7.1 PUF 与真随机数：把缺陷变成资产

7.1 PUF 与真随机数：把缺陷变成资产

本节摘要：「物理不可克隆函数」这个术语点破了一个事实——芯片制造偏差无法被复制，那就让它成为每颗芯片的指纹。本节对照 PUF（要稳定随机）与 TRNG（要流动随机）两种需求画像，拆解忆阻器担任两者的机制资本与工程补偿方案。

「物理不可克隆」三个字值多少钱

「物理不可克隆函数」（Physical Unclonable Function）的译名拗口，逻辑却朴素：同一张光刻版图做出的两颗芯片，因为工艺偏差（线宽涨落、掺杂波动、缺陷分布）必然不同——把这些"无意为之的差异"读出来，就是无法伪造的出生证明。密钥不再写在存储器里（可被读出窃取），而是"生"在器件物理里：要偷密钥，得先复制这颗芯片的原子级缺陷，而这正是"不可克隆"的含义。对每年出货百亿颗的物联网设备，这是一门刚需生意。

忆阻器进场靠的是机制资本：ECM/VCM 器件的细丝成核位置天生随机（第 2 章的"缺陷"），首次 forming 后的初始阻值分布在器件间可以相差几个数量级——这个让存储工程师头疼的"个体差异"，读成 0/1 序列就是指纹。更重要的是忆阻 PUF 是可重构的：重新 forming 就换一副指纹，被泄露后可以"换证"，这是 SRAM PUF（上电噪声决定，不可再生）做不到的。

图：忆阻器 PUF 阵列的熵源与读取链

稳定随机与流动随机：两种完全不同的商品

PUF 与 TRNG 常被混在"硬件随机"一个筐里，但它们对随机性的要求几乎对立。PUF 买的是"不变的意外"：缺陷分布一旦形成就要稳如磐石，多次读出必须给出同一答案（稳定性 >99.97%，不足处由模糊提取的纠错码兜底）；它讨厌循环涨落——那是噪声污染指纹。TRNG 买的是"不停的新意外"：每次采样必须独立、不可预测（熵率 >0.997/比特，NIST SP 800-22 与 90B 检测套件把关）；它讨厌稳定——两个周期读出一样的分布就麻烦了。

忆阻器的巧妙在于两种商品它都能供，靠的是换读取协议。PUF 协议：forming 后不动，读小电压取初始分布。TRNG 协议：让器件进入亚稳区（读电压设在 SET 阈值附近），每次读出落在 0 或 1 由热涨落现场决定，读后弱复位、连续采样——涨落即熵源。一个 4 kb 阵列上午当指纹、下午当骰子，硬件复用率是安全芯片设计师的浪漫。

三指标与工程补偿

评估忆阻 PUF 用三个量化指标：熵率（位流的不可预测度，理想 1 比特/位）、片间唯一性（任意两芯片响应的汉明距离，理想 50%）、稳定性（同一芯片跨时间温度读出的汉明距离，理想 0%）。实测忆阻 PUF 的典型成绩：唯一性 48%~52%（接近理想），原始稳定性 85%~95%（不达标，这是主要短板）。短板的补偿是标配三件套：多数表决（读 5 次取众数）、纠错码（BCH 码 + 辅助数据）、模糊提取（把带噪生物般的指纹提炼成稳定密钥，代价是每 128 位密钥要存数百位辅助数据）。这三件套让系统级稳定性回到 99.99% 以上——但工程者也必须诚实：补偿电路的面积与复杂度是 PUF 方案选型的隐性大头。

老化的威胁同样要记账。器件阻值随时间与温度漂移（第 3 章的 retention 话题在安全语境下的变体），指纹会"缓变"——定期再生（重新挑战响应、更新纠错辅助数据）与温漂预测补偿是量产方案的两件保命衣。ECM 器件的金属细丝扩散让漂移更凶，因此主流忆阻 PUF 选 VCM/HZO 材料体系：随机性够、漂移相对可控。

