@techreport{oai:ipsj.ixsq.nii.ac.jp:00228882,
 author = {菊地, 拓 and 宇佐美, 公良 and Takumi, Kikuchi and Kimiyoshi, Usami},
 issue = {15},
 month = {Nov},
 note = {LSI の個体認証技術の 1 つである PUF (Physically Unclonable Function) は，機械学習 (ML) を用いたモデリング攻撃による脆弱性の問題がある．本稿では，モデリング攻撃に対する耐性を向上させるために，製造時に生じる MTJ (Magnetic Tunnel Junction) のばらつきを使用した，入力デコーダ型 MTJ-PUF を提案する．提案した MTJ- PUF に対して，多層パーセプトロン (MLP)，線形回帰 (LR)，サポートベクターマシン (SVM) を用いたモデリング攻撃を行い脆弱性を評価した結果，それぞれの予測精度は理想値である 50% に近い値であり，提案する入力デコーダ型 MTJ-PUF は ML 攻撃に耐性があることが示された．, Physically Unclonable Function (PUF), one of the LSI individual authentication techniques, is vulnerable to machine learning (ML) modeling attacks. In this paper, we propose an input-decoder type MTJ-PUF that uses the variation of MTJ (Magnetic Tunnel Junction) during manufacturing to improve the resistance against modeling attacks. We evaluated the vulnerability of the proposed MTJ-PUF to modeling attacks using the multilayer perceptron (MLP), linear regression (LR), and support vector machine (SVM). Results demonstrated that the prediction accuracy of each modeling attack is close to the ideal value of 50%, indicating that the proposed input decoder MTJ-PUF is resistant to ML attack.},
 title = {入力デコーダを使用したMTJ-PUFの提案と機械学習耐性の評価},
 year = {2023}
}