論文の概要: A Provably Secure Strong PUF based on LWE: Construction and
Implementation
- arxiv url: http://arxiv.org/abs/2303.02802v1
- Date: Sun, 5 Mar 2023 23:41:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-07 17:37:41.385951
- Title: A Provably Secure Strong PUF based on LWE: Construction and
Implementation
- Title(参考訳): lweに基づく確実にセキュアな強力なpuf:構築と実装
- Authors: Xiaodan Xi, Ge Li, Ye Wang, Yeonsoo Jeon and Michael Orshansky
- Abstract要約: 古典的および量子コンピュータに対するML攻撃に対するセキュリティを証明可能な格子PUFを構築する。
Spartan 6 FPGA上に2,136 ドルのチャレンジ応答対 (CRP) を持つ格子PUF の設計を試作した。
リソース効率の良い設計では、PUFロジックの適切なスライスに45ドル、ファジィ抽出器に351ドルしか必要としない。
- 参考スコア(独自算出の注目度): 11.66624679713865
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We construct a strong PUF with provable security against ML attacks on both
classical and quantum computers. The security is guaranteed by the
cryptographic hardness of learning decryption functions of public-key
cryptosystems, and the hardness of the learning-with-errors (LWE) problem
defined on integer lattices. We call our construction the lattice PUF.
We construct lattice PUF with a physically obfuscated key and an LWE
decryption function block. To allow deployments in different scenarios, we
demonstrate designs with different latency-area trade-offs. A compact design
uses a highly serialized LFSR and LWE decryption function, while a
latency-optimized design uses an unrolled LFSR and a parallel datapath.
We prototype lattice PUF designs with $2^{136}$ challenge-response pairs
(CRPs) on a Spartan 6 FPGA. In addition to theoretical security guarantee, we
evaluate empirical resistance to the various leading ML techniques: the
prediction error remains above $49.76\%$ after $1$ million training CRPs. The
resource-efficient design requires only $45$ slices for the PUF logic proper,
and $351$ slices for a fuzzy extractor. The latency-optimized design achieves a
$148X$ reduction in latency, at a $10X$ increase in PUF hardware utilization.
The mean uniformity of PUF responses is $49.98\%$, the mean uniqueness is
$50.00\%$, and the mean reliability is $1.26\%$.
- Abstract(参考訳): 我々は、古典コンピュータと量子コンピュータの両方に対するML攻撃に対して証明可能なセキュリティを備えた強力なPUFを構築する。
このセキュリティは、公開鍵暗号システムの復号化関数の暗号的難しさと、整数格子上で定義されたLWE問題の難しさによって保証される。
我々はこの構造を格子PUFと呼ぶ。
物理的に難解な鍵とLWE復号関数ブロックを持つ格子PUFを構築する。
異なるシナリオでのデプロイメントを可能にするために、レイテンシーエリアのトレードオフが異なる設計を示します。
コンパクトな設計では高シリアライズされたLFSRとLWE復号化関数を使用し、遅延最適化設計ではアンロールされたLFSRと並列データパスを使用する。
Spartan 6 FPGA 上で 2^{136}$ Challenge-Response pairs (CRPs) を用いた格子 PUF の設計を試作した。
理論的なセキュリティ保証に加えて、様々な主要なML技術に対する経験的抵抗を評価し、予測誤差は1億ドルのトレーニングCRPの後、49.76 %以上である。
リソース効率の良い設計では、PUFロジックの適切なスライスに45ドル、ファジィ抽出器に351ドルしか必要としない。
レイテンシに最適化された設計は、レイテンシの148倍、PUFハードウェアの利用率を10倍に向上させる。
PUF応答の平均均一性は49.98\%$、平均ユニーク性は50.00\%$、平均信頼性は1.26\%$である。
関連論文リスト
- Quantum Secure Protocols for Multiparty Computations [3.229371159969158]
量子攻撃に耐えられるセキュアなマルチパーティ計算(MPC)プロトコルを提案する。
