-
题名基于对抗学习的强PUF安全结构研究
- 1
-
-
作者
李艳
刘威
孙远路
-
机构
信息工程大学
-
出处
《网络与信息安全学报》
2021年第3期115-122,共8页
-
基金
国家自然科学基金(61871405,61802431)。
-
文摘
针对强物理不可复制函数(PUF,physical unclonable function)面临的机器学习建模威胁,基于对抗学习理论建立了强PUF的对抗机器学习模型,在模型框架下,通过对梯度下降算法训练过程的分析,明确了延迟向量权重与模型预测准确率之间的潜在联系,设计了一种基于延迟向量权重的对抗样本生成策略。该策略与传统的组合策略相比,将逻辑回归等算法的预测准确率降低了5.4%~9.5%,低至51.4%。结合资源占用量要求,设计了新策略对应的电路结构,并利用对称设计和复杂策略等方法对其进行安全加固,形成了ALPUF(adversarial learning PUF)安全结构。ALPUF不仅将机器学习建模的预测准确率降低至随机预测水平,而且能够抵御混合攻击和暴力破解。与其他PUF结构的对比表明,ALPUF在资源占用量和安全性上均具有明显优势。
-
关键词
物理不可复制函数
对抗样本
延迟向量
对抗学习PUF
-
Keywords
strong physical unclonable function
adversarial sample
delay vector
adversarial learning PUF
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于序列密码的强PUF抗机器学习攻击方法
被引量：6
- 2
-
-
作者
汪鹏君
连佳娜
陈博
-
机构
温州大学电气与电子工程学院
温州大学计算机与人工智能学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第9期2474-2481,共8页
-
基金
国家重点研发计划项目(2018YFB2202100)
国家自然科学基金(62174121,61904125)
温州市基础性科研项目(G20190006,G20210023)。
-
文摘
物理不可克隆函数(Physical Unclonable Function, PUF)在信息安全领域具有极其重要的应用前景,然而也存在其自身安全受机器学习攻击等方面的不足。该文通过对PUF电路和密码算法的研究,提出一种基于序列密码的强PUF抗机器学习攻击方法。首先,通过构造滚动密钥生成器产生随机密钥,并与输入激励进行混淆;然后,将混淆后的激励通过串并转换电路作用于强PUF,产生输出响应;最后,利用Python软件仿真和FPGA硬件实现,并分析其安全性和统计特性。实验结果表明,当建模所用激励响应对(Challenge Response Pairs, CRPs)高达106组时,基于逻辑回归、人工神经网络和支持向量机的攻击预测率接近50%的理想值。此外,该方法通用性强、硬件开销小,且不影响PUF的随机性、唯一性以及可靠性。
-
关键词
硬件安全
强物理不可克隆函数
序列密码
机器学习
-
Keywords
Hardware security
strong-physical unclonable function(PUF)
Sequence cipher
Machine learning
-
分类号
TN918.2
[电子电信—通信与信息系统]
TP309
[电子电信—信息与通信工程]
-
