多出力LSTMによる定常状態電力波形推定を利用した消費電力解析にもとづくデバイスの異常動作検知手法

集積回路 (IC) の複雑化・高機能化に伴う設計・製造の外注化によりハードウェアデバイスのセキュ リティ課題が顕在化している．ハードウェアデバイスの異常動作検知手法の一つに電力解析があるが， IoT (Internet of Things) デバイスの中には OS (Operating System) 上で複数のアプリケーションが動作し複雑な消費電力波形を持つものも多く，これまでの電力解析手法をそのまま適用するだけでは異常動作 を検知できない．そこで OS などによる定常的な電力波形を推定し測定した電力波形から除去することで， アプリケーションプログラム実行による電力変化を抽出し異常動作検知する手法が提案されている．これ まで時間軸逆方向に推定する処理を必要としたため過去の異常動作しか検知できなかった.本稿では多出力 LSTM (long short-term memory) を利用して時間軸方向の推定のみで定常状態電力波形を推定する手法を提案する．提案手法により従来手法より早い段階で異常動作を検知できる．実験の結果，提案手法により IoT デバイス上での異常動作を検知することに成功した．

Hardware security issues have emerged in recent years since more third parties are involved in various stages in designing and manufacturing integrated circuits (ICs). Power analysis is one of the methods to detect anomalous behaviors in IC products, but it is hard to apply conventional methods to those where an operating system (OS) and various software programs are running, because they have complex power waveforms. In this paper, we propose an anomalous behavior detection method which can apply to such a complex hardware device. In the proposed method, steady-state power waveforms caused by an OS is firstly obtained using LSTM(long short-term memory),one of the recurrent neural network architectures. By using LSTM only in the forward direction, we can obtain the steady-state power waveforms in a real-time manner. Hence we can detect an anomalous behavior in a real-time manner. Experimental results demonstrate the effectiveness of the proposed method.