Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction to Machine Learning for Hardware Security Kapitel lesen Erstes Kapitel lesen

2023 | OriginalPaper | Buchkapitel

6. Combinational Logic-Based Implementation of PUF

verfasst von : Pranesh Santikellur, Rajat Subhra Chakraborty

Erschienen in: Deep Learning for Computational Problems in Hardware Security

Verlag: Springer Nature Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In the earlier chapters, we have noted that a standalone arbiter PUF is vulnerable to machine learning (ML) attacks; however, multiple instances of arbiter PUF can be combined to create more robust PUF variants.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Improved Modeling Attack on PUFs based on Tensor Regression Network
Nächstes Kapitel Conclusion
Literatur
1.
Choi, A., Shi, W., Shih, A., & Darwiche, A. (2019). Compiling neural networks into tractable boolean circuits. In AAAI Spring Symposium on Verification of Neural Networks (VNN).
2.
Gao, Y., Ma, H., Al-Sarawi, S. F., Abbott, D., & Ranasinghe, D. C. (2018). PUF-FSM: A controlled strong PUF. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 37(5), 1104–1108.
3.
Hubara, I., Courbariaux, et al. (2016). Binarized neural networks. In Advances in Neural Information Processing Systems (pp. 4107–4115).
4.
Majzoobi, M. (2012). Slender PUF protocol: A lightweight, robust, and secure authentication by substring matching. In IEEE Symposium on Security and Privacy Workshops (pp. 33–44).
5.
6.
Ghasemzadeh, M., Samragh, M., & Koushanfar, F. (2018). ReBNet: Residual binarized neural network. In IEEE 26th Annual International Symposium on Field-Programmable Custom Computing Machines (FCCM) (pp. 57–64).
7.
8.
Riazi, M. S., Samragh, M., Chen, H., Laine, K., Lauter, K., & Koushanfar, F. (2019). XONN: XNOR-based oblivious deep neural network inference. In 28th USENIX Security Symposium (pp. 1501–1518).
9.
Yu, M.-D., Hiller, M., Delvaux, J., Sowell, R., Devadas, S., & Verbauwhede, I. (2016). A lockdown technique to prevent machine learning on PUFs for lightweight authentication. IEEE Transactions on Multi-Scale Computing Systems, 2(3), 146–159.CrossRef
10.
Shih, A., Darwiche, A., & Choi, A. (2019). Verifying binarized neural networks by angluin-style learning. In International Conference on Theory and Applications of Satisfiability Testing (pp. 354–370). Springer.
11.
Shih, A., Darwiche, A., & Choi, A. (2019). Verifying binarized neural networks by local automaton learning. In AAAI Spring Symposium on Verification of Neural Networks (VNN).
12.
Chatterjee, U., Chakraborty, R. S., & Mukhopadhyay, D. (2017). A PUF-based secure communication protocol for IoT. ACM Transactions on Embedded Computing Systems, 16(3), 1–25.CrossRef
13.
Chi, C.-C., & Jiang, J.-H. R. (2018). Logic synthesis of binarized neural networks for efficient circuit implementation. In IEEE/ACM International Conference on Computer-Aided Design (ICCAD) (pp. 1–7).
14.
15.
Delvaux, J., et al. (2015). Helper data algorithms for PUF-based key generation: Overview and analysis. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 34(6), 889–902.CrossRef
16.
Rastegari, M., Ordonez, V., Redmon, J., & Farhadi, A. (2016). XNOR-Net: ImageNet classification using binary convolutional neural networks. In European Conference on Computer Vision (pp. 525–542). Springer.
Metadaten
Titel
Combinational Logic-Based Implementation of PUF
verfasst von
Pranesh Santikellur
Rajat Subhra Chakraborty
Copyright-Jahr
2023
Verlag
Springer Nature Singapore
Buch
Deep Learning for Computational Problems in Hardware Security

Print ISBN: 978-981-19-4016-3

Electronic ISBN: 978-981-19-4017-0

Copyright-Jahr: 2023

DOI
https://doi.org/10.1007/978-981-19-4017-0_6

Neuer Inhalt

    Bildnachweise