基于序列密码的强PUF抗机器学习攻击方法第十九届全国容错计算学术会议 CFTC 2021

报告详情

基于序列密码的强PUF抗机器学习攻击方法

编号：103 访问权限：仅限参会人更新：2021-12-07 11:18:54 浏览：229次口头报告

报告开始：2021年12月12日 14:30（Asia/Shanghai）

报告时间：15min

所在会场：[S2] 论文报告会场2 [S2.7&8] Session 7&8 硬件安全

暂无文件

摘要

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。