雷锋网(公众号：雷锋网)按，随着AI和IoT的发展，物联网设备数量将会大规模增长，大量的设备也意味着更严峻的安全挑战，PC、智能手机的爆发的安全问题就是很好的例证，因此，AIoT时代也应该更加关注安全问题。本文具体介绍了PUF技术如何解决AI和IoT芯片的安全挑战。
AIoT是一种新趋势，它将人工智能（AI）与物联网（IoT）相结合。物联网可以建立广泛的连接，而人工智能可以使这些设备智能化。比如，用于楼宇安全的IP摄像机系统，如果没有AI，人们需要实时监控系统中的视频以应对紧急情况。借助AI，IP摄像机可以自动识别风险并发送警报。当然，AIoT有望快速催生新的高价值产品，就像互联网催生了多个巨头一样。AIoT设备公司准备开发广阔的新市场，如今，物联网设备数量已达数十亿。
不可忽略的是，将人工智能与物联网结合带来了新的安全挑战。
AIoT的安全挑战
AIoT的主要挑战之一是保护AI资产。AI功能通常需要实时检测、评估和响应。但一个至关重要的安全问题是AI的内部数据库和接口不适合加密，因为这样的操作需要太多的时间和资源。但是，大数据和接口设计都需要专有的安全保护。AI系统所需的数据通常如此之大，以至于通常将其存储在外部非易失性存储器（NVM）中，从而使其面临着全球范围内日益增加的黑客攻击风险。
同时，除了AIoT系统的“内部”安全问题，AIoT安全的外部挑战也日益增加。各国政府都被勒索软件和其他恶意事件困扰，2018年全球范围内近200万次网络攻击造成了超过450亿美元的损失。
互联网协会的OTA联盟，致力于促进消费者对互联网安全和隐私的的信任，其在《网络事件和破坏趋势报告》中指出，勒索软件造成的财务损失增加了60％，营业损失和电子邮件泄露翻了一番，2018年加密劫持事件增加了两倍多。
显然，安全问题仍未解决，AIoT设备的部署将增加被攻击的可能性。因此，对于AIoT设备，基于PUF的硬件安全方案，可以找到性能和安全性的平衡点。
PUF如何解决AIoT安全问题？
PUF（Physical Unclonable Function）是一种硬件安全技术，是半导体制造过程中自然发生的不可克隆的物理变化，这是一种“数字指纹”，用作半导体设备（如微处理器）的唯一身份。在密码术中使用PUF（物理不可克隆函数）的基本好处是其“唯一性”和“不可预测性”。
AIoT的攻击范围包括“数据和固件攻击”、“传输攻击”和“数据完整性攻击”。前面已经提到，过复杂的加密和解密对于保护AI资产是不切实际的。PUF已成为相对简单快速的安全解决方案。以下是一些应用场景，可以更清楚地解释PUF如何解决AIoT安全问题。
应用场景一：
使用从PUF派生的机密作为保护，可以将该机密与参数混合。这样可以防止存储在一次性可编程（OTP）存储器中的加密参数值被黑。当安全的AI模块开始处理时，只需要使用PUF值再次处理混合过程，以便可以将加密的参数简单地解密为其原始值。在这种情况下使用的加密概念是XOR：
A（从PUF导出的秘密值）⊕B（OTP中的参数）=密文
A（从PUF导出的秘密值）⊕B（OTP中的参数）⊕A（恢复代码）=明文
应用场景二：
为了处理传输攻击，例如传输过程中的数据泄露，可以使用以下简单思路：通过在每个模块中利用唯一的PUF值将数据绑定到特定模型。如果将绑定模块中的数据和唯一PUF值简单地混合为密文，即使这些加密的数据在传输到外部NVM时被盗，也无法在其他模块中使用。这是因为数据需要与模块结合使用的特定PUF值来处理解密过程。
应用场景三：
AI机器训练的过程是：首先，收集大量数据进行训练，然后提取并测试模型以执行预测或反应。在边缘计算中，将模型转换为ASIC可以降低功耗。当然，此模型需要精简得多，但这会使模块更容易受到逆向工程的影响。
为了抵消逆向工程，可以将PUF用作凭证。换句话说，它可以充当密钥，因此凭单只能使用其独特的PUF值启动芯片。这样就可以防止恶意的逆向过程硬件分析和秘密窃取。
雷锋网编译，via design&reuse 雷锋网
。
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/66792.html