隨著萬物聯網時代到來，越來越多數據以數位化方式儲存共享，架構安全性也越來越受到重視。就在今年 5 月，美國賓州大學研究團隊開發出一種基於石墨烯的 PUF（Physically Unclonable Function），能夠有效防範利用 AI 模型的新型攻擊，使加密金鑰更難以被破解。

要解釋什麼是 PUF，就得先理解物聯網（Internet of Things, IoT）的概念。簡單來說，物聯網就是讓設備裝上感測器、軟體及技術來相互連接傳輸資料所形成的網路，是很多產業智慧化的基礎，然而很容易就可以想像這種便利性同時也帶來更高的資安風險，由於物聯網設備涵蓋的領域相當廣泛，駭客從許多層面都可以發動攻擊。

過去談到物聯網的資訊安全，許多人都會先想到軟體及網路加密連線，但其實除了網路層面的安全防護，實體設備同樣存在著威脅。一旦出現仿冒晶片或其他問題，駭客就可能透過網路遠端控制設備獲得金鑰和其他敏感資訊，進而造成企業損失。以軟體為主的資安設計已不再足以提供全面保障，這也是為什麼基於硬體的安全技術開始逐年受到青睞。

全名為「物理不可仿製功能」 的 PUF 就是這樣一種硬體安全技術。透過半導體製程中引入的隨機變數，讓晶片在微觀結構上產生些許差異，在變數無法預測及控制的情況下，複製該晶片成為幾乎不可能的事，減少遭人逆向工程或操作的擔憂。這樣的隨機性、唯一性及不可複製性，讓 PUF 彷彿成為一種「晶片指紋」的存在，因此自然也變成新世代資安「零信任」（Zero Trust）架構下的熱門選擇。

不同於傳統資訊加密技術將密鑰儲存在設備的方式，PUF 技術主要使用一個客製應用積體電路（Application Specific Integrated Circuit , ASIC）或現場可程式閘陣列（Field Programmable Gate Array , FPGA）就可以完成，透過製造時挑戰／反應數據庫（Challenge／Response）的建立，便能在無須加密認證演算法的情況下對設備進行驗證，防止身分被竊取、竄改的同時，也免除了將私鑰儲存在設備的額外成本以及金鑰遺失的風險。

自 2013 年開始，PUF 已經開始逐漸受到重視，只是就像所有的密碼學應用一樣，儘管 PUF 技術存在著這些驚人特性，駭客攻擊手法也仍在持續演化中。國外一些研究已經證明，透過機器學習，AI 技術還是可能預測出密鑰並獲取數據，因此針對 PUF 技術的改良研發也仍在持續進步中。

以賓州大學團隊 5 月公布在《Nature Electronics》的最新研究為例，工程科學與力學助理教授 Saptarshi Das 就進一步結合了石墨烯（Graphene）的諸多特性，開發出一種新型低功耗、可擴展及可重構的 PUF，在面對 AI 攻擊時也能保持顯著彈性不易被入侵。

據研究人員表示，透過石墨烯獨特的物理和電學性質，新型 PUF 更加節能、可延展，即使受到 AI 攻擊試圖預測金鑰，受損的系統也可以在不需要額外硬體或更換元件的情況下重新配置過程並生成新密鑰，藉此有效抵抗對傳統矽製 PUF 構成威脅的 AI 攻擊。

隨著物聯網走入各大產業、設備數量大規模增長，可想見更嚴峻的資安挑戰也即將到來。目前國內廠商及研究團隊許多針對 PUF 的努力正在進行，除了矽智財知名大廠力旺開發的 NeoPUF 技術，成功大學電機系張順志教授進行的研究也是其中之一。

在「具高安全性且低耗能之物聯網晶片電路及系統之分析、設計及實作」整合型計劃中，張教授希望透過超低功耗之類比數位轉換器設計技術及內建物理密鑰技術、 AI 輔助訊號轉換電路設計技術的研發，來提升物聯網晶片的安全性與穩定性。據了解，該項目已經進入後期階段，將基於先前的經驗嘗試完成整個物聯網系統的實體整合與量測驗證。