[論文レビュー] Exploiting PUF Models for Error Free Response Generation

Yansong Gao, Hua Ma+6 more|arXiv (Cornell University)|Jan 28, 2017

Physical Unclonable Functions (PUFs) and Hardware Security参考文献 20被引用数 3

ひとこと要約

この論文は、オンチップの誤り訂正やヘルパー・データを用いずに、10,000個のノーマル条件下でのCRPを用いて学習した統計的遅延モデルを用いるモデル駆動型手法を提案する。この手法により、±20%の電圧変動および40°Cの温度変動下でも信頼性の高い応答を生成するチャレンジを選別し、8つの実際のAPUFでΔt = 1.7の条件下で0%のBERを達成した。これは、生のBERが16.68%に達する状況でも成立する。

ABSTRACT

Physical unclonable functions (PUF) extract secrets from randomness inherent in manufacturing processes. PUFs are utilized for basic cryptographic tasks such as authentication and key generation, and more recently, to realize key exchange and bit commitment requiring a large number of error free responses from a strong PUF. We propose an approach to eliminate the need to implement expensive on-chip error correction logic implementation and the associated helper data storage to reconcile naturally noisy PUF responses. In particular, we exploit a statistical model of an Arbiter PUF (APUF) constructed under the nominal operating condition during the challenge response enrollment phase by a trusted party to judiciously select challenges that yield error-free responses even across a wide operating conditions, specifically, a $ \pm 20\% $ supply voltage variation and a $ 40^{\crc} $ temperature variation. We validate our approach using measurements from two APUF datasets. Experimental results indicate that large number of error-free responses can be generated on demand under worst-case when PUF response error rate is up to 16.68\%.

研究の動機と目的

• キーレスやビット・コミットメントなどの高度な暗号プロトコルに必要な大量の誤りのないPUF応答を生成する課題に対処すること。
• 高スループットなキーレース生成においてコストが高く、漏洩の懸念があるオンチップの誤り訂正論理およびヘルパー・データの保存を不要にする。
• 網羅的CRP特徴化の制限を克服し、強力なPUFベースのシステムにおけるオーバーヘッドを低減すること。
• 登録段階で構築された軽量な統計モデルを用いて、オンデマンドで信頼性の高い応答生成を可能にすること。
• 選別された応答が十分なランダムネスを保ち、0または1に偏っていないことを保証すること。

提案手法

• ノーマル動作条件下で収集した10,000個のチャレンジ・レスポンス対を用いて、APUFの統計的遅延モデルを構築する。
• 測定されたプロセス変動データと統計的フィッティングを用いて、APUF内の各マルチプレクサ段階の伝搬遅延をモデル化する。
• 競合パス間の最小タイミングマージンとして、プロセスおよび環境変動下でも誤りのない応答を保証するための信頼性の閾値Δtを定義する。
• 事前に構築したモデルを用いて実行時における応答の信頼性をシミュレートし、Δt ≥ 1.7であるものを選別することで、誤りのない出力を保証する。
• 変動する供給電圧および温度下での実際のAPUFデータセットを用いて、モデルの予測精度を検証する。
• 選別された応答が50%に近いビットランダムネスを維持することを確認し、暗号的有用性を裏付ける。

実験結果

リサーチクエスチョン

• RQ1 オンチップの誤り訂正を用いずに、広範な動作条件下で誤りのない応答を予測可能な統計的PUFモデルを構築できるか？
• RQ2 実際のAPUFにおいて、±20%の電圧変動および40°Cの温度変動下で0%のBERを保証するために必要な最小タイミングマージン（Δt）は何か？
• RQ3 モデルに基づくチャレンジのフィルタリングが応答のランダムネスにバイアスを生じさせ、暗号的セキュリティを損なうおそれがあるか？
• RQ4 この手法により、オンデマンドで何個の誤りのない応答を生成でき、CRPの損失率はどの程度か？
• RQ5 この手法は、追加のハードウェアオーバーヘッドなしに、FPGA上に実装された実際のAPUFに適用可能か？

主な発見

• 提案手法は、Δt ≥ 1.7の条件下で、全8つのテスト済みAPUFにおいて0%のビット誤り率（BER）を達成した。これは、最悪の±20%電圧変動および40°Cの温度変動下でも成立する。
• 8つのAPUFにおける最大の生のBERは、デフォルト条件で16.68%であったが、モデル駆動のチャレンジ選別により誤りのない応答が可能となった。
• 全8つのAPUFにおいて1%を超えるチャレンジが誤りのない基準（Δt ≥ 1.7）を満たしており、利用可能で信頼性の高い応答の大量プールを示している。
• 全Δt設定において応答のランダムネスが50%に近く維持されたため、フィルタリングプロセスがバイアスを生じさせず、エントロピーを低下させないことが確認された。
• 実APUFデータでは92.41%のモデル予測精度を達成したが、合成モデルに比べてわずかに低く、これはノーマルBERの上昇およびFPGAのPDL非線形性に起因する。
• PUFデバイスに面積的・電力的オーバーヘッドが一切かからない。すべての計算処理は信頼できるサーバー上でオフチップで実行される。