[面向物联网的基于PUF辅助硬件加速器的安全UPnP资源发现]

《Sensors》:Secure UPnP Resource Discovery Using a PUF-Assisted Hardware Accelerator for IoT

【字体: 大 中 小 】 时间:2026年08月28日 来源:Sensors 4.0

编辑推荐:

  通用即插即用(UPnP)因其轻量级和去中心化操作,被广泛用于物联网和智能边缘环境中的资源发现。然而,传统的UPnP和简单服务发现协议(SSDP)机制暴露了静态标识符和服务元数据,使其容易受到欺骗、重放、未经授权的资源枚举、设备指纹识别和长期流量关联的攻击。现有

  
通用即插即用(UPnP)因其轻量级和去中心化操作,被广泛用于物联网和智能边缘环境中的资源发现。然而,传统的UPnP和简单服务发现协议(SSDP)机制暴露了静态标识符和服务元数据,使其容易受到欺骗、重放、未经授权的资源枚举、设备指纹识别和长期流量关联的攻击。现有的基于软件的认证方法依赖于存储的凭据,且不保护发现隐私,而传统的仲裁器物理不可克隆函数仍易受机器学习建模攻击,且通常仅用于设备认证。研究人员提出了一种新型递归混合熵PUF(RHE-PUF)和一种保护隐私的安全UPnP发现架构。所提出的RHE-PUF引入了递归自适应延迟传播、熵注入、前馈耦合和多路径定时多样化,以增加挑战-响应的非线性和抗建模能力。其响应用于生成动态瞬时身份,匿名认证设备,并在不暴露永久设备标识符的情况下加密SSDP服务通告。完整的框架在Xilinx Spartan-7 FPGA上实现,并在真实的UPnP发现和攻击场景下进行了评估。RHE-PUF实现了唯一性、可靠性、均匀性和熵。该实现的运行频率高达192 MHz,动态功耗为0.84 W,认证延迟为0.88 μs,安全发现延迟为13.4 ms。最强的深度神经网络建模攻击仅获得了预测准确率。重放和欺骗攻击的成功率分别降低至及以下和,而长期跟踪概率保持在以下。这些结果表明,研究人员提出的硬件安全与隐私保护发现联合框架提供了资源高效的认证、匿名的UPnP资源发现,并对网络和机器学习攻击具有抵抗力。
物联网系统的快速增长增加了在智能家居、工业自动化等环境中轻量级服务发现协议的使用。通用即插即用(UPnP)因无需集中配置即可通告服务而被广泛采用。UPnP发现主要依赖简单服务发现协议(SSDP),但传统SSDP缺乏原生认证和隐私保护,暴露了静态设备标识符和服务元数据,使系统易受欺骗、重放、未授权服务枚举和设备追踪等攻击。此外,传统基于软件的认证机制因存在密钥存储漏洞和高加密开销,不足以保护资源受限的物联网设备。虽然物理不可克隆函数(PUF,利用不可控制造工艺变化生成唯一硬件标识的安全原语)被提出用于硬件认证,但传统仲裁器PUF(Arbiter PUF,一种基于延迟路径竞争的PUF结构)仍易受逻辑回归(LR)、支持向量机(SVM)和深度神经网络等机器学习建模攻击,且现有研究多只关注设备认证而忽视了网络发现层的隐私保护。为此,研究人员开展了一项研究,提出了一种基于递归混合熵物理不可克隆函数(RHE-PUF)的统一隐私保护安全UPnP框架。研究得出结论,该框架能够在硬件级别直接提供内在认证、匿名服务发现和受机密性保护的通信,有效抵御网络和机器学习攻击。该研究的重要意义在于,它填补了硬件信任根与网络发现层隐私保护之间的空白,为资源受限的物联网边缘设备提供了一种轻量且可扩展的安全解决方案。该论文已发表在《Sensors》期刊上。

