【摘 要】
:
近年来,针对硬件安全的研究已经逐渐从基于密钥的加密算法转向硬件固有的信任根。物理不可克隆函数因为其轻量级,低功耗,快速响应和低测试成本的优点,成为了一种新兴的安全原语。物理不可克隆函数的出现使得曾对电路性能有着负面影响的纳米级工艺误差现在却可以用来为每块芯片产生唯一的安全身份码。此外,物理不可克隆函数的防篡改特性以及其支持的询问机制不需要永久存储的密钥(或明确定义的算法)便可以安全识别设备的能力使
论文部分内容阅读
近年来,针对硬件安全的研究已经逐渐从基于密钥的加密算法转向硬件固有的信任根。物理不可克隆函数因为其轻量级,低功耗,快速响应和低测试成本的优点,成为了一种新兴的安全原语。物理不可克隆函数的出现使得曾对电路性能有着负面影响的纳米级工艺误差现在却可以用来为每块芯片产生唯一的安全身份码。此外,物理不可克隆函数的防篡改特性以及其支持的询问机制不需要永久存储的密钥(或明确定义的算法)便可以安全识别设备的能力使其降低了许多强大的硬件攻击手段所带来的风险,例如针对智能卡和安全令牌的逆向工程,探针探测和故障注入等攻击。然而,工作环境的不确定性使得物理不可克隆函数电路在实际部署时不可避免的会发生错误。因此,创新性的电路结构,纠错机制以及在各种安全协议中的应用方法是物理不可克隆函数这一领域中几种主流的研究方向。本课题的研究内容主要包括了创新的电路结构和纠错机制两个方向。在电路创新方面,本课题提出了一种基于交叉耦合结构的高可靠性物理不可克隆函数电路。交叉耦合结构内部晶体管之间的模拟信号会因为工艺误差产生失配,并且这种失配会因为正反馈机制被迅速放大,以防止被噪声淹没导致误码。最终失配的模拟信号会被放大成数字输出以实现工艺误差到数字响应的转变。同时,工艺误差也会导致本课题所设计的双晶体管型亚阈值电压基准源结构的输出电压存在差异。为了将这些差异数字化以实现物理不可克隆函数,定制化设计的扼流比较器和大量拥有相同版图设计的双管型电压基准源一起构成了另一种高可靠性的物理不可克隆函数结构--基于电压基准源的物理不可克隆函数电路。此外,在纠错机制的研究上,分别适用于两种物理不可克隆函数结构的纠错机制可以进一步提高其可靠性。值得一提的是以上设计均通过了UMC65nm CMOS工艺所制造的芯片实测结果以及大量仿真结果的验证。
其他文献
度量学习是文本分类算法的主要研究问题之一。通过学习一个距离度量函数,将样本间距离转化为相似度,对原始数据分布进行重构,将原始数据映射到一个容易划分的拓扑空间。使两个具有同样标签的样本在新的编码空间内距离更近,两个具有不同标签的样本在新的编码空间内距离更远,从而具有更优的分类性能。近年来,不同学者结合深度学习方法的研究发现深度度量学习网络的性能显著优于传统度量学习方法,其核心是构造用于度量学习的深度
在近期生成式对抗网络的研究中,基于生成式对抗网络的人脸图像翻译领域工作取得了令人印象深刻的进步。现有的方法通常是使用判别器与生成器进行对抗来生成更逼真的图片,再辅以一个分类器约束来促进不同域之间的图像翻译从而达到最终的目的。但是他们忽略了一个非常重要的问题——域分布的匹配问题,即生成图像的分布与真实图像的分布并不相同。为了解决这个问题,本文提出了一种开关式生成对抗网络,这个网络具有一个更适合于多域
社交网络平台是近十年来互联网用户最广泛应用的大型信息系统,已经成为海量用户交流与资讯获取的重要渠道。其中,大众社交网络平台(微博、领英、QQ等)很少从研究领域或研究兴趣的角度组织用户和传播信息,因此又逐渐衍生出专为科研人员提供专业学术资讯的科研社交网络平台。这些平台通过提供用户搜索服务帮助科研工作者寻找合作伙伴,并借助推荐系统解决信息过载和需求不明的问题。目前,科研合作者推荐领域重点关注特征的选择
