文献

J-GLOBAL ID：201702218177465281   整理番号：17A1569883

機械学習によるPUF信頼性の向上【Powered by NICT】

Enhancing PUF reliability by machine learning

著者 (2件)： Wen Yuejiang (Department of Electrical and Computer Engineering, Clemson University, Clemson, SC 29634) ,  Lao Yingjie (Department of Electrical and Computer Engineering, Clemson University, Clemson, SC 29634)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISCAS  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 物理的複製不可能関数(PUF)デバイス認証と鍵生成のための有望なセキュリティプリミティブである。本論文では,ノイズのある条件下でPUFの信頼性を改善するための2段法を提案した。第一段階は,機械学習アルゴリズムを用いたPUFモデルのパラメータを含んでいる。第二段階は,これらの得られたパラメータは認証のためのチャレンジレスポンスペア(CRP)を選択する選択的にPUFの信頼性を改善するために利用した。マルチプレクサ(MUX)PUFの信頼性を改善するための二つの異なるアルゴリズム,すなわち,全遅延差分しきい値処理と高感度ヒットグルーピングを示した。も方法論は他のタイプのPUFのに容易に適用できることに注意することが重要である。著者らの実験結果は,PUFベース認証の信頼性は,提案した手法によって著しく改善できることを示した。例えば,1つの実験設定において,MUX PUFの信頼性は89.75%~94.07%にusmg全遅延差分しきい値から改善されるが,生成された課題の89.30%が保存される。全遅延差分しきい値処理とは対照的に,高感度ビットグループ化はより高い効率を有し,それは直接信頼できるCRPを生産できる。著者らの実験結果は,信頼性は同じセッティング,128段階MUX PUFの挑戦ベクトルにおける12ビットグループとき96.91%に改善できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 複製 ,  学習アルゴリズム ,  高感度 ,  認証 ,  多重装置 ,  *機械学習 ,  ベクトル ,  アルゴリズム ,  *信頼性 ,  雑音
準シソーラス用語： 閾値処理 ,  鍵生成 , 【Automatic Indexing@JST】

分類 (2件)： 符号理論  (ND02030R) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 機械学習