論文の概要: Fast and Robust Speckle Pattern Authentication by Scale Invariant Feature Transform algorithm in Physical Unclonable Functions
- arxiv url: http://arxiv.org/abs/2504.21041v1
- Date: Mon, 28 Apr 2025 11:36:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-10 00:09:45.382647
- Title: Fast and Robust Speckle Pattern Authentication by Scale Invariant Feature Transform algorithm in Physical Unclonable Functions
- Title（参考訳）: スケール不変特徴変換アルゴリズムによる高速かつロバストなスペックルパターン認証
- Authors: Giuseppe Emanuele Lio, Mauro Daniel Luigi Bruno, Francesco Riboli, Sara Nocentini, Antonio Ferraro,
- Abstract要約: 本稿では,スケール不変特徴変換(SIFT)アルゴリズムを利用する,メートル法に依存しない認証手法を提案する。
認証プロセスは、応答回転、ズーム、トリミングの存在下でも信頼性が高い。
この研究はPUFの実用的高セキュリティ認証や商品反偽造に対する適用性と信頼性を拡大する。
- 参考スコア（独自算出の注目度）: 1.0319299382223166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, due to the growing phenomenon of forgery in many fields, the interest in developing new anti-counterfeiting device and cryptography keys, based on the Physical Unclonable Functions (PUFs) paradigm, is widely increased. PUFs are physical hardware with an intrinsic, irreproducible disorder that allows for on-demand cryptographic key extraction. Among them, optical PUF are characterized by a large number of degrees of freedom resulting in higher security and higher sensitivity to environmental conditions. While these promising features led to the growth of advanced fabrication strategies and materials for new PUF devices, their combination with robust recognition algorithm remains largely unexplored. In this work, we present a metric-independent authentication approach that leverages the Scale Invariant Feature Transform (SIFT) algorithm to extract unique and invariant features from the speckle patterns generated by optical Physical Unclonable Functions (PUFs). The application of SIFT to the challenge response pairs (CRPs) protocol allows us to correctly authenticate a client while denying any other fraudulent access. In this way, the authentication process is highly reliable even in presence of response rotation, zooming, and cropping that may occur in consecutive PUF interrogations and to which other postprocessing algorithm are highly sensitive. This characteristics together with the speed of the method (tens of microseconds for each operation) broaden the applicability and reliability of PUF to practical high-security authentication or merchandise anti-counterfeiting.
- Abstract（参考訳）: 近年,多くの分野における偽造現象の増大に伴い,Physical Unclonable Functions(PUF)パラダイムに基づく新しい偽造防止装置や暗号鍵の開発への関心が高まっている。
PUFは、オンデマンド暗号鍵抽出を可能にする、本質的で再現不可能な障害を持つ物理ハードウェアである。
このうち、光学PUFは、高い安全性と環境条件に対する高い感度をもたらす多くの自由度によって特徴づけられる。
これらの有望な特徴は、新しいPUFデバイスのための先進的な製造戦略や材料の成長につながったが、堅牢な認識アルゴリズムとの組み合わせはいまだに探索されていない。
そこで本研究では,光学的不規則関数(PUF)によって生成されるスペックルパターンから,スケール不変特徴変換(SIFT)アルゴリズムを用いて,ユニークな特徴と不変特徴を抽出する,計量非依存的な認証手法を提案する。
チャレンジレスポンスペア(CRP)プロトコルへのSIFTの適用により、他の不正アクセスを否定しながら、クライアントを正しく認証することができる。
このようにして、この認証プロセスは、連続するPUF尋問や、他の後処理アルゴリズムが高感度であるような、応答回転、ズーム、トリミングが存在する場合でも、信頼性が高い。
この特性と手法の速度(各操作にマイクロ秒の間隔)が相まってPUFの実用的高セキュリティ認証や商品反偽造への適用性や信頼性が向上する。
関連論文リスト
