論文の概要: Lightweight Strategy for XOR PUFs as Security Primitives for Resource-constrained IoT device

• arxiv url: http://arxiv.org/abs/2210.01749v1
• Date: Tue, 4 Oct 2022 17:12:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 15:45:03.588510
• Title: Lightweight Strategy for XOR PUFs as Security Primitives for Resource-constrained IoT device
• Title（参考訳）: 資源制約IoTデバイスのセキュリティプライミティブとしてのXOR PUFの軽量戦略
• Authors: Gaoxiang Li, Khalid T. Mursi, Yu Zhuang
• Abstract要約: XOR Arbiter PUF (XOR-PUF) は最も研究されているPUFの一つである。 最近の攻撃研究によると、大きなXORサイズを持つXOR-PUFでさえ、マシンラーニング攻撃に対して安全ではない。 本稿では、XOR Arbiter PUF(XOR-PUF)アーキテクチャパラメータの選択と、XOR-PUFの使用方法を組み合わせた戦略を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Physical Unclonable Functions (PUFs) are promising security primitives for resource-constrained IoT devices. And the XOR Arbiter PUF (XOR-PUF) is one of the most studied PUFs, out of an effort to improve the resistance against machine learning attacks of probably the most lightweight delay-based PUFs - the Arbiter PUFs. However, recent attack studies reveal that even XOR-PUFs with large XOR sizes are still not safe against machine learning attacks. Increasing PUF stages or components and using different challenges for different components are two ways to improve the security of APUF-based PUFs, but more stages or components lead to more hardware cost and higher operation power, and different challenges for different components require the transmission of more bits during operations, which also leads to higher power consumption. In this paper, we present a strategy that combines the choice of XOR Arbiter PUF (XOR-PUF) architecture parameters with the way XOR-PUFs are used to achieve lightweights in hardware cost and energy consumption as well as security against machine learning attacks. Experimental evaluations show that with the proposed strategy, highly lightweight component-differentially challenged XOR-PUFs can withstand the most powerful machine learning attacks developed so far and maintain excellent intra-device and inter-device performance, rendering this strategy a potential blueprint for the fabrication and use of XOR-PUFs for resource-constrained IoT applications.
• Abstract（参考訳）: Physical Unclonable Functions(PUF)は、リソースに制約のあるIoTデバイスのためのセキュリティプリミティブである。 そしてXOR Arbiter PUF(XOR-PUF)は、おそらく最も軽量な遅延ベースのPUFsthe Arbiter PUFの機械学習攻撃に対する抵抗を改善するため、最も研究されているPUFの1つである。 しかし、最近の攻撃研究では、大きなXORサイズを持つXOR-PUFでさえ、マシンラーニング攻撃に対して安全ではないことが示されている。 PUFステージやコンポーネントの増加と異なるコンポーネントに対する異なる課題の使用は、APUFベースのPUFのセキュリティを改善するための2つの方法である。 本稿では、XOR Arbiter PUF(XOR-PUF)アーキテクチャパラメータの選択と、ハードウェアコストとエネルギー消費の軽量化と機械学習攻撃に対するセキュリティを実現するためのXOR-PUFの使用方法を組み合わせる戦略を提案する。 提案した戦略により、XOR-PUFは、これまで開発された最も強力な機械学習攻撃に耐え、優れたデバイス内およびデバイス間パフォーマンスを維持することができ、リソース制約されたIoTアプリケーションにXOR-PUFを製造および使用するための潜在的な青写真となる。

