作为物理不可克隆函数的混合布尔网络

我们介绍了一种基于在现场可编程门阵列上实现的、被称为混合布尔网络（HBN）的超快混沌网络的物理不可克隆函数（PUF）。该网络由 $N$ 个耦合的异步逻辑门组成，在亚纳秒时间尺度上展现动力学行为，通过在瞬态混沌期间放大微小的制造差异而充当“数字指纹”。与其他 PUF 设计不同，我们每次挑战使用 $N$ 位，并通过将挑战视为 $N$ 节点网络的初始状态、将响应视为随后混沌瞬态中捕获的状态，从而每次响应获得 $N$ 位。我们发现混沌的存在放大了由制造差异冻结的随机性，且可提取熵约为最大值 $N2^{N}$ 位的 $50\%$。对于 $N=256$ 的网络，我们得到 PUF 唯一性与可靠性度量分别为 $\mu_{inter}$ = 0.40$\pm$0.01 与 $\mu_{intra}$ = 0.05$\pm$0.00。这些度量对应于每次响应 102.4 位的期望汉明距离。此外，一种丢弃噪声位的简单 cherry-picking 方案在仍保留每次响应约 200 位（对应于每次响应约 80 位的汉明距离）的同时，使 $\mu_{intra} < 0.01$。除刻画唯一性与可靠性外，我们展示了熵直至 $N=512$ 的超指数标度行为，并证明近期 PUF 分析工具 PUFmeter 无法对我校 PUF 建模。最后，我们刻画了 HBN-PUF 的温度变化并提出了未来改进。