基于忆阻器细胞神经网络的内存处理PUF水印嵌入技术研究

《IEEE Transactions on Emerging Topics in Computing》：Processing In-Memory PUF Watermark Embedding with Cellular Memristor Network

　　本文针对传统物理不可克隆函数(PUF)在图像水印应用中硬件开销大、能效低的问题，提出了一种基于忆阻器细胞神经网络(CeNN)的双模式PUF水印嵌入方案。研究人员通过利用忆阻交叉阵列的固有变异性生成设备特定的特征掩码，实现了图像处理与安全水印的同步完成。实验结果表明，该方法在FPGA平台上展现出优异的唯一性(接近50%)、随机性(最高98.8%)和可靠性，且能有效抵抗机器学习攻击，为边缘计算设备的图像安全认证提供了创新解决方案。

　　

在当今数字化时代，图像数据的爆炸式增长给信息安全带来了严峻挑战。数字水印作为保护图像版权和溯源的有效手段，其安全性和实用性备受关注。传统的水印技术往往依赖于数字加密算法，但这些方法面临着密钥管理复杂、易被破解等问题。与此同时，物理不可克隆函数(PUF)技术的出现为设备级安全认证提供了新思路，它利用制造过程中产生的固有物理差异生成不可克隆的唯一标识。然而，现有的PUF方案在图像处理应用中存在明显局限——它们需要额外的专用电路来实现水印功能，这不仅增加了芯片面积和功耗，还影响了系统整体效率。

针对这一技术瓶颈，研究人员开创性地将忆阻器细胞神经网络(CeNN)与PUF技术相结合，提出了一种创新的双模式水印嵌入方案。这项发表在《IEEE Transactions on Emerging Topics in Computing》的重要研究，通过巧妙利用忆阻交叉阵列的固有变异性，实现了图像处理与安全水印生成的完美融合。

研究团队采用了几项关键技术方法：首先是基于斯坦福-北京大学RRAM模型的忆阻器变异性建模，通过设置R_ON=500KΩ和R_OFF=2MΩ的电阻状态，并引入±20%的工艺变异来模拟真实器件特性；其次是细胞神经网络架构设计，采用M×N网格结构，每个细胞通过克隆模板与邻域细胞连接，实现并行图像处理；此外还开发了FPGA验证平台，在Xilinx Zynq-7010处理器上使用16位定点数实现系统验证。

细胞神经网络稳定性分析

研究人员首先验证了CeNN架构的稳定性。通过4×4网络实例，使用平滑模板A=[0,1,0;1,2,1;0,1,0]进行测试，结果显示状态变量x_m,n的最大绝对值为1.5，接近理论值v_max=1.8。在引入20%电阻变异后，系统仍保持稳定，稳定平衡点幅值大于1，满足CeNN的稳定性条件。

PUF水印性能评估

通过结构相似性指数(SDIM)和峰值信噪比(PSNR)对水印效果进行量化评估。实验发现，在R_ON+ξR_ON和R_OFF+ξR_OFF组合下，平滑模板的SDIM达到0.535(ξ=0.2)，表明水印具有良好独特性。同时，水印图像的PSNR值达到59.78dB，优于传统的DCT(47.18dB)、DFT(53.3dB)等水印方法。

抗攻击能力分析

针对机器学习攻击的威胁，研究团队进行了深入分析。结果表明，CeNN-PUF的挑战-响应对数量随图像尺寸和变异参数呈指数增长，N_a-CRP~O(4MN(2r+1)²)^l。对于28×28的MNIST数据集，攻击者需要10⁷天才能完成模型训练，且准确率随数据集增大而下降，证明该系统对ML攻击具有强抵抗力。

可靠性验证

在环境适应性方面，CeNN-PUF在温度(300K-400K)和电源电压(1.8V-2.4V)变化条件下仍保持良好性能。当温度升至330K时，系统可靠性达97.5%(P_TH=0)，通过调整阈值P_TH可进一步提升至99.5%。在噪声环境下，即使噪声方差达到1.0，水印仍能保持可检测性。

这项研究的创新之处在于成功实现了"内存计算"范式下的安全水印生成，消除了传统冯·诺依曼架构的数据传输瓶颈。通过利用忆阻器的固有变异性，该系统无需额外PUF电路即可生成设备独有特征，显著降低了硬件开销。实验数据显示，与现有CeNN实现方案相比，提出的忆阻器架构在64×64规模下功耗降低至1499mW，面积减少至2293μm²，展现出显著的能效优势。

值得注意的是，该技术特别适合边缘计算场景的应用，如智能医疗、军事通信等对数据安全要求严格的领域。由于水印生成与图像处理同步完成，该系统能够为实时图像传输提供端到端的安全保障。此外，克隆模板的可编程性使系统能够适应不同的应用需求，如平滑滤波、边缘检测和半色调处理等多种图像处理任务。

尽管该研究取得了重要突破，作者也指出了一些有待进一步探索的挑战，特别是针对后水印处理（如压缩、裁剪）的鲁棒性保障。未来研究方向可能包括开发多分辨率水印嵌入策略、结合侧信道数据的恢复机制等，以进一步提升系统的实用性和适应性。

总体而言，这项研究为基于硬件的图像安全认证开辟了新途径，通过将PUF技术与忆阻计算相结合，实现了安全性与能效的统一，为物联网时代的图像数据保护提供了有力的技术支撑。