基于神经网络近似结构的PUF建模复杂度分析方法.pdfVIP

密码学报(中英文)ISSN2097-4116CN10-1900/TNE-mail:jcr@

JournalofCryptologicResearch,2025,12(5):1144–1161

©《密码学报(中英文)》编辑部版权所有.Tel/Fax:+86-10

基于神经网络近似结构的PUF建模复杂度分析方

法

12

刘威,谷大武

1.信息工程大学网络空间安全学院,郑州450002

2.上海交通大学电子信息与电气工程学院,上海200240

通信作者:谷大武,E-mail:dwgu@

摘要:物理不可克隆函数(physicalunclonablefunction,PUF)通过提取制造过程引入的随机性为集

成电路提供内生安全防护.然而,PUF易受到机器学习建模和侧信道攻击的威胁,抗建模成为当前PUF

设计的主要目标之一.传统的PUF抗建模能力评估方法存在无法评估抗侧信道建模能力、评估结果与实

验测试存在差异等问题.为了精确解释评估PUF结构与抗建模攻击能力之间的关系,本文从攻击侧所需

具备的建模能力出发,以通用逼近定理和神经网络计算复杂度理论为基础,提出一种基于神经网络近似结

构的PUF建模复杂度分析方法.按PUF的组成部件和连接关系生成PUF的神经网络近似结构,模拟

PUF响应行为及侧信道模型.通过对神经网络近似结构的计算复杂度指标进行分析,得出PUF的建模训

练复杂度.实验使用提出的方法对XORAPUF、MPUF和iPUF进行建模复杂度分析和验证,结果表明

该方法能够准确反映PUF机器学习建模和侧信道建模的难易程度,与基于经验的评估结果一致.

关键词:物理不可克隆函数;神经网络;近似结构;建模复杂度

中图分类号:TP309.7文献标识码:ADOI:10.13868/ki.jcr.000815

中文引用格式:刘威,谷大武.基于神经网络近似结构的PUF建模复杂度分析方法[J].密码学报(中英文),2025,

12(5):1144–1161.[DOI:10.13868/ki.jcr.000815]

英文引用格式:LIUW,GUDW.ModelingcomplexityanalysismethodforPUFsbasedonneural

networkapproximationstructure[J].JournalofCryptologicResearch,2025,12(5):1144–1161.[DOI:

10.13868/ki.jcr.000815]

ModelingComplexityAnalysisMethodforPUFsBasedonNeural

NetworkApproximationStructure

12

LIUWei,GUDa-Wu

1.SchoolofCyberspaceSecurity,InformationEngineeringUniversity,Zhengzhou450002,China

2.SchoolofElectronicInformationandElectricalEngineering,ShanghaiJiaoTongUniversity,Shanghai

200240,China

Correspondingauthor:GUDa-Wu,E-mail:dwgu@

Abstract:Physicalunclonablefunctions(PUFs)exploittheinherentrandomnessintroducedduring

themanufacturingprocesstoprovideintrinsicsecurityforintegratedcircuits.Nevertheless,PUFs

基金项目:上海市科技行动计划(2251