論文の概要: Designing Short-Stage CDC-XPUFs: Balancing Reliability, Cost, and
Security in IoT Devices
- arxiv url: http://arxiv.org/abs/2409.17902v1
- Date: Thu, 26 Sep 2024 14:50:20 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-28 17:03:54.420523
- Title: Designing Short-Stage CDC-XPUFs: Balancing Reliability, Cost, and
Security in IoT Devices
- Title（参考訳）: CDC-XPUFの短期設計:信頼性とコストのバランス
IoTデバイスのセキュリティ
- Authors: Gaoxiang Li, Yu Zhuang
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 2.28438857884398
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The rapid expansion of Internet of Things (IoT) devices demands robust and
resource-efficient security solutions. Physically Unclonable Functions (PUFs),
which generate unique cryptographic keys from inherent hardware variations,
offer a promising approach. However, traditional PUFs like Arbiter PUFs (APUFs)
and XOR Arbiter PUFs (XOR-PUFs) are susceptible to machine learning (ML) and
reliability-based attacks. In this study, we investigate
Component-Differentially Challenged XOR-PUFs (CDC-XPUFs), a less explored
variant, to address these vulnerabilities. We propose an optimized CDC-XPUF
design that incorporates a pre-selection strategy to enhance reliability and
introduces a novel lightweight architecture to reduce hardware overhead.
Rigorous testing demonstrates that our design significantly lowers resource
consumption, maintains strong resistance to ML attacks, and improves
reliability, effectively mitigating reliability-based attacks. These results
highlight the potential of CDC-XPUFs as a secure and efficient candidate for
widespread deployment in resource-constrained IoT systems.
- Abstract（参考訳）: IoT(Internet of Things)デバイスの急速な拡張は、堅牢でリソース効率のよいセキュリティソリューションを必要とする。
ハードウェア固有のバリエーションからユニークな暗号鍵を生成するPF(Physically Unclonable Function)は、有望なアプローチを提供する。
しかし、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。
本研究では,これらの脆弱性に対処するために,探索されていない変種である Component-Differentially Challenged XOR-PUFs (CDC-XPUFs) について検討した。
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、ハードウェアオーバーヘッドを低減するための新しい軽量アーキテクチャを提案する。
厳密なテストは、我々の設計がリソース消費を大幅に削減し、ML攻撃に対する強い抵抗を維持し、信頼性を改善し、信頼性ベースの攻撃を効果的に軽減することを示す。
これらの結果から、CDC-XPUFがリソース制約されたIoTシステムに広く展開する上で、安全かつ効率的な候補としての可能性が浮かび上がっている。
関連論文リスト
- LPUF-AuthNet: A Lightweight PUF-Based IoT Authentication via Tandem Neural Networks and Split Learning [2.37507453143459]
IoT(Internet of Things)は2025年までに全世界で75億以上のデバイスを接続する計画だ。
従来の暗号手法は、IoTデバイスの制約に悩まされることが多い。
本稿では、物理的非拘束機能(PUF)を堅牢なセキュリティソリューションとみなす。
提案手法では,タンデムニューラルネットワーク(TNN)とスプリットラーニング(SL)パラダイムを組み合わせた,LPUF-AuthNetと呼ばれる軽量PUF機構を提案する。
論文 参考訳（メタデータ） (2024-10-16T03:25:04Z) - The Impact of SBOM Generators on Vulnerability Assessment in Python: A Comparison and a Novel Approach [56.4040698609393]
Software Bill of Materials (SBOM) は、ソフトウェア構成における透明性と妥当性を高めるツールとして推奨されている。
現在のSBOM生成ツールは、コンポーネントや依存関係を識別する際の不正確さに悩まされることが多い。
提案するPIP-sbomは,その欠点に対処する新しいピップインスパイアされたソリューションである。
論文 参考訳（メタデータ） (2024-09-10T10:12:37Z) - A novel reliability attack of Physical Unclonable Functions [1.9336815376402723]
Physical Unclonable Functions(PUF)は、IoTデバイスのための有望なセキュリティプリミティブとして登場している。
その強みにもかかわらず、PUFは従来のおよび信頼性ベースの攻撃を含む機械学習(ML)攻撃に対して脆弱である。
論文 参考訳（メタデータ） (2024-05-21T18:34:14Z) - RigorLLM: Resilient Guardrails for Large Language Models against Undesired Content [62.685566387625975]
現在の緩和戦略は効果はあるものの、敵の攻撃下では弾力性がない。
本稿では,大規模言語モデルのための弾力性ガードレール(RigorLLM)について紹介する。
論文 参考訳（メタデータ） (2024-03-19T07:25:02Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳（メタデータ） (2024-01-22T14:16:37Z) - Secure Deep Reinforcement Learning for Dynamic Resource Allocation in
Wireless MEC Networks [46.689212344009015]
本稿では,モバイルエッジコンピューティングネットワークにおけるデータ管理とリソース割り当てのためのブロックチェーンセキュアな深層強化学習(BC-DRL)最適化フレームワークを提案する。
我々は、信頼性の高いブロックチェーン対応BSを選択するために、低レイテンシの評判に基づくRPoSコンセンサスプロトコルを設計する。
我々は、BC-DRLフレームワークが、ベンチマークブロックチェーンコンセンサスプロトコルやMECリソース割り当てアルゴリズムよりも高いセキュリティ、信頼性、リソース利用効率を達成することを検証するために、広範なシミュレーション結果と分析を提供する。
論文 参考訳（メタデータ） (2023-12-13T09:39:32Z) - Lightweight Strategy for XOR PUFs as Security Primitives for
Resource-constrained IoT device [0.0]
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。
論文 参考訳（メタデータ） (2022-10-04T17:12:36Z) - 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) - 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) - RoFL: Attestable Robustness for Secure Federated Learning [59.63865074749391]
フェデレートラーニング(Federated Learning)により、多数のクライアントが、プライベートデータを共有することなく、ジョイントモデルをトレーニングできる。
クライアントのアップデートの機密性を保証するため、フェデレートラーニングシステムはセキュアなアグリゲーションを採用している。
悪意のあるクライアントに対する堅牢性を向上させるセキュアなフェデレート学習システムであるRoFLを提案する。
論文 参考訳（メタデータ） (2021-07-07T15:42:49Z) - Federated Learning with Unreliable Clients: Performance Analysis and
Mechanism Design [76.29738151117583]
Federated Learning(FL)は、分散クライアント間で効果的な機械学習モデルをトレーニングするための有望なツールとなっている。
しかし、低品質のモデルは信頼性の低いクライアントによってアグリゲータサーバにアップロードすることができ、劣化やトレーニングの崩壊につながる。
クライアントの信頼できない振る舞いをモデル化し、このようなセキュリティリスクを軽減するための防御メカニズムを提案する。
論文 参考訳（メタデータ） (2021-05-10T08:02:27Z)
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。