論文の概要: Physically Unclonable Functions for Secure IoT Authentication and Hardware-Anchored AI Model Integrity
- arxiv url: http://arxiv.org/abs/2604.21188v1
- Date: Thu, 23 Apr 2026 01:06:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-24 14:40:06.226306
- Title: Physically Unclonable Functions for Secure IoT Authentication and Hardware-Anchored AI Model Integrity
- Title（参考訳）: セキュアなIoT認証とハードウェアアンコールAIモデル統合のための物理的に不可避な機能
- Authors: Maryam Taghi Zadeh, Mohsen Ahmadi,
- Abstract要約: この調査は、AI対応IoTシステムのハードウェアルート信頼メカニズムに関する既存の文献をレビューし、合成する。
TPM、PUF、コンテナ対応のハードウェアルーツの信頼、ソフトウェアのみのセキュリティアプローチなど、代表的な信頼アンカーメカニズムを調べて比較する。
PUFベースのハイブリッド信頼アンカーは、大規模でAI対応のIoTシステムに対して、有望なバランスを提供することを示している。
- 参考スコア（独自算出の注目度）: 1.9795169518658187
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid integration of artificial intelligence (AI) into Internet of Things (IoT) and edge computing systems has intensified the need for robust, hardware-rooted trust mechanisms capable of ensuring device authenticity and AI model integrity under strict resource and security constraints. This survey reviews and synthesizes existing literature on hardware-rooted trust mechanisms for AI-enabled IoT systems. It systematically examines and compares representative trust anchor mechanisms, including Trusted Platform Module (TPM)-based measurement and attestation, silicon and FPGA-based Physical Unclonable Functions (PUFs), hybrid container-aware hardware roots of trust, and software-only security approaches. The analysis highlights how hardware-rooted solutions generally provide stronger protection against physical tampering and device cloning compared to software-only approaches, particularly in adversarial and physically exposed environments, while hybrid designs extend hardware trust into runtime and containerized environments commonly used in modern edge deployments. By evaluating trade-offs among security strength, scalability, cost, and deployment complexity, the study shows that PUF-based and hybrid trust anchors offer a promising balance for large-scale, AI-enabled IoT systems, whereas software-only trust mechanisms remain insufficient in adversarial and physically exposed settings. The presented comparison aims to clarify current design challenges and guide future development of trustworthy AI-enabled IoT platforms.
- Abstract（参考訳）: 人工知能(AI)のIoT(Internet of Things)とエッジコンピューティングシステムへの迅速な統合により、厳格なリソースとセキュリティ制約の下でデバイス認証とAIモデルの整合性を保証する、堅牢でハードウェアに根ざした信頼メカニズムの必要性が高まっている。
この調査は、AI対応IoTシステムのハードウェアルート信頼メカニズムに関する既存の文献をレビューし、合成する。
Trusted Platform Module(TPM)ベースの計測と証明、シリコンとFPGAベースのPhysical Unclonable Functions(PUF)、ハイブリッドコンテナ対応のハードウェアルーツの信頼性、ソフトウェアのみのセキュリティアプローチなど、代表的なトラストアンカーメカニズムを体系的に検討し比較する。
この分析は、ハードウェアを根本とするソリューションが、ソフトウェアのみのアプローチ、特に敵対的および物理的に露出した環境において、物理的な改ざんやデバイスクローンに対するより強力な保護を提供するのに対して、ハイブリッド設計は、ハードウェア信頼を、現代的なエッジデプロイメントで一般的に使用されるランタイムとコンテナ化された環境に拡張する、という点を強調している。
