TroPUF: Evaluating Hardware Trojan Insertion in Delay-Based Physical Unclonable Functions
Dieses Paper führt ein einheitliches Simulationsframework ein, das demonstriert, dass in verzögerungsbasierten Physical Unclonable Functions (PUFs) eingebettete, unauffällige Hardware-Trojaner durch konventionelle Validierungsmethoden bis zu ihrer Aktivierung unentdeckt bleiben können, wodurch eine kritische Lücke in den aktuellen Sicherheitsannahmen von PUFs aufgezeigt wird.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie hätten einen magischen Fingerabdruckscanner, der jedoch nicht auf Ihre Haut schaut, sondern auf die winzigen, unsichtbaren Unvollkommenheiten innerhalb eines Computerchips. Diese Unvollkommenheiten entstehen natürlich bei der Herstellung des Chips in einer Fabrik, wie Staubkörner, die sich auf einer Fensterscheibe absetzen. Da kein zwei Chips exakt gleich hergestellt werden, kann dieser Scanner sie perfekt voneinander unterscheiden. Dies wird als „Physical Unclonable Function“ (oder kurz PUF) bezeichnet. Es ist wie ein digitaler Identitätsausweis, der mit dem Chip geboren wird und niemals kopiert werden kann. Sicherheitsexperten lieben diese, weil sie als das ultimative „Root of Trust“ gelten sollen – das unerschütterliche Fundament, das beweist, dass ein Gerät auch wirklich das ist, was es vorgibt zu sein.
Aber hier kommt die Wendung: Was wäre, wenn sich jemand einen winzigen, unsichtbaren Spion in die Fabrik schleicht, während der Chip gebaut wird? Dieser Spion, bekannt als „Hardware-Trojaner“, wartet leise darauf, dass ein geheimes Signal ihn weckt, um Unruhe zu stiften. Normalerweise suchen Sicherheitskräfte nach solchen Spionen, indem sie prüfen, ob das Verhalten des Chips seltsam ist oder ob er zu viel Strom verbraucht. Aber da der „Fingerabdruck“ des Chips von Natur aus ein wenig zufällig und unvorhersehbar sein sollte, kann sich der Spion in diesem natürlichen Chaos verstecken. Es ist, als versuche man, ein bestimmtes hinterlistiges Eichhörnchen in einem Wald zu finden, in dem die Blätter bereits im Wind rascheln; die Bewegung des Eichhörnchens sieht genau wie der Wind aus. Diese Arbeit stellt eine beängstigende Frage: Kann ein Spion im Fingerabdruckscanner selbst Deckung suchen, und können wir dem Scanner noch vertrauen, wenn wir den Spion nicht sehen können?
Die Forscher der California State University Long Beach bauten einen digitalen Spielplatz namens „TroPUF“, um diese Frage zu beantworten. Sie haben nicht nur geraten; sie simulierten eine ganze Reihe verschiedener Fingerabdruckscanner (speziell verzögerungsbasierte PUFs) und pflanzten heimlich verschiedene Arten digitaler Spione in diese ein. Sie testeten drei verschiedene Arten von Spionen: einen, der auf eine bestimmte Sequenz von Ereignissen wartet, einen, der zählt, wie oft der Chip benutzt wird, und einen, der auf einen bestimmten mathematischen Code wartet. Sie testeten auch zwei verschiedene Arten, wie die Spione einmal erwacht, Unwesen treiben könnten: Entweder indem sie den Scanner dazu zwingen, jedes Mal die gleiche Antwort zu geben, oder indem sie die Antwort auf die allererste, die er je gab, einfrieren.
Die Ergebnisse waren ein wenig wie ein Weckruf. Das Team stellte fest, dass die Scanner absolut perfekt aussah, solange die Spione schliefen (dormant). Sie bestanden jeden Standardtest für Einzigartigkeit, Zuverlässigkeit und Zufälligkeit. Selbst als die Forscher versuchten, fortgeschrittenes maschinelles Lernen einzusetzen, um Muster zu erkennen, waren die schlafenden Spione unsichtbar. Die Scanner verbrauchten fast den gleichen Platz und die gleiche Menge an Energie wie die sauberen Modelle und waren genauso schwer zu täuschen wie die Originalentwürfe. Es war, als wären die Spione Geister, die lautlos durch Wände gehen könnten.
Doch in dem Moment, als die Spione erwachten, brach das gesamte System zusammen. Der „Fingerabdruck“ hörte auf, einzigartig zu sein, und begann, für jeden Chip gleich auszusehen. Die Zuverlässigkeit sank und die Zufälligkeit verschwand. Die Lernmodelle des Computers, die den sauberen Scanner überhaupt nicht vorhersagen konnten, waren plötzlich in der Lage, den infizierten Scanner mit über 99 % Genauigkeit vorherzusagen. Die Arbeit kommt zu dem Schluss, dass unsere derzeitige Art, diese Sicherheitsgeräte zu überprüfen, fehlerhaft ist. Wir können nicht einfach prüfen, ob der Scanner gut funktioniert, und dann davon ausgehen, dass er sicher ist; wenn ein Spion im Scanner selbst lauert, könnte der Scanner perfekt aussehen, bis zu der Sekunde, in der er beschließt, uns zu verraten. Dies bedeutet, dass wir eine neue Art des Denkens über Sicherheit benötigen, die davon ausgeht, dass genau die Werkzeuge, die wir zur Sicherheitsprüfung verwenden, diejenigen sein könnten, die die Gefahr verbergen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.