文献

J-GLOBAL ID：201802225835986202   整理番号：18A1148764

ハードウェア埋め込み遅延PUFの遅延モデルと機械学習探索【JST・京大機械翻訳】

Delay model and machine learning exploration of a hardware-embedded delay PUF

著者 (4件)： Che Wenjie (Enthentica) ,  Martinez-Ramon Manel (University of New Mexico) ,  Saqib Fareena (University of North Carolina) ,  Plusquellic Jim (University of New Mexico)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： HOST  ページ： 153-158  発行年： 2018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： 強いPUFと呼ばれる特別なクラスの物理的に統一可能な関数(PUF)は,指数関数的に大規模な応答対(CRP)空間を持つと特性化される。しかし,機械学習アルゴリズムによるモデル構築攻撃は,最も強いPUFのCRP空間が,訓練サンプルの比較的小さな部分集合を用いて予測できることを示した。本論文では,ハードウェア埋め込み遅延PUF(HELP)の遅延モデルを検討し,モデル構築攻撃に対するそのレジリエンスを決定するために機械学習アルゴリズムを適用した。HELPに対する遅延モデルは,特に応答ビットを生成するためにテストされる経路の構成に関して,Arbiter PUFのような他の遅延ベースのPUFと比較して,著しい違いを有する。HELPアルゴリズム内で実行された遅延後処理操作の集合と組み合わせた遅延モデルの複雑さは,モデル構築攻撃の有効性を大幅に低減することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  キャラクタリゼーション ,  レジリエンス ,  モデリング ,  *ハードウェア ,  学習アルゴリズム ,  *機械学習 ,  後処理 ,  指数関数 ,  部分集合
準シソーラス用語： モデルの複雑さ , 【Automatic Indexing@JST】

分類 (4件)： 計算機網  (JC03000K) ,  光通信方式・機器  (ND10000B) ,  半導体集積回路  (NC03162T) ,  符号理論  (ND02030R)

タイトルに関連する用語 (6件)： ハードウェア ,  埋め込み ,  遅延 ,  モデル ,  機械学習 ,  探索