Large-scale parameter characterization of Physical Unclonable Functions (PUFs) is of paramount importance in order to assess the quality and thus the suitability of such PUFs which would then be developed as an industrial-grade solution for hardware root of trust. Carrying out a proper characterization requires a large number of devices that need to be repeatedly sampled at various conditions. These prerequisites make PUF characterization process a very time-consuming and expensive task. Our work presents a dataset for the study of SRAM-based PUFs on microcontrollers; it includes full SRAM readouts along with internal voltage and temperature sensors of 84 microcontrollers of STM32 type. Data has been gathered with a custom-made and open platform designed for the automatic acquisition of SRAM readouts of such devices. This platform also provides possibilities of experimenting aging and reliability properties.

Due to the complex specifications of current electronic systems, design decisions need to be explored automatically. However, the exploration process is a complex task given the plethora of design choices such as the selection of components, number of components, operating modes of each of the components, connections between the components and variety of ways in which the same functionality can be implemented. To tackle these issues, scripts are used to generate designs based on high-level abstract constructions. Still, this approach is usually ad hoc and platform dependent, making the whole procedure hardly reusable, scalable and versatile. We propose a generic, open-source framework tackling rapid design exploration for the generation of modular and parametric electronic designs that is able to work on any major simulator.

Physical Unclonable Functions (PUFs) are integral for generating unique signatures, secret keys, and device identification, leveraging inherent manufacturing process variability. Mathematically defined as functions linking inputs (challenges) to outputs (responses), PUFs exhibit random properties. Key properties for high-quality PUFs include intra-device entropy (random distribution of responses within the same circuit), inter-device entropy (random distribution across different circuits for identical challenges), and reliability (response consistency for identical challenges and the same circuit). Inter-device entropy and reliability may be influenced by design discrepancies, systematic variability, noise, and aging. This paper addresses the correlation between entropy and reliability, providing evidence from an extensive set of circuits featuring diverse Ring Oscillators supplied by Infineon.

Méthodologies pour la Conception, la Modélisation et l'Évaluation de la Qualité des Fonctions Physiques Non Clonables (PUFs): Les Fonctions Physiques Non-Clonables (PUFs) représentent une alternative prometteuse aux méthodes cryptographiques conventionnelles pour sécuriser les données sensibles dans les circuits modernes en générant des secrets uniques à la volée, en tirant parti de la variabilité inhérente des processus et en éliminant le besoin de stockage des données. Les PUF basées sur les oscillateurs en anneau et la SRAM sont particulièrement étudiées en raison de leur simplicité et de leur prévalence dans les systèmes sur puce (SoC).Lors des simulations paramétriques pour l'évaluation des PUF, plusieurs limitations des logiciels commerciaux de conception électronique assistée par ordinateur (EDA) ont été identifiées. Pour répondre à ces défis, une série d'outils open-source ont été développés, tels que Monaco et NIMPHEL, pour simplifier et accélérer le processus de conception et d'évaluation par des méthodologies de simulation.Pour valider les résultats des simulations, une plateforme open-source, SRAMPlatform, a été créée pour recueillir des données étendues de SRAM et des lectures de capteurs provenant de microcontrôleurs. La plateforme collecte des données de 84 microcontrôleurs STM32, avec des mises à jour hebdomadaires stockées dans une base de données en libre accès, répondant ainsi à la rareté des ensembles de données accessibles sur les PUF. De plus, un ensemble de données complet fourni par Infineon a offert des informations précieuses pour valider les hypothèses de simulation et explorer de nouvelles conceptions de PUF.En outre, des limitations significatives dans les métriques de performance standard des PUF ont été notées et plusieurs solutions et nouvelles métriques alternatives pour une évaluation plus robuste sont proposées. Les données réelles provenant de la plateforme SRAM ont montré des biais extrêmes et des effets de corrélation que les métriques canoniques n'ont pas mis en évidence, soulignant la nécessité de méthodologies de test plus robustes pour identifier avec précision ces effets. Une attention particulière a été portée sur la relation entre l'entropie et la fiabilité des PUF, conduisant au développement d'une méthodologie basée sur la simulation pour établir des seuils de fiabilité basés sur les différences de fréquence. Par la suite, un modèle mathématique holistique prenant en compte la variabilité des processus a été créé pour optimiser les conceptions de RO-PUF, et une nouvelle méthodologie de conception, "Split PUF", a été introduite pour maximiser le rendement en entropie et la fiabilité.La modélisation mathématique des PUFs, un domaine moins exploré, est également investiguée, en proposant des méthodologies statistiques et numériques pour améliorer la compréhension des conceptions de PUF basées sur RO et SRAM. Des méthodes statistiques pour l'extrapolation des métriques sont introduites, réduisant le temps et le coût nécessaires pour évaluer les PUFs. En outre, des jumeaux numériques de PUFs sont proposés, facilitant le test et l'évaluation des algorithmes. Ces modèles offrent une méthodologie robuste et rentable pour évaluer les performances des PUF et aider à leur évaluation de sécurité.Ces avancées améliorent les méthodologies d'évaluation des PUF, en répondant aux limitations des outils et des métriques actuels, et en fournissant de nouveaux cadres et modèles pour la recherche future. Les travaux futurs incluent le développement d'un cadre de test unifié pour toutes les familles de PUF, la validation des modèles statistiques sur un spectre plus large de familles de PUF, le raffinement des modèles de jumeaux numériques, et l'extension du concept de Split PUF à de nouvelles familles de PUF. Ces orientations de recherche visent à accélérer l'adoption mondiale des technologies PUF en améliorant les méthodologies d'évaluation, en répondant aux limitations actuelles des outils et des métriques, et en fournissant de nouveaux cadres et modèles pour la recherche future.

Due to the complex specifications of current electronic systems, design decisions need to be explored automatically. However, the exploration process is a complex task given the plethora of design choices such as the selection of components, number of components, operating modes of each of the components, connections between the components and variety of ways in which the same functionality can be implemented. To tackle these issues, scripts are used generate designs based on high abstract constructions. Still, this approach is usually ad-hoc and platform dependent, making the whole procedure hardly reusable, scalable and versatile. We propose a generic, open-source framework tackling rapid design exploration for the generation of modular and parametric electronic designs that is able to work on any major simulator.

Physical unclonable functions (PUFs) leverage process variability to generate unique signatures in electronic devices. They are a strong alternative to conventional security mechanisms as they do not rely on non-volatile memories (NVMs) to store the secrets. However, PUFs can be influenced by external factors and may exhibit biased output distributions, leading to vulnerabilities that could compromise their uniqueness and resistance to cloning. The quality of a PUF is evaluated through a common set of metrics such as uniformity, bit-aliasing, uniqueness, and reliability. However, the lack of standardized methodologies hinders effective comparisons between diverse PUF designs, limiting the broader understanding of their performance. Besides, the underlying physics and mechanisms of PUFs makes them difficult to study and mitigate potential vulnerabilities and attacks. Overall, the quality metrics for PUFs are still evolving, and there is ongoing research to address these challenges and develop more robust and reliable PUFs. In this article, we demonstrate the limitations of current PUF evaluation metrics using experimental data and introduce a novel set of metrics that provide a more rigorous and comprehensive assessment.