ارائه ­دهنده:
مصطفی مقدس شوشتری

  استاد راهنما:
دکتر حاکم بیت‌الهی
 
هیات داوران:

دکتر امیرمهدی حسینی‌منزه
دکتر علی جهانیان

زمان : ۰۲ اردیبهشت ماه ۱۴۰۳

  ساعت ۱۵:۳۰

چکیده پایان نامه :

تابع همسان‌ناپذیز فیزیکی (PUF) با بهره‌گیری از نوسان فرآیند در هنگام تولید تراشه قادر به تولید ابزارهای امنیتی است که هرکدام با دیگری تفاوت اندکی دارد که همین تفاوت می‌تواند مانند اثرانگشت آن رفتار کند و آن PUF را از دیگر PUFها متمایز کند؛ اما در این مسیر چالش‌هایی نیز در برابر خود می‌بیند که مهم‌ترین آن‌ها حمله مدل‌سازی است که می‌تواند این تفاوت‌ها را با ابزارهای یادگیری ماشین بیاموزد و با جمع‌آوری این اطلاعات اقدام به مدل کردن PUF کند. با مدل کردن PUF، رویای ایمن کردن سخت‌افزار با بهره‌گیری از این فناوری به شکست می‌انجامد که همین امر تحقیقاتی را در زمینه امنیت سخت‌افزار به وجود آورد که چگونه می‌توان یک PUF پایا و ایمن در برابر این حملات ساخت. به دلیل شکست دیگر PUFها در برابر حمله‌های مدل‌سازی، نیاز به یک PUF ایمن در امنیت سخت‌افزار مشهود است. به همین دلیل در این پژوهش با Obfuscated PUF (OPUF) آشنا می‌شویم. OPUF امیدوارکننده‌ترین PUF برای پایایی در برابر حمله‌های یادگیری ماشین است. چراکه OPUF با بهترین روش‌های مبهم‌سازی تولیدشده است که همین امر باعث می‌شود تا حمله‌های مدل‌سازی نتوانند به‌راحتی آن را مدل کنند. همچنین OPUF در برابر دیگر حمله‌های موجود مانند حمله‌های قابلیت اطمینان نیز از خود مقاومت نشان می‌دهد. در ادامه طراحی و معماری آن را بررسی می‌کنیم و می‌بینیم  که در برابر آخرین حمله‌های یادگیری ماشین گزارش‌شده ایمن است و همچنین سربار مساحت اندکی به تراشه اضافه می‌کند که آن‌ را برای استفاده در دستگاه‌های لبه مناسب می‌کند. نتایج شبیه‌سازی بر روی حمله‌های LR و MLP نشان می‌دهد که دقت این حمله‌ها به OPUF به ترتیب به‌صورت میانگین برابر ۵۰/۶۹ و ۴۹/۵۴ درصد است که کم‌دقت‌ترین نتایج این حمله‌ها نسبت به PUFهای ارائه‌شده پیش از OPUF است

 

مکان: دانشکده مهندسی کامپیوتر، طبقه ۲  ،اتاق دفاعیه دکتری