方法。基于此,Itoh等人提出了一种带地址能量分析攻击（Address-DPA）的Montgomery Ladder标量乘法,该算法是本文的研究核心算法。本文针对传统模板攻击的不足,使用特征选择进行优化。然而,本文使用SOD、SOST等传统算法时,研究发现被选中的特征子集中存在较多的冗余信息。因此,提出了一种改进的无监督特征选择算法,使用该算法进行特征选择后,进行侧信道模板攻击分析。结果表明,该算法相对传统方法密钥恢复的成功率更高。本文对传统侧信道攻击方法进行深入研究,并由此提出递推式的类地址碰撞攻击方法。针对该攻击方法,本文基于搭建的实验平台进行了可行分析。结果表明,该攻击方法具有可行性。本文从水平侧信道攻击与垂直侧信道攻击两方面分别进行密钥恢复。在水平侧信道攻击中,本文分别使用K-Means聚类与高斯混合聚类算法进行实验对比,结果表明高斯混合聚类算法效果更优;在垂直侧信道攻击中,本文使用SVM与随机森林算法作为分类器,进行密钥信息的恢复。随机森林算法因使用多个弱分类器组合而成,具有较强的泛化性与抗干扰能力,其分类准确率较高且不受无关信息的影响。最后,利用分类结果进行密钥恢复时,存在分类准确率与密钥恢复成功率不成比例问题。基于此,本文提出多点联合攻击方法,并与软分类方法相结合,得到99%的密钥恢复成功率。