如何給一顆芯片加上指紋？

我們每個人都有一個指紋，每個人都指紋都不一樣。目前的指紋識別方法是采用特征點，把指紋特殊的點采集出來，然后匹配識別。假設采用12個特征點的話，那重復的幾率就是1/1020，如果取更多特征點，那重復的幾率就更低。

7月11日，在ASPENCORE旗下《電子工程專輯》、《EDN》和《國際電子商情》共同舉辦的“IoT技術與應用論壇”上，力旺電子（eMemory）的柳星洲先生做了詳細的介紹。

在他主題為“NeoPUF指紋芯片技術于AIoT之安全應用”的演講中，他指出，NeoPUF技術就是一種賦予芯片一個指紋的技術。而且這個指紋不是燒寫進去的，是與生俱來，出廠后就擁有，而且每一顆芯片都不一樣。

圖1：力旺電子（eMemory）的柳星洲在IoT技術與應用論壇上演講。

什么是NeoPUF？

柳星洲解釋說，PUF的英文全稱是Physical Unclonable Functions，即物理不可復制功能。而NeoPUF，就是創(chuàng)新式物理不可復制功能。

PUF有用很多種不同的實現(xiàn)方法。

可以人為將不同的代碼燒寫進芯片，但認為燒寫的代碼一般是由算法產(chǎn)生的，如果算法被人破解了，那所有的芯片就都被破解了。

力旺電子的NeoPUF采用的是模擬丟銅板的技術來實現(xiàn)的。柳星洲介紹說，“假設給你兩顆一模一樣的電阻，在兩邊同時加一個一樣的電壓，那到底是左邊先燒掉，還是右邊先燒掉。不知道，我也不知道。我們模擬的就是這樣的情況，我們在兩個相鄰的晶體管的柵極和基極兩端慢慢加電壓，總有一顆會被先燒掉，先燒左邊就是0，先燒右邊就是1?！?/p>

用這種方法實現(xiàn)的PUF就算是同一片晶圓上產(chǎn)生的Die，所產(chǎn)生的代碼也都是不一樣的。

因此，加入了NeoPUF IP的每一顆芯片都有一個與眾不同的代碼，也就是擁有了一個指紋。

圖2：力旺電子的NeoPUF實現(xiàn)原理。

如何應用芯片指紋？

現(xiàn)在芯片已經(jīng)獲得了一個指紋，那如何去應用這些芯片的指紋呢？柳星洲先生也給出了一些應用的案例。

他表示，“NeoPUF提供高達64Kbit，芯片與生俱來的完美隨機數(shù)源。既然每顆芯片都擁有了指紋，其中最明顯的應用就是用這個代碼作為芯片的ID，這樣就不會出現(xiàn)重名的情況了?；蛘哂眠@個代碼產(chǎn)生信任根，然后產(chǎn)生通信密鑰，以加密通信數(shù)據(jù)?！?/p>

“當然，還可以防止芯片不被破解。因為有些做逆向工程的廠商會破解你的芯片，生產(chǎn)后還打你的logo，出問題了，可能還得你去服務?！彼瑫r指出。

圖3：NeoPUF在IoT中的應用。

柳星洲舉了一個NeoPUF在IoT中的應用?！澳壳笆褂肞UF的情況就是把它當作信任根，它產(chǎn)生一個最根本的碼，通過一個密鑰管理算法，產(chǎn)生不同的公鑰，私鑰等，再給AES等加密算法去加密?！?/p>

圖4：NeoPUF配合OTP一起使用。

另外，因為力旺電子是主要做OTP等存儲的，所以他還列舉了一個NeoPUF搭配Memory一起用案例。比如說，“我們可以用PUF產(chǎn)生一組亂碼，而且與生俱來，是一個完美亂數(shù)，所以我們就可以用PUF加密我的OTP，而且可以做到天生加密，就是可以將OTP內(nèi)的擾碼基于PUF亂碼重新排列，也就是說，在不同的芯片中，同樣的OTP資料存儲后的信息都是不一樣的?！?/p>

圖5：NeoPUF在外掛Flash上的應用。

“甚至是外掛的Flash，只要主控端有放NeoPUF，出去的數(shù)據(jù)已經(jīng)用NeoPUF重新排序，存儲在外掛的Flash內(nèi)，那么Flash內(nèi)存儲的數(shù)據(jù)就是亂的，而且每一顆都不一樣，別人如果把Flash內(nèi)的內(nèi)容復制出來，再用不同的主控是讀取不出來數(shù)據(jù)的。因為這需要原來的主控來做還原解碼。這樣就可以防止你的代碼被偷走。從而實現(xiàn)保護代碼的功能?！绷侵夼e例說。

他同時還談到了NeoPUF在人工智能方面的應用。當然主要還是芯片的保護用法?！拔覀冎廊斯ぶ悄艿牧鞒檀蟾攀沁@樣，先要收集很多數(shù)據(jù)，然后做訓練，再提取出模型，最后開始做推理，或者預測?！?/p>

而推理有兩種做法，一個是云端，所有數(shù)據(jù)傳輸至云端，然后云端給出推理結(jié)果。另外一個是邊緣計算，也就是在設備端做預測，現(xiàn)在大部分廠商都認為最后會往邊緣端發(fā)展。

但柳星洲認為，由于云端的運算能力太強大了，云端仍將會長期存在下去；而邊緣端，也有一些發(fā)展的趨勢，主要是有隱私的需求，或者是傳輸可靠性和延遲要求。

他表示，“我今天主要關注邊緣端。邊緣端做預測，目前有兩種情況，一種是用別人的運算單元加上NVM存儲，做成一個模組。只需要把云端訓練好的模型簡化之后放上去，就可以在邊緣端做推理預測了。如果你花了那么多時間做訓練，結(jié)果你的東西被偷了。那前面的心血就白費了。因此在模組端，我們可以幫助保護最關鍵的資料?！?/p>

圖6：NeoPUF在人工智能模組中的應用。

第二個邊緣端的應用是將模型轉(zhuǎn)成一個ASIC，這樣功耗是最好的。當然這個模型需要精簡很多。但是這很容易被人逆向工程。

針對第一種情況，如果主控加入了NeoPUF，那么寫入Flash中的數(shù)據(jù)就是亂的。因此，即使一個模組中的數(shù)據(jù)被破解或者被復制了，放到其他的模組中其實是沒有用的。

針對第二種情況。如果ASIC中帶有一個NeoPUF，這樣里面的數(shù)據(jù)都可以被亂掉，“除非我給你一個啟動碼授權之后才可以使用?！绷侵薇硎?。

圖7：NeoPUF在ASIC中的應用。