面向物联网安全的基于 RC 的 PUF 的 ML/DL 攻击抗性设计与开发
密码学与安全
2026-04-01 v1 人工智能
摘要
物理不可克隆函数（PUF）为物联网认证提供了有前景的硬件安全性，利用固有随机性，适合资源受限环境。然而，ML/DL 建模攻击通过学习挑战-响应对模式威胁 PUF 安全性。本工作提出一种基于自定义电阻-电容（RC）的动态可重构 PUF，使用 32 位挑战-响应对（CRP），旨在抵抗此类攻击。我们通过生成 CRP 数据集并将其拆分为训练集、验证集和测试集，系统地评估了鲁棒性。多种 ML 技术，包括人工神经网络（ANN）、梯度提升神经网络（GBNN）、决策树（DT）、随机森林（RF）和 XGBoost，被训练用于建模 PUF 行为。虽然所有模型均达到 100% 训练准确率，但测试性能仍接近随机猜测：ANN 51.05%、GBNN 53.27%、DT 50.06%、RF 52.08%、XGBoost 50.97%。这些结果表明，所提出的 PUF 对 ML 驱动的建模攻击具有很强的抗性，因为先进算法无法再现准确响应。动态可重构架构以最少的资源开销增强了对对抗威胁的鲁棒性。这种简单的 RC-PUF 为保护下一代物联网认证免受机器学习威胁提供了一种有效的低成本替代方案，在部署的物联网网络中确保可靠的设备验证，而不损害计算效率或可扩展性。
引用
@article{arxiv.2603.28798,
title = {Design and Development of an ML/DL Attack Resistance of RC-Based PUF for IoT Security},
author = {Joy Acharya and Smit Patel and Paawan Sharma and Mohendra Roy},
journal= {arXiv preprint arXiv:2603.28798},
year = {2026}
}
备注
This paper has been accepted for the IEEE GCON 2026 conference, organized by IIT Guwahati