[发明专利]物理不可克隆函数的实现方法及实现装置在审
| 申请号: | 202010643818.0 | 申请日: | 2020-07-07 |
| 公开(公告)号: | CN111797438A | 公开(公告)日: | 2020-10-20 |
| 发明(设计)人: | 庞亚川;吴华强;高滨 | 申请(专利权)人: | 清华大学 |
| 主分类号: | G06F21/73 | 分类号: | G06F21/73;G06N3/06;G11C13/00 |
| 代理公司: | 北京市柳沈律师事务所 11105 | 代理人: | 彭久云 |
| 地址: | 10008*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 物理 不可 克隆 函数 实现 方法 装置 | ||
1.一种基于类神经网络结构的物理不可克隆函数的实现方法,所述类神经网络结构包括多个神经元层电路以及在所述多个神经元层电路之间的权重参数矩阵,所述方法包括:
对所述类神经网络结构进行设置操作,以使得所述权重参数矩阵中的至少部分权重参数被随机设置;
向所述类神经网络结构提供输入电信号,其中,所述类神经网络结构基于所述输入电信号和所述权重参数矩阵的多个权重参数,提供输出电信号;
基于所述输出电信号确定所述物理不可克隆函数的密钥值。
2.根据权利要求1所述的方法,还包括:
利用阻变存储器阵列实现所述类神经网络结构的权重参数矩阵,
其中,所述阻变存储器阵列中的多个阻变存储器的电导值分别对应所述权重参数矩阵的多个权重参数,
所述阻变存储器阵列中的每个阻变存储器包括连接到前一神经元层电路的第一端和连接到后一神经元层电路的第二端。
3.根据权利要求2所述的方法,其中,所述多个神经元层电路之间采用全连接结构。
4.根据权利要求2所述的方法,其中,所述多个神经元层电路之间还包括激活函数电路。
5.根据权利要求2至4中任一项所述的方法,其中,对所述类神经网络结构进行设置操作,以使得所述权重参数矩阵中的至少部分权重参数被随机设置,包括:
对所述阻变存储器阵列中的至少部分阻变存储器执行至少一次复位操作,以使得所述阻变存储器阵列中的至少部分阻变存储器的电导值被随机设置。
6.根据权利要求2至4中任一项所述的方法,其中,对所述类神经网络结构进行设置操作,以使得所述权重参数矩阵中的至少部分权重参数被随机设置,包括:
对所述阻变存储器阵列中的至少部分阻变存储器执行至少一次置位操作,以使得所述阻变存储器阵列中的至少部分阻变存储器的电导值被随机设置。
7.根据权利要求2至4中任一项所述的方法,其中,对所述类神经网络结构进行设置操作,以使得所述权重参数矩阵中的至少部分权重参数被随机设置,包括:
对所述阻变存储器阵列中的至少部分阻变存储器执行至少一次复位操作和至少一次置位操作的组合,以使得所述阻变存储器阵列中的至少部分阻变存储器的电导值被随机设置。
8.根据权利要求7所述的方法,其中,所述复位操作使得被操作的阻变存储器的电导值减小,所述置位操作使得被操作的阻变存储器的电导值增加。
9.根据权利要求2至4中任一项所述的方法,其中,向所述类神经网络结构提供输入电信号,所述类神经网络结构基于所述输入电信号和所述权重参数矩阵的多个权重参数,提供输出电信号,包括:
向所述阻变存储器阵列中的至少部分阻变存储器施加电压以输出电流值,
其中,所述电压为所述输入电信号,所述电流值为所述输出电信号。
10.一种基于类神经网络结构的物理不可克隆函数的实现装置,所述物理不可克隆函数的实现装置包括:
设置电路、输入电路、存储计算电路和输出电路,
其中,所述存储计算电路包括所述类神经网络结构,所述类神经网络结构包括多个神经元层电路以及在所述多个神经元层电路之间的权重参数矩阵,
所述设置电路配置为对所述存储计算电路进行设置操作,以使得所述权重参数矩阵中的至少部分权重参数被随机设置;
所述输入电路配置为向所述存储计算电路提供输入电信号;
所述存储计算电路配置为基于所述输入电信号和所述权重参数矩阵的多个权重参数,提供输出电信号;
所述输出电路配置为基于所述输出电信号确定所述物理不可克隆函数的密钥值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010643818.0/1.html,转载请声明来源钻瓜专利网。