関連論文リスト

• Designing Short-Stage CDC-XPUFs: Balancing Reliability, Cost, and Security in IoT Devices [2.28438857884398]
  物理的に非閉塞関数(PUF)は、固有のハードウェアのバリエーションからユニークな暗号鍵を生成する。 Arbiter PUFs (APUFs) や XOR Arbiter PUFs (XOR-PUFs) のような従来のPUFは、機械学習(ML)や信頼性ベースの攻撃の影響を受けやすい。 本稿では,信頼性を高めるための事前選択戦略を取り入れたCDC-XPUF設計を提案し,新しい軽量アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-09-26T14:50:20Z)
• Designing a Photonic Physically Unclonable Function Having Resilience to Machine Learning Attacks [2.369276238599885]
  機械学習(ML)攻撃の訓練に必要なデータセットを生成するための計算PUFモデルについて述べる。 モデル化されたPUFは均一な白色雑音に類似した分布を生成する。 予備的な解析は、PUFが生成する敵ネットワークに類似したレジリエンスを示すことを示唆している。
  論文  参考訳（メタデータ） (2024-04-03T03:58:21Z)
• Attacking Delay-based PUFs with Minimal Adversary Model [13.714598539443513]
  Physically Unclonable Functions (PUF)は、軽量デバイス認証のための合理化されたソリューションを提供する。 遅延ベースのArbiter PUFは実装の容易さと膨大なチャレンジスペースを持ち、大きな注目を集めている。 モデリングに抵抗するPUFの開発と、それらに対する機械学習攻撃の考案の間には、研究が偏在している。
  論文  参考訳（メタデータ） (2024-03-01T11:35:39Z)
• Transforming Image Super-Resolution: A ConvFormer-based Efficient Approach [58.57026686186709]
  本稿では, Convolutional Transformer Layer (ConvFormer) を導入し, ConvFormer-based Super-Resolution Network (CFSR) を提案する。 CFSRは畳み込みベースのアプローチとトランスフォーマーベースのアプローチの両方の利点を継承する。 CFSRは計算コストと性能のバランスが最適であることを示す実験である。
  論文  参考訳（メタデータ） (2024-01-11T03:08:00Z)
• Active learning for fast and slow modeling attacks on Arbiter PUFs [7.8713273072725665]
  ほとんどのモデリング攻撃では、機械学習アルゴリズムのラベル付きデータとして、チャレンジ-レスポンス-ペア(CRP)のランダムなサブセットが使用される。 SVMアルゴリズムが高速に学習し、遅く学習するのを助けるために、チャレンジセレクションに重点を置いています。
  論文  参考訳（メタデータ） (2023-08-25T19:34:01Z)
• Computation Offloading and Resource Allocation in F-RANs: A Federated Deep Reinforcement Learning Approach [67.06539298956854]
  フォグ無線アクセスネットワーク(フォグ無線アクセスネットワーク、F-RAN)は、ユーザのモバイルデバイス(MD)が計算タスクを近くのフォグアクセスポイント(F-AP)にオフロードできる有望な技術である。
  論文  参考訳（メタデータ） (2022-06-13T02:19:20Z)
• A New Security Boundary of Component Differentially Challenged XOR PUFs Against Machine Learning Modeling Attacks [0.0]
  XOR Arbiter PUF(XOR PUF、XOR PUF)は、Arbiter PUFの安全性を改善するために開発されたPUFである。 近年、強力な機械学習攻撃法が発見され、大規模なXPUFを簡単に破壊することができた。 本稿では,XPUFを攻撃するための2つの最も強力な機械学習手法を,CDC-XPUFの2つの手法のパラメータを微調整することによって適用する。
  論文  参考訳（メタデータ） (2022-06-02T21:51:39Z)
• Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
  Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。 計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。 また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-23T06:24:31Z)
• LAS-AT: Adversarial Training with Learnable Attack Strategy [82.88724890186094]
  LAS-ATと呼ばれる「学習可能な攻撃戦略」は、モデル堅牢性を改善するための攻撃戦略を自動生成することを学ぶ。 当社のフレームワークは,強靭性向上のためのトレーニングにAEを使用するターゲットネットワークと,AE生成を制御するための攻撃戦略を生成する戦略ネットワークで構成されている。
  論文  参考訳（メタデータ） (2022-03-13T10:21:26Z)
• Improving Robustness of Reinforcement Learning for Power System Control with Adversarial Training [71.7750435554693]
  電力系統制御のために提案された最先端のRLエージェントが敵攻撃に対して脆弱であることを示す。 具体的には、敵のマルコフ決定プロセスを用いて攻撃方針を学習し、攻撃の有効性を実証する。 本稿では,RLエージェントの攻撃に対する堅牢性を高め,実行不可能な運用上の決定を回避するために,敵の訓練を利用することを提案する。
  論文  参考訳（メタデータ） (2021-10-18T00:50:34Z)
• UPDeT: Universal Multi-agent Reinforcement Learning via Policy Decoupling with Transformers [108.92194081987967]
  タスクに適合する1つのアーキテクチャを設計し、汎用的なマルチエージェント強化学習パイプラインを最初に試行する。 従来のRNNモデルとは異なり、トランスフォーマーモデルを用いてフレキシブルなポリシーを生成する。 提案方式はUPDeT(Universal Policy Decoupling Transformer)と名付けられ,動作制限を緩和し,マルチエージェントタスクの決定プロセスをより説明しやすいものにする。
  論文  参考訳（メタデータ） (2021-01-20T07:24:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。