面向强PUF抗机器学习攻击的基于集合的混淆方法
密码学与安全
2019-11-14 v4 硬件体系结构
摘要
强物理不可克隆函数（PUF）是资源受限应用中设备认证的一种有前景的方案，但易受机器学习攻击。为抵御此类攻击，近年来已提出许多防御方法。然而，这些防御带来高硬件开销、可靠性退化，且对近似攻击等先进机器学习攻击效率低下。为解决这些问题，我们提出一种用于强PUF的随机基于集合的混淆（RSO）以抵抗机器学习攻击。其基本思想是：从PUF自身导出若干稳定响应，并作为集合预存储用于测试阶段的混淆，然后使用真随机数发生器选取任意两个密钥通过异或操作混淆挑战与响应。当攻击者收集的挑战-响应对（CRPs）数量超过给定阈值时，该集合立即更新。以此方式，可用极低硬件开销防范机器学习攻击。实验结果表明，对于64x64仲裁器PUF，当集合大小为32且即便攻击者收集了100万CRPs时，逻辑回归、支持向量机、人工神经网络、卷积神经网络与协方差矩阵自适应进化策略的预测精度均约为50%，等同于随机猜测。
引用
@article{arxiv.1806.02011,
title = {Set-based Obfuscation for Strong PUFs against Machine Learning Attacks},
author = {Jiliang Zhang and Chaoqun Shen},
journal= {arXiv preprint arXiv:1806.02011},
year = {2019}
}
备注
12 pages, 8 figures