针对基于 PUF 的安全二进制神经网络的攻击
密码学与安全
2025-10-29 v1 硬件体系结构
机器学习
摘要
基于阻力器交叉阵列部署的二进制神经网络（BNN）提供了面向边缘计算的能效解决方案，但由于阻力器的非易失性特征，易受到物理攻击。近期，Rajendran 等人（IEEE 嵌入式系统简报 2025）提出一种基于物理不可克隆函数（PUF）的方案，以防御 BNN 免费攻击。具体而言，利用设备的 PUF 密钥位对 BNN 各层的权重与偏置矩阵进行列置换以实现保护。本文演示了该保护方案存在恢复 PUF 密钥的漏洞，攻击后我们成功恢复了 BNN 的秘密权重与偏置矩阵。我们的攻击方法灵感来自差分密码分析，通过观察模型准确率的变化逐位重建 PUF 密钥位，最终恢复 BNN 模型参数。在在 MNIST 数据集上评估的实验结果表明，攻击可恢复 85% 的 PUF 密钥，并达到原模型 96% 分类准确率的 93% 准确率。该攻击方法高效，仅需数分钟即可恢复 PUF 密钥及模型参数。
引用
@article{arxiv.2510.24422,
title = {Attack on a PUF-based Secure Binary Neural Network},
author = {Bijeet Basak and Nupur Patil and Kurian Polachan and Srinivas Vivek},
journal= {arXiv preprint arXiv:2510.24422},
year = {2025}
}
备注
Accepted at VLSID 2026. To be published in IEEE Xplore