I ricercatori poiché più dati privati vengono archiviati e condivisi digitalmente, stanno esplorando nuovi modi per proteggere i dati dagli attacchi di malintenzionati. L’attuale tecnologia del silicio sfrutta le differenze microscopiche tra i componenti informatici per creare chiavi sicure, ma le tecniche di intelligenza artificiale (AI) possono essere utilizzate per prevedere queste chiavi e ottenere l’accesso ai dati. Ora, i ricercatori della Penn State hanno progettato un modo per rendere le chiavi crittografate più difficili da decifrare.
I ricercatori guidati da Saptarshi Das, assistente professore di ingegneria e meccanica, hanno utilizzato il grafene – uno strato di carbonio dello spessore di un atomo – per sviluppare un nuovo dispositivo di sicurezza hardware a bassa potenza, scalabile e riconfigurabile con una significativa resilienza agli attacchi di intelligenza artificiale. Hanno pubblicato i loro risultati nella rivista Nature Electronics.
Saptarshi Das ha detto:
«Recentemente si sono verificate sempre più violazioni di dati privati, abbiamo sviluppato un nuovo dispositivo di sicurezza hardware che potrebbe essere implementato in tutti i settori per proteggere questi dati».
Il dispositivo, chiamato PUF (Physically Unclonable Function – funzione fisica non riproducibile), è una funzione fisica non clonabile, una rappresentazione fisica di una chiave crittografica impossibile da clonare persino per il produttore stesso, poiché generata attraverso processi casuali.
Le proprietà fisiche ed elettriche del grafene, così come il processo di fabbricazione, rendono il nuovo PUF più efficiente dal punto di vista energetico, scalabile e sicuro contro gli attacchi di intelligenza artificiale che rappresentano una minaccia per i PUF di silicio.
Il team di ricercatori ha inizialmente fabbricato 2.000 identici transistor in grafene, che attivano e disattivano la corrente in un circuito. La conduttività elettrica dei transistor nonostante la loro somiglianza strutturale variava a causa della casualità intrinseca derivante dal processo di produzione. Sebbene tale variazione sia tipicamente un inconveniente per i dispositivi elettronici, è una qualità desiderabile per un PUF non condiviso da dispositivi basati su silicio.
I ricercatori dopo che i transistor di grafene sono stati implementati nei PUF, hanno modellato le loro caratteristiche per creare una simulazione di 64 milioni di PUF a base di grafene. Saptarshi Das e il suo team per testare la sicurezza dei PUF, hanno utilizzato l’apprendimento automatico, un metodo che consente all’intelligenza artificiale di studiare un sistema e trovare nuovi modelli. I ricercatori hanno addestrato l’IA con i dati di simulazione PUF al grafene, testando per vedere se l’IA potrebbe utilizzare questa formazione per fare previsioni sui dati crittografati e rivelare insicurezze del sistema.
Saptarshi Das ha detto:
«Le reti neurali sono molto brave a sviluppare un modello da un’enorme quantità di dati, anche se gli esseri umani non sono in grado di farlo. Abbiamo scoperto che l’intelligenza artificiale non poteva sviluppare un modello e non era possibile apprendere il processo di crittografia, questa resistenza agli attacchi di apprendimento automatico rende il PUF più sicuro perché i potenziali hacker non potrebbero utilizzare i dati violati per decodificare un dispositivo per lo sfruttamento futuro: il PUF di grafene, anche se la chiave potrebbe essere prevista, genererebbe una nuova chiave attraverso un processo di riconfigurazione che non richiede hardware aggiuntivo o sostituzione di componenti».
Akhil Dodda, laureato in ingegneria e meccanica, conduce ricerche sotto la guida di Saptarshi Das, ha detto:
«Normalmente, una volta che la sicurezza di un sistema è stata compromessa, è permanentemente compromessa. Abbiamo sviluppato uno schema in cui un sistema così compromesso poteva essere riconfigurato e riutilizzato, aggiungendo la resistenza alle manomissioni come un’altra funzionalità di sicurezza».
Il PUF a base di grafene con queste caratteristiche, oltre alla capacità di operare in un’ampia gamma di temperature, potrebbe essere utilizzato in una varietà di applicazioni. Ulteriori ricerche possono aprire strade per il suo utilizzo nell’elettronica flessibile e stampabile, nei dispositivi domestici e altro ancora.
