文献

J-GLOBAL ID：202002234672651822   整理番号：20A2694135

電磁気的エマネーションを用いた機械学習ベースのハードウェアTrojan検出【JST・京大機械翻訳】

Machine Learning Based Hardware Trojan Detection Using Electromagnetic Emanation

著者 (8件)： Takahashi Junko (NTT Secure Platform Laboratories, Tokyo, Japan) ,  Okabe Keiichi (NTT Secure Platform Laboratories, Tokyo, Japan) ,  Itoh Hiroki (NTT Secure Platform Laboratories, Tokyo, Japan) ,  Ngo Xuan-Thuy (Secure-IC, Cesson-Sevigne, France) ,  Guilley Sylvain (Secure-IC, Cesson-Sevigne, France) ,  Shrivastwa Ritu-Ranjan (Secure-IC, Cesson-Sevigne, France) ,  Ahmed Mushir (Secure-IC, Cesson-Sevigne, France) ,  Lejoly Patrick (Secure-IC, Cesson-Sevigne, France)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12282  ページ： 3-19  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 現代のシステムオンチップ(SoC)の複雑性とアウトソーシング傾向は,SoCセキュリティのための実際の脅威であるハードウェアトロイーン(HT)を作った。最先端では,HT挿入を検出するために多くの技術が提案されている。サイドチャネルベースの方法は,HT検出に用いる良好なアプローチとして現れる。それらは,真の設計におけるHT挿入/修正によって引き起こされる電力消費,電磁(EM)エマネーション,遅延伝搬などにおけるいかなる違いも抽出できる。したがって,それらが活性化されない場合でも,HTの検出に適用できる。しかし,これらの方法をAESコプロセッサのような過度に単純な設計プロトタイプで評価した。さらに,これらの方法に用いる解析的手法は,EMトレースまたはT検定係数の直接比較のような統計的メトリックスによって制限される。本論文では,マシン学習アルゴリズムに基づく2つの新しい検出手法を提案した。第1の方法は,HTの分類と検出のために生EMトレースに教師つき機械学習(ML)アルゴリズムを適用することから成る。それは90%に近い検出率と5%未満の偽陰性を提供する。第2の方法では,異常値/Noveltyアルゴリズムに基づく方法を提案した。T検定ベースの信号処理技術と組み合わせたこの方法は,最先端技術と比較して,100%に近い検出率と1%未満の偽陽性でより良い性能を提供する。複雑なターゲット設計:RISC-Vジェネリックプロセッサに対する本手法の性能を評価した。RISC-Vプロセッサの0.53%,0.27%および0.1%の対応するサイズを有する3つのHTsを,実験のために挿入した。実験結果は,挿入されたHTsが,著者らの新しい方法を用いて検出できることを示した。Copyright Springer Nature Switzerland AG 2020 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 ,  電力消費 ,  信号処理 ,  *ハードウェア ,  演算プロセッサ ,  異常値 ,  *電磁気 ,  コプロセッサ ,  RISCマシン ,  セキュリティ ,  *機械学習 ,  学習アルゴリズム ,  アウトソーシング
準シソーラス用語： システムオンチップ ,  メトリックス , 【Automatic Indexing@JST】

著者キーワード (5件)： ハードウェアトロイ ,  電磁 ,  サイドチャネル解析 ,  機械学習 ,  異常値検出

分類 (1件)： データ保護  (JD01020V)

タイトルに関連する用語 (3件)： 電磁気 ,  機械学習 ,  ハードウェア