まず、量子領域における情報理論のセキュアな半線形評価(OLE)、すなわち$sf qOLE$の設計と解析について述べる。
さらに、ビルディングブロックとして$sf qOLE$を使用し、MPSIプロトコルを構築します。
論文 参考訳(メタデータ) (2023-12-26T19:53:29Z) - G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks
through Attributed Client Graph Clustering [116.4277292854053]
Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。
FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。
本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
論文 参考訳(メタデータ) (2023-06-08T07:15:04Z) - Publicly-Verifiable Deletion via Target-Collapsing Functions [81.13800728941818]
ターゲットの折り畳みは、公開可能な削除(PVD)を可能にすることを示す。
我々は、弱い暗号的仮定から公開可能な削除を支援する様々なプリミティブを得るために、このフレームワークを構築している。
論文 参考訳(メタデータ) (2023-03-15T15:00:20Z) - Revisiting Personalized Federated Learning: Robustness Against Backdoor
Attacks [53.81129518924231]
pFLフレームワークにおけるバックドア攻撃の最初の研究を行う。
モデル共有部分を持つpFL法は,バックドア攻撃に対するロバスト性を大幅に向上させることができることを示す。
本稿では,バックドア攻撃に対する防御性能を実証的に向上する軽量防御手法Simple-Tuningを提案する。
論文 参考訳(メタデータ) (2023-02-03T11:58:14Z) - PUF-Phenotype: A Robust and Noise-Resilient Approach to Aid
Intra-Group-based Authentication with DRAM-PUFs Using Machine Learning [10.445311342905118]
機械学習(ML)を用いて,DRAM PUF応答の起源を正確に識別する分類システムを提案する。
特徴抽出のための改良深部畳み込みニューラルネットワーク(CNN)を用いて,最大98%の分類精度を実現した。
論文 参考訳(メタデータ) (2022-07-11T08:13:08Z) - Quantum Lock: A Provable Quantum Communication Advantage [2.9562795446317964]
本稿では,Hybrid lock PUFs(HLPUFs)と呼ばれる,セキュアなPUFの汎用設計を提案する。
HLPUFは古典的なPUFを使用し、出力を非直交量子状態にエンコードして、基盤となるCPUFの結果を敵から隠蔽する。
HLPUFは,量子状態の非古典的特性を活用することにより,サーバがチャレンジ応答ペアを再利用し,さらなるクライアント認証を可能にすることを示す。
論文 参考訳(メタデータ) (2021-10-18T17:01:46Z) - MPC-Friendly Commitments for Publicly Verifiable Covert Security [16.430876603766965]
本稿では,2要素計算におけるコミットメントを効率よく検証する問題に対処する。
当社の工事は, PVC (Public Verible Covert) セキュリティモデルで運用されている。
我々は, 必要な非線形操作の観点から, 建設が厳密であることを示す。
論文 参考訳(メタデータ) (2021-09-15T17:52:18Z) - ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep
Neural Network and Transfer Learning [80.85273827468063]
既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。
スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。
ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
論文 参考訳(メタデータ) (2021-03-23T15:04:44Z) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with
Lazy Clients [124.48732110742623]
フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。
BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。
遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
論文 参考訳(メタデータ) (2020-12-02T12:18:27Z) - Quantum copy-protection of compute-and-compare programs in the quantum
random oracle model [74.52678585199014]
計算・比較プログラム(Computer-and-compare program)として知られる回避関数のクラスに対する量子コピー保護スキームを導入する。
我々は,量子乱数オラクルモデル(QROM)において,完全悪意のある敵に対する非自明なセキュリティを実現することを証明した。
補完的な結果として、「セキュアソフトウェアリース」という,ソフトウェア保護の概念の弱さが示される。
論文 参考訳(メタデータ) (2020-09-29T08:41:53Z)
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。