BriefGPT - AI 论文速递
·
机器学习抵抗性非晶硅物理不可克隆函数（PUFs）
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该研究探讨了非线性波混沌非晶硅腔体作为物理不可克隆函数（PUF）的应用。通过多种算法对集成了A-Si光子PUF的机器学习攻击进行了研究，发现深度神经网络（DNNs）表现最好，但仍无法完全破解A-Si PUF的安全性。同时发现A-Si PUF的机器学习抵抗能力与其非线性响应的强度直接相关。
🎯
关键要点
-
研究非线性波混沌非晶硅腔体作为物理不可克隆函数的应用。
-
应用多种算法对集成A-Si光子PUF的机器学习攻击进行研究。
-
深度神经网络在所有算法中表现最好，但无法完全破解A-Si PUF的安全性。
-
通过私有信息度量对A-Si PUF的安全性进行了量化。
-
A-Si PUF的机器学习抵抗能力与其非线性响应的强度直接相关。
➡️
