近年来，深度学习技术广泛应用于侧信道攻击（side channel attack，SCA）领域。针对在基于深度学习的侧信道攻击中训练集数量不足的问题，提出了一种用于侧信道攻击的功耗轨迹扩充技术，使用条件生成对抗网络（conditional generate against network，CGAN）实现对原始功耗轨迹的扩充，并使用深度神经网络进行侧信道攻击。通过选择密码运算中间值的汉明重量（hamming weight，HW）作为CGAN的约束条件，将CGAN生成模拟功耗轨迹作为多层感知器（multi-layer perceptron，MLP）神经网络的训练数据，构建模型实现密钥恢复。通过实验对不同类型训练集的攻击效果进行比较，结果表明，使用CGAN生成的功耗轨迹和原始功耗轨迹具有相同的特征，使用扩充后的功耗轨迹对MLP神经网络进行训练和测试，训练精度和测试精度分别提高15.3%和14.4%。