SKŘIVÁNEK, L. Odběrová analýza pomocí metod AI [online]. Brno: Vysoké učení technické v Brně. Fakulta elektrotechniky a komunikačních technologií. 2025.

Posudky

Posudek vedoucího

Martinásek, Zdeněk

Student Skřivánek pracoval aktivně na řešení bakalářské práce a pravidelně konzultovala dosažené výsledky. Veškeré podněty a návrhy reflektovala v práci. Hlavním přínosem práce je vlastní návrh a implementace neuronové sítě, která realizuje profilující útok odběrovou analýzou, a to na implementaci standardu blokové šifry AES na procesoru ARM. Výsledná architektura neuronové sítě je funkční a splňuje požadavky zadání na naměřeném datasetu. Student využila celkem 36 zdrojů, které jsou aktuální. Práce je po formální stránce i odborné na velmi vysoké úrovni. Konstatuji, že veškeré definované cíle práce byly splněny a navrhuji práci k obhajobě s hodnocením A.

Navrhovaná známka
A
Body
90

Posudek oponenta

Sikora, Pavel

Student teoreticky popsal problematiku postranních kanálů, včetně protiopatření algoritmu AES a útoku SITM. Dále se text práce zaměřuje na popis technik hlubokého učení zaměřeného na analýzu postranních kanálů. V praktické části student aplikoval popsané techniky hlubokého učení na dva typy datasetů, které byly měřené na dvou různých HW. Student porozuměl problematice a návrhy jeho přístupů jsou vhodné, jen použití LSTM vrstev za konvolučními vrstvami pokládám za nevhodné. U jednotlivých přístupů student popisuje dosažené výsledky a u nízkých hodnot přidává vysvětlení, včetně možného řešení. Očekával bych detailnější otestování jednotlivých přístupů na místo testování tolik různých technik. Prezentační úroveň výsledků je na dostatečné úrovni. Práce s literaturou je z větší části na dobré úrovni, až na pár výjimek. Po formální stránce práce obsahuje větší množství gramatických chyb. Většina grafů obsahuje desetinnou tečku, a ne desetinnou čárku. V práci se vyskytují nepřesné formulace. Student v práci překládá anglické výrazy spojené s neuronovými sítě, ale některé ponechává, navrhoval bych rozsáhlejší překlad, například max pooling (maximální sdružení), average pooling (průměrné sdružení), forget, input a output gate. Dále student uvádí jednou byte a následně již bajt. Nekonzistentní je i odkazování na obrázky, jednou je „Obrázek“ po druhé „Obr.“. V práci není konzistentní rozepisování zkratek jednou se píše Correlation power analysis (CPA), podruhé ReLU (Rectified Linear Unit), navíc LSTM zkratka není rozepsána při prvním výskytu. Nekonzistentní je i značení tříd, jednou jsou iterovány od 1 (1-5) a po druhé od 0 (0-4). Zadání práce bylo splněno, a i přes zmíněné výtky doporučuji práci k obhajobě s hodnocením B, 80 bodů.

Navrhovaná známka
B
Body
80

Otázky

eVSKP id 167365