LPUF-AuthNet：基于双神经网络和分段学习的轻量级 PUF 无线电认证
密码学与安全
2024-10-17 v1 机器学习
网络与互联网体系结构
摘要
到2025年，互联网的事物（IoT）预计将连接超过750亿个设备，从根本上改变我们在城市和农村环境中的交互方式。然而，IoT设备的安全性仍然具有挑战性，特别是在认证过程中。传统的加密方法往往难以应对IoT设备的限制，如有限的计算功率和存储空间。本文考虑将物理不可克隆函数（PUF）作为稳健的安全解决方案，利用其固有的物理唯一性来安全地对设备进行认证。然而，传统的PUF系统容易受到机器学习（ML）攻击且需要大量数据集。我们提出的解决方案引入了一种轻量级PUF机制，称为LPUF-AuthNet，将双神经网络（TNN）与分段学习（SL）范式相结合。该方法提供了可扩展性，支持相互认证，并通过抵抗各种类型的攻击来增强安全性，为未来的6G技术集成铺平了道路。
引用
@article{arxiv.2410.12190,
title = {LPUF-AuthNet: A Lightweight PUF-Based IoT Authentication via Tandem Neural Networks and Split Learning},
author = {Brahim Mefgouda and Raviha Khan and Omar Alhussein and Hani Saleh and Hossien B. Eldeeb and Anshul Pandey and Sami Muhaidat},
journal= {arXiv preprint arXiv:2410.12190},
year = {2024}
}
备注
Accepted to Proc. IEEE Globecom 2024