文献

J-GLOBAL ID：201802280536201190   整理番号：18A1908654

機械学習攻撃耐性2段階物理的非クローン化機能設計【JST・京大機械翻訳】

A Machine Learning Attacks Resistant Two Stage Physical Unclonable Functions Design

著者 (3件)： Su Haibo (Electronics and Computer Science, University of Southampton, Southampton, UK) ,  Zwolinski Mark (Electronics and Computer Science, University of Southampton, Southampton, UK) ,  Halak Basel (Electronics and Computer Science, University of Southampton, Southampton, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IVSW  ページ： 52-55  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： 物理的統一機能(PUFs)は,特に軽量エレクトロニクスに対して,同定,デバイスの認証,キー生成などの多くのセキュリティ応用のために設計されている。ハッシュ関数のようなセキュリティを強化する従来のアプローチは,高価で資源依存性がある可能性がある。しかし,機械学習(ML)を用いたモデリング攻撃はほとんどのPUFの脆弱性を示す。本論文では,65nm CMOS技術における32ビット電流ミラーと16ビットアービタPUFの組合せを提案し,モデリング攻撃に対する回復力を改善した。両方のPUFは機械学習攻撃に対して脆弱であり,出力予測率をそれぞれ99.2%と98.8%から60%まで低減した。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： ハッシュ関数 ,  モデリング ,  CMOS ,  電子技術 ,  セキュリティ ,  *クローン ,  電流源等価回路 ,  *機械学習
準シソーラス用語： 出力予測 ,  脆弱性 ,  鍵生成 ,  軽量 ,  機能設計 ,  *侵入耐性 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  攻撃耐性 ,  段階 ,  物理 ,  機能設計