2021/5/10 ｱﾒﾘｶ合衆国･ペンシルベニア州立大学(PennState)
・ PennState が、グラフェンベースの物理複製困難関数(PUF)デバイスを初めて開発。低電力、スケーラブルで再構成可能なハードウェアセキュリティーデバイスとして、人工知能(AI)による攻撃に対する極めて高い抵抗力を有する。
・ デジタルで蓄積・共有される個人データ量の増加を受け、サイバー攻撃からのデータ保護技術の研究開発が進んでいる。シリコンによる現行技術では、コンピューターコンポーネント間の微細な差違を利用してセキュアキーを作成するが、AI の機械学習によるキー予測とデータへのアクセスが回避できない。
・ グラフェンの物理・電気特性を備えた新 PUF デバイスは、エネルギー高効率、スケーラブルで、シリコン PUF では脅威となる AI による攻撃を防御する。
・ 約 2,000 個の同一構造のグラフェントランジスタの製造プロセスで起こる、ランダム性による各トランジスタの電導性の差違を PUF として利用する。電子デバイスでは不利となる点が、PUF にとって望ましい特性となる。
・ 6,400 万個のグラフェン PUF デバイスのシミュレーションを作成し、機械学習による同 PUF の安全性の試験を実施。AI を同シミュレーションデータで訓練し、暗号化されたデータの予測とシステムの脆弱性の特定の能否を調査した。
・ その結果、AIがモデルを展開できず、暗号化プロセスの学習が無効であることを確認。機械学習による攻撃へのこのような抵抗力は、流出したデータを使用したデバイスのリバースエンジニアリングを不可能にし、PUF の安全性をさらに向上させる。キーが予測されても、ハードウェアの追加やコンポーネントの交換無く、再構成プロセスにより新しいキーを作成できる。
・ システムの安全性が損なわれても、新たなセキュリティー機能として耐タンパー性を追加してシステムの再構成・再利用を可能にするスキームを提供し、多様な温度範囲で作動できる能力を備えたグラフェンベースの PUF デバイスは、様々なアプリケーションが期待できる。さらに研究を進め、フレキシブルなプリンタブル電子機器や家庭用機器等での利用の可能性を探る。
URL: https://news.psu.edu/story/658046/2021/05/10/research/graphene-key-novel-hardware-security
＜NEDO海外技術情報より＞
（関連情報)
Nature Electronics 掲載論文(アブストラクトのみ：全文は有料）
Graphene-based physically unclonable functions that are reconfigurable and resilient to machine
learning attacks
URL: https://www.nature.com/articles/s41928-021-00569-x
Abstract
Graphene has a range of properties that makes it suitable for building devices for the Internet of Things. However, the deployment of such devices will also likely require the development of suitable graphene-based hardware security primitives. Here we report a physically unclonable function (PUF) that exploits disorders in the carrier transport of graphene field-effect transistors. The Dirac voltage, Dirac conductance and carrier mobility values of a large population of graphene field-effect transistors follow Gaussian random distributions, which allow the devices to be used as a PUF. The resulting PUF is resilient to machine learning attacks based on predictive regression models and generative adversarial neural networks. The PUF is also reconfigurable without any physical intervention and/or integration of additional hardware components due to the memristive properties of graphene. Furthermore, we show that the PUF can operate with ultralow power and is scalable, stable over time and reliable against variations in temperature and supply voltage.
