混合型抗机器学习攻击的强PUF电路设计

作者：翟官宝; 汪鹏君^*; 李刚; 庄友谊

来源：华东理工大学学报, 2023, 49(06): 854-861.

DOI：10.14135/j.cnki.1006-3080.20221009003

• 混合型
• 强PUF
• 抗机器学习攻击
• 硬件安全
• 电路设计

物理不可克隆函数(Physical Unclonable Function, PUF)作为一种面向硬件的安全原语，在资源受限的物联网设备中具有广泛的应用前景，但其安全性也受到机器学习攻击的威胁。通过对抗电路结构攻击和机器学习攻击等方法的研究，提出混合型抗电路结构攻击的新型PUF电路。首先，构造两个并行且对称设置的仲裁器PUF(Arbiter PUF, APUF)，并将两个APUF输出进行异或，得到1位PUF响应输出；然后，为两个APUF引入前馈回路，实现输入激励集动态调整，确保结构非线性，防御建模攻击；最后，将两个并行APUF开关单元的输出对应交叉，使后级开关单元输入激励相互倒置，扩大信号延时路径选择范围，提高输出响应随机特性。该PUF采用现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)实现，测试结果表明：即使机器学习训练所用激励响应对数量达105，采用传统机器学习进行模型攻击，预测率仍接近50%理想值，且PUF电路的随机性、唯一性和稳定性等性能指标均表现良好，具备实际应用价值。

• 单位
  电子工程学院; 温州大学