Исследование уязвимости ФНФ типа арбитр к криптографическим атакам с использованием машинного обучения

Одним из существенных недостатков физически неклонируемой функции типа арбитр является уязвимость к криптографическим атакам с помощью машинного обучения. Этот факт обусловлен линейностью модели формирования времени распространения задержки сигнала, которая хорошо аппроксимируется линейным бинарным классификатором. В данной статье рассматривается метод, значительно затрудняющий возможность атаки с помощью машинного обучения, который основан на хешировании значений запросов. Предлагаемый метод не влияет на важнейшие характеристики ФНФ (стабильность,уникальность, случайность), поскольку ее структура остается неизменной, а преобразованию подвергаются только запросы