⚠️ 常见坑：把 TRNG 的 NIST 测试通过当成安全性证明。NIST 套件只能检测统计缺陷，不能证明物理熵源不可被建模——侧信道攻击者针对的是熵源的电路实现（电源毛刺、温度注入可以把亚稳器件"推"向确定态）。合格的安全设计要做注入攻击对抗测试，这超出了统计检测的范畴。

💡 关键直觉：PUF 卖"缺陷的不变"，TRNG 卖"涨落的新鲜"，忆阻器用两种读取协议供应两种商品。理解这一句，市面上所有"忆阻安全芯片"的宣传都能秒懂其技术底牌。

忆阻 PUF 与 SRAM PUF：正面对决

既然市场已有成熟的 SRAM PUF，忆阻 PUF 凭什么分蛋糕？把两者放上擂台。SRAM PUF 的熵源是上电瞬间触发器的不确定初态：零成本（每颗 SRAM 芯片自带）、极成熟（已批量商用十年以上）、但指纹是"出厂即定"的——理论上可以从原理上被建模攻击（初态偏向由晶体管失配的统计规律决定），且掉电重上电读出的稳定性受温度与老化影响，纠错开销随年限增长。忆阻 PUF 的熵源是 forming 过程的原子级随机：维度更高（细丝位置、形貌、阻值幅度多层随机叠加），建模攻击难度更大；可重构性（重新 forming 换指纹）是独有的"挂失补卡"能力；另外它天然适合做"挑战-响应矩阵"——一个 4 kb 阵列按不同行列组合可以生成远多于 4k 位的响应对，抗机器学习的克隆攻击面更大。SRAM PUF 的反击点是零成本与生态成熟度。擂台判词：存量市场（已部署的设备根信任）暂时姓 SRAM，增量市场（需要可重构、可远程重置信任的物联网与云安全）在向忆阻 PUF 开门。这个判断句的结构，正是全书反复出现的"分场景判胜负"。

# PUF 稳定性与唯一性的最小评估流程（教学演示）
import random
def puf_metrics(n_chips=50, n_bits=128, flip_p=0.03):
    # 每颗芯片生成基础指纹，再按 flip_p 模拟读出抖动
    ref = [[random.randint(0, 1) for _ in range(n_bits)] for _ in range(n_chips)]
    reads = [[[b ^ (random.random() < flip_p) for b in row] for row in ref] for _ in range(5)]
    # 唯一性：不同芯片指纹的平均汉明距离 / 位长，理想 0.5
    uniq = sum(sum(a != b for a, b in zip(ref[i], ref[j])) / n_bits
               for i in range(n_chips) for j in range(i + 1, n_chips))
    uniq /= n_chips * (n_chips - 1) / 2
    # 稳定性：同一芯片多次读出相对首读的平均翻转率，理想 0
    stab = sum(sum(a != b for a, b in zip(ref[c], reads[k][c]))
               for k in range(1, 5) for c in range(n_chips))
    stab /= (n_chips * (5 - 1) * n_bits)
    return {"uniqueness": uniq, "stability": 1 - stab}
# 原始稳定性 97%（flip_p=0.03）时，纠错开销约每 128 位密钥配 300~500 位辅助数据
​

原始稳定性与纠错开销的换算是 PUF 方案的经济账核心：稳定性每掉一个点，辅助数据与纠错电路的成本近似指数上升。这就是为什么器件侧把"读出协议优化到 99% 以上"比"发明新熵源"更有商业价值——下游成本对上游一个点的敏感度，远超直觉。

本节要点回顾

• 不可克隆的经济学：工艺偏差→芯片指纹→密钥生于物理而非存储器，物联网安全是刚需市场。
• 忆阻 PUF 的独门：可重构（重新 forming 换指纹）+ 阵列密度高，SRAM PUF 做不到前者。
• 两种商品两种协议：稳定随机（PUF）与流动随机（TRNG）需求对立，同一阵列换协议即可切换角色。
• 三指标与三件套：熵率/唯一性/稳定性打分，表决+纠错+模糊提取补短板；老化靠再生与温漂补偿。