秘密分散法をベースとした機械学習攻撃耐性のあるPUFIDの生成手法

摘要

近年，電子部品の模造品被害が深刻化しており，その対策として半導体製造時のばらつきを固有のIDとして利用するPhysical Unclonable Function（PUF）が注目されている．PUFは，回路パターンを全てコピーされた場合でも，その真贋判定を行うことができる．しかし，従来のPUPはモデル化による機械学習攻撃に対する脆弱性が指摘されている．そこで本研究では機械学習攻撃に耐性のあるPUFのIDの生成手法を提案する．提案手法は，秘密分散法をベースとすることでPUFのモデルとPUFのIDとの相関を無くす．シミュレーションを用いた評価実験において，従来手法に対するSVMによる機械学習攻撃では，学習数256で99%以上のPUFのIDの予測に成功した．一方で，提案手法に対する機械学習攻撃では，4，800個の学習データを用いたとしても，PUPのIDの予測率は1%以下となり，提案手法は機械学習攻撃に対して，高い耐性があることを明らかにした．