電子情報通信学会ソサイエティ大会講演要旨
A-20-7
ベイズ最適化を用いたDouble-Arbiter PUFに対する機械学習攻撃向け深層ニューラルネットワークのハイパーパラメータ最適化
◎飯塚知希・粟野皓光・池田 誠(東大)
モデリング攻撃に耐性が強いとされるDouble-Arbiter PUFに対し、深層ニューラルネットワークを用いた攻撃手法を提案する。活性化関数にReLUを、重みの初期化にXavier Initializationを採用し、さらに隠れ層のニューロン数及びドロップアウト率をベイズ最適化で自動調整した。その結果、約40億通りあるチャレンジ・レスポンス対のうちで、およそ0.002%を学習するだけで、未知のチャレンジに対するレスポンスを90.6%の確率で予測できることが確認された。これにより、最新の機械学習技術による攻撃を見据えた認証スキームの設計が重要であることを明らかにした。