[论文解读] High-Rate Error Correction Schemes for SRAM-PUFs based on Polar Codes.
该论文提出了一种基于极化码的SRAM-PUF高码率纠错方案,结合逐次消除与列表译码,并采用基于哈希的验证机制,在15%交叉概率下,使用1024个PUF比特和896个辅助数据比特,实现了失败概率低于10⁻⁹的128位密钥生成。自适应列表译码器通过仅在必要时动态增加列表大小,进一步提升了效率。
Physical unclonable functions (PUFs) can be used to generate cryptographic keys by making use of the intrinsic randomness resulting from manufacturing variations. Error correction codes (ECCs) help to make SRAM-PUFs, which are always effected by noise and environmental changes, suitable for security applications. In this paper, we propose practical error correction schemes for PUF-based secret generation that are based on polar codes. The proposed scheme could generate a 128-bit key using 1024 PUF bits and $896$ helper data bits and achieve a failure probability of 10^{-9} or lower for a practical SRAM-PUFs setting with cross-over probability of 15%. The method is based on successive cancellation in combination with list decoding and hash-based checking, making use of the hash that is already available at the decoder. In addition, an adaptive list decoder for polar codes is investigated. This decoder increases the list size only if needed.
研究动机与目标
- 解决由于噪声和环境变化导致SRAM-PUF中高误码率的问题。
- 设计一种高效、高码率的纠错方案,适用于实际SRAM-PUF密钥生成。
- 在保持极低失败概率(10⁻⁹)的同时,最小化辅助数据开销。
- 在译码器中集成现有哈希函数,以提升验证效率,而无需额外存储。
- 开发一种自适应列表译码机制,仅在需要时提升性能。
提出的方法
- 该方案以极化码作为SRAM-PUF比特串重构的核心纠错机制。
- 将逐次消除译码与列表译码结合,以提升纠错性能。
- 在译码器中采用基于哈希的校验机制,利用系统中已有的哈希函数验证译码输出。
- 自适应列表译码器仅在初始译码失败时增加列表大小,从而优化计算成本。
- 系统设计用于从1024个PUF比特和896个辅助数据比特中生成128位加密密钥。
- 在具有15%交叉概率的实际SRAM-PUF环境下对方法进行了评估。
实验结果
研究问题
- RQ1极化码能否有效应用于SRAM-PUF密钥生成中的高码率纠错?
- RQ2如何在最小化辅助数据开销的同时,将失败概率降低至10⁻⁹或以下?
- RQ3能否复用译码器中的现有哈希函数,以提升验证效率而无需额外存储?
- RQ4在基于极化码的SRAM-PUF系统中,使用自适应列表大小控制的列表译码能带来多大性能提升?
- RQ5与现有SRAM-PUF纠错编码方案相比,所提出的方案在效率和可靠性方面表现如何?
主要发现
- 在实际SRAM-PUF条件下,15%交叉概率下,所提方案的失败概率可控制在10⁻⁹或以下。
- 仅使用1024个PUF比特和896个辅助数据比特,成功生成了128位密钥,展示了高码率效率。
- 基于哈希的校验机制实现了可靠的输出验证,且无需额外存储或计算开销。
- 自适应列表译码器通过仅在必要时增加列表大小,减少了不必要的译码复杂度。
- 逐次消除、列表译码与哈希验证的结合,显著提升了纠错性能,优于传统方法。
- 由于失败率极低、辅助数据极少且译码过程高效,该方案具备实际部署的可行性。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。