研究人员为开展研究主要用到以下几个关键技术方法:首先,开发了新型RHE-PUF架构,采用三路径传播、自适应交叉耦合、递归前馈定时和基于环形振荡器的真随机数生成器(RO-TRNG)熵注入节点,以增加挑战-响应对(CRP)的非线性;其次,集成模糊提取器进行辅助数据生成和响应重构,实现无需永久密钥存储的硬件认证;第三,基于安全散列算法-256(SHA-256)派生会话密钥,使用高级加密标准-256-伽罗瓦/计数器模式(AES-256-GCM)加密SSDP通告,并生成动态瞬时身份以保护隐私;最后,整个安全架构在Xilinx Spartan-7 XC7S50现场可编程逻辑门阵列(FPGA)平台上实现,并搭建了模拟智能家居环境的测试床进行评估,样本队列来源为仿真的Belkin WeMo智能开关和德州仪器温度传感服务。

4.1. Experimental Setup
通过在Xilinx Spartan-7 XC7S50 FPGA上实现完整架构,并模拟包含Belkin WeMo智能开关和温度传感服务的智能家居环境,研究验证了该框架在真实网络条件下的可行性。

4.2. Hardware Resource Utilization
通过与基准Arbiter PUF和标准UPnP引擎对比,得出该架构在引入递归熵生成和加密模块后,硬件资源占用仍然适中,最高运行频率达192 MHz,认证延迟仅0.88 μs,证明其在硬件成本与安全性之间取得了有效平衡。

4.3. Statistical Evaluation of the Proposed RHE-PUF
通过使用标准PUF统计指标测试,得出RHE-PUF实现了接近理想值的唯一性和优异的均匀性,在电压和温度变化下可靠性高,证实了递归结构和熵注入显著增加了响应的不可预测性。

4.4. Secure UPnP Discovery Performance Analysis
通过测量认证延迟和加密处理开销,得出安全发现延迟为13.4 ms,虽比传统UPnP略高,但仍满足智能家居和边缘物联网应用的实时性要求。

4.5. Machine Learning Modeling Attack Evaluation
使用LR、SVM、随机森林(RF)和DNNs等算法对大量CRP数据集进行训练和预测,得出RHE-PUF显著优于传统结构,最强DNN攻击的预测准确率极低,证实了其卓越的抗机器学习建模鲁棒性。

4.6. Replay and Spoofing Attack Evaluation
通过注入重放、欺骗等恶意流量并计算攻击成功率,得出该框架将重放和欺骗攻击成功率降低至极低水平,证实了动态瞬时身份和加密机制有效抵御了未授权网络操作。

4.7. Privacy Preservation Analysis
通过测量被动观察者对设备的长期跟踪概率,得出传统UPnP跟踪概率随时间急剧上升,而该框架的跟踪概率始终保持在极低水平,证实了瞬时身份机制有效防止了长期流量关联和设备指纹识别。

4.8. Comparison with Existing Methods
通过与现有代表性PUF安全方法进行定性比较,得出该框架不仅具备硬件信任根和抗机器学习能力,还首次将保护延伸至UPnP发现层,实现了端到端的隐私保护通信与发现。

在结论部分,研究人员指出,论文提出了一种由RHE-PUF驱动的FPGA隐私保护安全UPnP框架。该架构旨在解决传统UPnP发现系统中的关键安全和隐私限制,包括欺骗攻击、重放攻击、元数据泄露、服务枚举、设备指纹识别和基于机器学习的硬件建模攻击。与传统软件保护方法不同,该框架建立了一种轻量级的硬件信任根架构,能够在硬件级别直接提供内在认证、匿名服务发现和受机密性保护的通信。所提出的RHE-PUF引入了递归熵增强的延迟传播结构,结合自适应定时多样化、递归前馈耦合和熵注入机制,显著提高了CRP的非线性和不可预测性,从而显著改善了抗建模鲁棒性。此外,瞬时身份生成和加密SSDP通告的集成实现了安全匿名发现操作,同时防止了长期流量关联和设备跟踪。实验结果表明,该架构实现了接近理想的唯一性、响应可靠性和高熵。该实现达到了192 MHz的最大运行频率,动态功耗仅为0.84 W,证实了其在资源受限物联网边缘环境中的适用性。此外,隐私保护发现机制成功将重放和欺骗攻击成功率降低至极低水平,而长期设备跟踪概率在延长监测期间保持在极低水平。这些结果证实,该框架有效缓解了主要的UPnP安全威胁,同时保持了轻量级操作和低硬件开销。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号