智能家居物联网远程医疗环境中的SRAM物理不可克隆函数
1. 模糊提取器
在服务器端,模糊提取器利用预期响应 $w$ 生成密钥 $K$ 和辅助数据 $w$,如相关图左侧所示。辅助数据 $r$ 可公开,而不会泄露密钥。在图的右侧,带有物理不可克隆函数(PUF)的物联网设备作为客户端,在接收到挑战 $c$ 和辅助数据 $P$ 后,生成有噪声的响应 $r’$。只要 $r$ 和 $r’$ 之间的汉明距离小于某个阈值,模糊提取器就会使用校正后的响应 $r$ 和辅助数据 $w$ 生成密钥 $K$。
值得注意的是,每次发出新的挑战 $c$ 时,密钥都会发生变化。我们可以利用这一特性生成一个随机数,它可以是 $K$ 或者 $K$ 的哈希值,以增加其熵值。这有助于构建一个在系统实体(移动设备 $M$、服务器 $S$ 和物联网边缘设备 $D$)之间共享的密钥。
密钥再生过程可以用以下方程表示:
$$(K_d, N_d) = key_regen(c, w)$$
其中,$K_d$ 是密钥,$N_d$ 是随机密钥。
模糊提取器的一些实现是在FPGA平台上完成的,也有一些是在微控制器上实现的。也有人提出了一种基于SRAM的PUF密钥生成器,它利用射频能量收集技术在微控制器上工作。
2. 卷积编码和维特比解码SRAM字
由于CMOS动态噪声,PUF响应本质上是有噪声的。因此,需要有一种方法来去除响应中的噪声,这就是安全草图的任务,它源自前向纠错编码(FEC)理论。相关图中的辅助数据 $w$ 用于去除动态噪声。然而,系统设计者必须确保 $w$ 不会泄露设备响应的任何信息,因为 $w$ 将通过不安全的通道传输。此外,安全草图的纠错
超级会员免费看
订阅专栏 解锁全文
37

被折叠的 条评论
为什么被折叠?



