엣지 보안 및 머신러닝 기반 성능 예측을 위한 기능성 소자 연구
Functional Devices for Edge Security and Machine-Learning-Based Performance Prediction
연구 내용
재구성 피드백 FET 기반 물리적 유니클로네이블 함수(PUF)로 보안을 구현하고, 하이브리드 에너지 하베스팅 소자의 성능을 머신러닝으로 예측하는 연구
김상식 연구실은 소자 자체의 랜덤 변이를 활용해 보안 기능을 생성하는 접근과, 머신러닝을 이용해 소자 성능을 예측하는 접근을 함께 수행합니다. 재구성 피드백 field-effect transistor에서 다결정 실리콘 채널이 만드는 랜덤 그레인 경계 변이를 엔트로피 원천으로 활용하여 듀얼 엔트로피 PUF를 구성하고, 추출된 비트로 XOR 기반 암호화 및 복호화 동작의 가능성을 확인합니다. 또한 하이브리드 에너지 하베스팅 장치의 성능을 머신러닝 기반 모델로 예측하여 파라미터-성능 관계를 실무적으로 활용할 수 있는 기반을 마련합니다. 이러한 연구는 엣지 및 IoT 환경에서의 보안과 설계 의사결정에 초점을 둡니다.
관련 연구 성과
관련 논문
2편
관련 특허
0건
관련 프로젝트
0건
연구 흐름
초기에는 하이브리드 에너지 하베스팅 장치의 성능을 머신러닝으로 예측하는 접근을 통해 데이터 기반 모델링 역량을 축적했습니다. 이후 소자 수준에서 랜덤성을 엔트로피로 전환하는 재구성 피드백 FET 기반 PUF로 주 연구 축을 확장하여, 단일 디바이스에서 듀얼 엔트로피를 추출하는 구조를 설계했습니다. 이어서 PUF의 신뢰성 관점에서 분별 특성을 확인하고, 추출 비트를 암호화/복호화에 연결하는 동작 시연으로 엣지 보안 활용 가능성을 강화했습니다. 최근에는 IoT·엣지 적용을 전제로 하는 기능성 구현을 지속적으로 확장하는 방향으로 연구를 수행하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
- PUF 기반 디바이스 인증 모듈
- XOR 암호화/복호화 하드웨어 블록
- 엣지 보안 키 생성
- 재구성 피드백 FET 기반 난수 추출
- IoT 디바이스 지문 기반 접근 제어
- 하이브리드 에너지 하베스팅 성능 예측
- 머신러닝 기반 파라미터-성능 맵
- 에너지 자가전원 설계 의사결정
- 예측 모델 기반 운영 제어 로직
- 데이터 기반 설계 검증 파이프라인
관련 논문
구분
제목
Performance Prediction of Hybrid Energy Harvesting Devices Using Machine Learning
Dual Entropy Source Physical Unclonable Functions of Reconfigurable Feedback Field‐Effect Transistors with Polycrystalline Silicon Channels