一种基于深度神经网络的多阶段PUF抗建模能力评估方法

摘要：

针对现有评估方法均无法全面评估物理不可克隆函数(PUF)抗建模能力的问题,定义PUF面临的3级建模威胁模型,分别阐明3类攻击的目的、对手的知识能力、攻击策略和攻击模式.基于此,设计一种基于深度神经网络的PUF抗建模能力评估方法,使用前馈神经网络建模攻击和侧信道建模攻击作为评估工具,分3个阶段依次评估目标PUF抵御机器学习建模攻击、可靠性侧信道攻击和功耗/电磁侧信道攻击的能力,解决传统方法无法评估PUF抗侧信道建模能力的问题.评估结果表明,被测PUF中仅有少部分拥有抗机器学习建模和抗可靠性建模能力,但均不具备抗功耗侧信道建模能力.

关键词：深度神经网络、物理不可克隆函数、抗建模、侧信道、评估

所属期刊栏目：25

分类号：TP309.1(计算技术、计算机技术)

资助基金：河南省重点研发项目221111210300

在线出版日期：2024-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：447-452