Protecting Remote FPGAs and Embedded Devices from Non-Invasive Physical Attacks
Tid: On 2025-06-11 kl 09.00
Plats: Ka-Sal C (Sven-Olof Öhrvik), Kistagången 16, Kista
Språk: Engelska
Ämnesområde: Informations- och kommunikationsteknik
Respondent: Can Aknesil , Elektronik och inbyggda system
Opponent: Assistant Professor Francesco Regazzoni, University of Amsterdam
Handledare: Professor Elena Dubrova, Elektronik och inbyggda system; Zhonghai Lu, Elektronik och inbyggda system
QC 20250514
Abstract
Marknaden för fjärrberäkning har vuxit snabbt i över tio år, och denna tillväxt förväntas fortsätta i framtiden. En betydande del av marknaden innehas av datacenter, som idag erbjuder ett brett utbud av accelerationstekniker för molnberäkning, från massiv multiprocessering till på-plats-programmerbar grindmatriser (FPGAs). En annan viktig del utgörs av inbyggda enheter i specialiserade mekaniska och elektroniska system, från motorfordon till hemlarmsystem. Värdefulla immateriella tillgångar (IP) och känslig information distribueras i molnet och i inbyggda enheter, vilket kräver starkt skydd. Förutom fördelarna medför industrins övergång till fjärrberäkning också en ökad sårbarhet för fysiska attacker. FPGAs och inbyggda enheter är bland de elektroniska enheter som är mest sårbara för fysiska attacker, eftersom de kan placeras på platser som är fysiskt tillgängliga för potentiella angripare. Denna avhandling syftar till att skydda FPGAs och inbyggda enheter mot fysiska attacker genom att undersöka gränserna för möjliga attackvektorer och introducera nya motåtgärder.
Avhandlingen innehåller sex forskningsartiklar. Den första artikeln presenterar en FPGA-implementering av en ny typ av arbiter-baserad fysiskt icke-klonbar funktion (PUF) med 4×4 switchblock. Denna PUF erbjuder en mer resurseffektiv lösning för säker nyckelgenerering och lagring på FPGA. Den andra artikeln presenterar närfälts elektromagnetisk djupinlärningsbaserad sidokanalsanalys utförd på Raspberry Pi 3, en allmänt använd enkortsdator. Artikeln undersöker generaliserbarheten av sidokanalsanalyser med fokus på extrahering av data i minnesoperationer. Den tredje och fjärde artikeln presenterar dolda sändarantennor respektive dolda närfälts EM-sensorer, båda helt implementerade inom FPGAs konfigurerbara struktur. Resultaten belyser trådlösa dolda kanaler som en trovärdig attackvektor för moln-FPGAs och pekar på behovet av vidare forskning inom området. Den femte artikeln syftar till att förbättra IP-säkerheten i moln-FPGAs genom att introducera "circuit disguise", en ny metod som möjliggör verifiering av FPGA-designer i molnet utan att klienternas oskyddade designer behöver avslöjas. Slutligen presenterar den sjätte artikeln en hybridmetod för fingeravtrycksbestämning av neurala nätverk genom att kombinera effektsidokanalsmätningar med informationsdomänmetrik.