セキュリティの強度、スケーラビリティ、コスト、デプロイメントの複雑さのトレードオフを評価することで、PUFベースのハイブリッド信頼アンカーが、大規模でAI対応のIoTシステムに対して有望なバランスを提供する一方で、ソフトウェアのみの信頼メカニズムは、敵意や物理的に露呈した設定では不十分であることを示している。
提案された比較は、現在の設計課題を明確にし、信頼できるAI対応IoTプラットフォームの今後の開発を導くことを目的としている。
関連論文リスト
- Impact of Intelligent Technologies on IoV Security: Integrating Edge Computing and AI [43.101093203101776]
本稿では、IoVセキュリティフレームワークの強化におけるエッジコンピューティング(EC)、機械学習(ML)、ディープラーニング(DL)の役割について調査する。
これらの技術間の相乗効果を調べ、脅威検出、応答時間、適応セキュリティの強化に対する個々の能力とそれらの集団的影響を強調します。
この論文は、IoVセキュリティのさらなる進歩に向けた重要な研究ギャップと今後の方向性を明らかにし、スケーラブルでプライバシー保護のソリューションの必要性や、新たなサイバー脅威に対する堅牢な防御メカニズムの必要性も挙げている。
論文 参考訳（メタデータ） (2026-04-11T06:25:38Z) - Trust as Monitoring: Evolutionary Dynamics of User Trust and AI Developer Behaviour [59.27481013639016]
我々は、安全と安全でないAIのユーザー信頼戦略と開発者選択が、異なるレベルの監視コストと制度体制の下でどのように共存するかを研究する。
安全でない開発への採用、安全でないが広く採用されているシステム、そして広く採用されている安全なシステムです。
論文 参考訳（メタデータ） (2026-03-25T19:04:23Z) - TAIBOM: Bringing Trustworthiness to AI-Enabled Systems [0.23332469289621785]
透明性とトレーサビリティを高めるために、SBOM(Software Bills of Materials)が重要になっている。
現在のフレームワークは、AIシステムのユニークな特徴を捉えていない。
我々は、SBOMの原則をAIドメインに拡張する新しいフレームワークであるTAIBOM(Trusted AI Bill of Materials)を紹介する。
論文 参考訳（メタデータ） (2025-10-02T16:17:07Z) - Expert-in-the-Loop Systems with Cross-Domain and In-Domain Few-Shot Learning for Software Vulnerability Detection [38.083049237330826]
本研究では,CWE(Common Weaknessions)を用いたPythonコードの識別をシミュレーションすることにより,ソフトウェア脆弱性評価におけるLLM(Large Language Models)の利用について検討する。
その結果,ゼロショットプロンプトは性能が低いが,少数ショットプロンプトは分類性能を著しく向上させることがわかった。
モデル信頼性、解釈可能性、敵の堅牢性といった課題は、将来の研究にとって重要な領域のままである。
論文 参考訳（メタデータ） (2025-06-11T18:43:51Z) - Zero-Trust Foundation Models: A New Paradigm for Secure and Collaborative Artificial Intelligence for Internet of Things [61.43014629640404]
Zero-Trust Foundation Models (ZTFM)は、ゼロトラストセキュリティの原則をIoT(Internet of Things)システムの基盤モデル(FM)のライフサイクルに組み込む。
ZTFMは、分散、異質、潜在的に敵対的なIoT環境にわたって、セキュアでプライバシ保護のAIを可能にする。
論文 参考訳（メタデータ） (2025-05-26T06:44:31Z) - 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) - 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) - 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) - IoT trust and reputation: a survey and taxonomy [2.8998797177279076]
IoTは急速に成長している技術の1つで、2030年末までに10億以上のデバイスが世界中で利用できるようになると推定されている。
これらの接続エンティティの能力を最大化するためには、IoTエンティティ間の信頼と評価が不可欠である。
我々は,信頼管理の方法に基づいた信頼モデルと評価モデルを構築するため,新たな分類体系,すなわち新しい分類体系を提案する。
論文 参考訳（メタデータ） (2023-03-23T16:29:41Z) - Lightweight Collaborative Anomaly Detection for the IoT using Blockchain [40.52854197326305]
モノのインターネット(IoT)デバイスには、攻撃者によって悪用される可能性のある多くの脆弱性がある傾向がある。
異常検出のような教師なしの技術は、これらのデバイスをプラグ・アンド・プロテクトで保護するために使用することができる。
Raspberry Pi48台からなる分散IoTシミュレーションプラットフォームを提案する。
論文 参考訳（メタデータ） (2020-06-18T14:50:08Z)
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。