- Theoretical Insights in Model Inversion Robustness and Conditional Entropy Maximization for Collaborative Inference Systems [89.35169042718739]
協調推論により、クラウドサーバに機密データを公開することなく、エンドユーザは強力なディープラーニングモデルを活用することができる。
近年の研究では、これらの中間機能は、情報が漏洩し、生データをモデル反転攻撃(MIA)によって再構築できるため、プライバシーを十分に保持できないことが判明している。
この研究はまず、与えられた中間特徴の入力の条件エントロピーが、任意のMIAの下での再構成平均二乗誤差(MSE)の保証された下界を与えることを理論的に証明する。
そして、ガウス混合推定に基づいて、この条件付きエントロピーを有界化するための微分可能かつ可解な尺度を導出し、逆ロバスト性を高める条件付きエントロピーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-03-01T07:15:21Z) - Spectral Entanglement Fingerprinting: A Novel Framework for Ransomware Detection Using Cross-Frequency Anomalous Waveform Signatures [0.0]
悪意のある暗号化技術は進化を続け、従来の検出メカニズムをバイパスしている。
スペクトル分析は、システムのアクティビティデータを周波数領域に変換する別のアプローチを示す。
提案したスペクトルエンタングルメントフィンガープリント(SEF)フレームワークは、パワースペクトル密度、コヒーレンス関数、エントロピーに基づくメトリクスを利用して隠れパターンを抽出する。
論文 参考訳（メタデータ） (2025-02-03T11:46:41Z) - PhenoAuth: A Novel PUF-Phenotype-based Authentication Protocol for IoT Devices [9.608432807038083]
本研究は,PUF Phenotype の概念に基づく完全耐雑音認証プロトコルを提案する。
デバイス間通信に適した設定で、相互認証とフォワードの秘密性を示す。
論文 参考訳（メタデータ） (2024-03-06T06:04:32Z) - Privacy-preserving Federated Primal-dual Learning for Non-convex and Non-smooth Problems with Model Sparsification [51.04894019092156]
FL(Federated Learning)は,FLオーケストレーション(PS)の下でクライアント上でモデルをトレーニングする,急速に成長する領域として認識されている。
本稿では,非滑らかなFL問題に対して,新しい一次分離アルゴリズムを提案し,保証する。
その独特な洞察力のある性質とその分析も提示される。
論文 参考訳（メタデータ） (2023-10-30T14:15:47Z) - State Sequences Prediction via Fourier Transform for Representation
Learning [111.82376793413746]
本研究では,表現表現を効率よく学習する新しい方法である,フーリエ変換(SPF)による状態列予測を提案する。
本研究では,状態系列における構造情報の存在を理論的に解析する。
実験により,提案手法はサンプル効率と性能の両面で,最先端のアルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-10-24T14:47:02Z) - 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) - Quality of Service Guarantees for Physical Unclonable Functions [90.99207266853986]
ノイズの多い物理的非拘束関数(PUF)出力は、信頼性、セキュア、および秘密鍵合意を促進する。
PUF出力の比率を制御し、対象の信頼性レベルを保証できるサービスパラメータの品質を導入する。
論文 参考訳（メタデータ） (2021-07-12T18:26:08Z) - Anomaly Detection Based on Selection and Weighting in Latent Space [73.01328671569759]
SWADと呼ばれる新しい選択および重み付けに基づく異常検出フレームワークを提案する。
ベンチマークと実世界のデータセットによる実験は、SWADの有効性と優位性を示している。
論文 参考訳（メタデータ） (2021-03-08T10:56:38Z) - Efficient Construction of Quantum Physical Unclonable Functions with
Unitary t-designs [1.7403133838762446]
本研究では,QPUF_tの雑音に対する耐雑音性について検討した。
雑音耐性をより現実的で有意義なものにするために,誤差緩和や補正という概念を導入する必要があると結論づける。
論文 参考訳（メタデータ） (2021-01-14T16:14:03Z) - Secret Key Agreement with Physical Unclonable Functions: An Optimality
Summary [29.438154152702758]
物理的非拘束機能(PUF)は、デジタルデバイスにおけるローカルセキュリティのための有望なソリューションである。
情報理論解析を容易にするために,低複雑さ信号処理法について議論する。
ベクトル量子化器と誤り訂正符号パラメータを共同で設計する最適符号構成を提案する。
論文 参考訳（メタデータ） (2020-12-16T13:21:20Z) - iffDetector: Inference-aware Feature Filtering for Object Detection [70.8678270164057]
Inference-aware Feature Filtering (IFF)モジュールを導入し、現代の検出器と簡単に組み合わせることができる。
IFFは、畳み込み機能を強化するためにハイレベルなセマンティクスを活用することでクローズドループ最適化を行う。
IFFはCNNベースの物体検出器とプラグアンドプレイ方式で融合でき、計算コストのオーバーヘッドは無視できる。
論文 参考訳（メタデータ） (2020-06-23T02:57:29Z)
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。