基于统计分析的特征选择增强型RF-PUF：在未经修改的商用发射机上实现>99.8%精度的物联网物理安全
密码学与安全
2022-05-06 v1
摘要
由于部署环境的多样性和移动性，智能商用设备易受各种攻击，这些攻击可让 rogue 设备在未授权情况下接入大型互联网络。传统的基于数字签名的认证方法易受密钥恢复攻击、CSRF等威胁。为此，RF-PUF被提出作为一种有前景的替代方案，它利用设备固有的非理想性作为物理签名。RF-PUF提供了一种鲁棒的认证方法，因无需密钥而能抵御密钥破解手段，且不需要在发射端增加任何额外电路，消除了额外的功耗、面积和计算负担。本工作中，我们首次分析了RF-PUF在完全未经修改的市售商用设备上的有效性。数据从30个Xbee S2C模块采集并作为公开数据集发布。通过统计特性分析设计了一种新特征。借助这一新颖且鲁棒的特征集，仅用约1.8 ms的测试数据即可达到95%准确率，在更多数据及更高模型容量的网络下可达>99.8%准确率，且无需任何辅助数字前导。我们详细探索了设计空间并确定了无线信道的影响。将若干流行ML算法与NN方法的性能进行了比较。对各种PUF特性进行了深入探究，并计算了类内与类间PUF距离。通过对41238000个案例的广泛测试，RF-PUF对本数据的检测概率为0.9987，这首次从实验上确立了RF-PUF作为一种强认证方法。最后，讨论了潜在攻击模型及RF-PUF针对这些模型的鲁棒性。
引用
@article{arxiv.2202.05684,
title = {Statistical Analysis Based Feature Selection Enhanced RF-PUF with >99.8% Accuracy on Unmodified Commodity Transmitters for IoT Physical Security},
author = {Md Faizul Bari and Parv Agrawal and Baibhab Chatterjee and Shreyas Sen},
journal= {arXiv preprint arXiv:2202.05684},
year = {2022}
}
备注
18 pages, 10 figures, we have made our dataset (used in this work) public and available at: https://github.com/SparcLab/Sparclab-RF-PUF-Dataset