颜色是数据可视化中最重要的视觉通道之一。为不同的可视化任务设计适当的配色,既能促进数据隐藏模式的发现,也可以带来视觉美感。特别是在类别型数据的可视化展示中,合适的配色能美观且清晰地传达每个数据类别之间的关系,用户可以根据颜色快速感知到类别信息。但即便对于专业设计师来说,为给定的类别型数据设计合适的颜色映射也是比较困难的。用户往往使用可视化设计软件提供的配色模板,或ColorBrewer等软件建议的
中文分词问题的研究能够为其他中文处理问题提供更准确的特征。诸如:文本分类,信息检索,问答系统,机器翻译,机器阅读等研究问题都非常依赖中文分词。在应用方面,搜索引擎,舆情分析,翻译系统,智能问答系统等,也需要更好的中文分词来达到更好的效果。而且,随着中文文本数据的急剧增长,这些应用都面临着更多的挑战。在中文文本的特征工程中,中文的词是非常重要的特征之一,虽然中文字符也可以作为特征,但是相对而言语言中
随着物联网技术的不断发展,越来越多不同类型的传感器被运用到最新的电子产品中。电阻式传感器因其应用场景众多(如:温度、湿度、压力等物理量的感测)而备受业界关注。而作为连通自然界模拟量与计算机数据处理所用的数字量之间的桥梁,读出芯片(Readout IC,ROIC)向来是传感系统中不可或缺的一环。Sigma-Delta型模数转换器(Analog to Digital Converter,ADC)凭借过
子空间学习是图像特征提取的基本方法之一。子空间学习方法力图保持原始数据的某种结构信息或鉴别信息的同时将高维数据投影到低维子空间上,从而达到降维和获取最优鉴别特征信息的目的。然而,大部分子空间学习方法对噪声、野点和其它干扰等较为敏感,使得他们在实际应用环境中缺乏鲁棒性。近年来很多研究致力于提高子空间算法的鲁棒性,但它们在应用到图像特征提取与识别任务仍存在一些系列的问题。现有子空间学习方法存在的问题可
随着互联网的蓬勃发展,数据规模越来越大,数据的检索时间也急剧增加。近似最近邻检索旨在根据数据的相似性,从海量数据中,快速检索出与目标最相似的数据。哈希学习技术是提高最近邻检索速度的主要方法之一,其具有占用空间小、检索速度快等优点,近年来得到研究者的广泛关注。传统的哈希学习方法大多是对称的,即学习到的二值码都是来源于同一个哈希函数。随着相关研究的深入,有学者发现,非对称哈希学习方法的性能要优于传统的
电压基准源是模拟集成电路中的一个重要的单元,广泛应用于模数转换器、数模转换器、动态存储器等集成电路中。传统的带隙基准电压源结构由于工作电压高,静态功耗过大且引入了电阻造成了面积过大等问题;能源问题和芯片散热对工作性能的影响驱使着芯片设计往低功耗方向进行;于是低功耗的趋势使得基准源电路的设计转向研究CMOS电压基准源电路。但随着集成电路技术的不断发展,CMOS管的沟道长度越来越短,在集成电路制造过程
物理不可克隆函数电路(physical unclonable function,PUF)是近年来伴随物联网兴起而蓬勃发展的新兴硬件安全技术。PUF具有的无需存储、防篡改能力、随机性、低成本、低功耗、小体积等优势,使其在物联网硬件信息安全领域具有广泛的应用前景。但物联网硬件设备往往工作在复杂的环境中并且对成本和能源有要求,这些限制因素都对PUF技术的应用形成诸多阻碍。因此,在确保PUF电路仍然能够具