买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉温州大学申请的专利一种基于机器学习的强PUF稳定激励筛选方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115759201B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211464057.8，技术领域涉及：G06N3/0464；该发明授权一种基于机器学习的强PUF稳定激励筛选方法是由汪鹏君;周子宇;李刚;叶浩设计研发完成，并于2022-11-22向国家知识产权局提交的专利申请。

本一种基于机器学习的强PUF稳定激励筛选方法在说明书摘要公布了：本发明公开了一种基于机器学习的强PUF稳定激励筛选方法，通过采用1和0对一组激励的稳定性进行量化，定义稳定性为1的一组激励为稳定激励，稳定性为0的一组激励为不稳定激励，将一组激励与其对应响应的稳定性定义为CSP，然后采用CSP构建机器学习训练数据集来训练机器学习模型，得到筛选模型，从而将激励稳定性与筛选模型进行关联，在强PUF实际应用时，通过筛选模型即可确定强PUF的激励稳定性，从而筛选出强PUF的稳定激励来形成稳定激励集作为强PUF输入用于身份信息提取；优点是可以有效提高各种基于强PUF的稳定性，并且外部干扰越强，效果越明显。

本发明授权一种基于机器学习的强PUF稳定激励筛选方法在权利要求书中公布了：1.一种基于机器学习的强PUF稳定激励筛选方法，其特征在于包括以下步骤： 步骤1、随机生成n组激励用于测试强PUF的稳定性，n为大于等于100000的整数，将n组激励中每组激励均重复输入强PUFm次，m为大于等于100的整数，得到每组激励对应的m个响应，若n组激励中某组激励对应的m个响应全部相同，则该组激励为稳定激励，其对应响应的稳定性为1，否则该组激励为不稳定激励，其对应响应的稳定性为0，从而得到n组激励中每组激励对应响应的稳定性； 步骤2、将一组激励与其对应响应的稳定性定义为CSPChallenge-StabilityPair，将n组激励中每组激励与其对应响应的稳定性构成一个CSP，此时得到n组CSP，采用该n组CSP构成机器学习训练数据集； 步骤3、获取一机器学习模型，将该机器学习模型中待求参数的数量调整至与强PUF的一组激励的位数相同，每个待求解参数对应为一组激励中的一位激励；将每个CSP中一组激励作为所述的机器学习模型的输入，一组激励对应响应的稳定性作为所述的机器学习模型的输出，采用n组CSP对所述的机器学习模型进行训练，直至所述的机器学习模型收敛，此时所述的机器学习模型训练完成，该训练完成的机器学习模型即为筛选模型，其中，在所述的机器学习模型训练的过程中，利用优化算法对所述的机器学习模型的损失函数进行最小值寻优，当损失函数最小时，表明该机器学习模型收敛； 步骤4、在强PUF实际应用时，采用所述的筛选模型筛选稳定激励，具体过程为： S1、随机生成强PUF的多组激励，采用多组激励构成初始激励集初始激励集中多组激励随机排序； S2、将初始激励集中的多组激励按顺序依次作为所述的筛选模型的输入，输入所述的筛选模型中，每输入一组激励，所述的筛选模型的输出即为该组激励对应的稳定性，如果所述的筛选模型输出为1，则表明输入所述的筛选模型的一组激励为稳定激励；如果所述的筛选模型输出为0，则表明输入所述的筛选模型一组激励为不稳定激励；在初始激励集中多组激励未全部输入所述的筛选模型之前或者全部输入所述的筛选模型后，如果得到的稳定激励数量满足实际应用需求，则停止输入；在初始激励集中多组激励全部输入所述的筛选模型后，如果得到的稳定激励数量仍未满足实际应用需求，则返回步骤S1，直至得到的稳定激励数量满足实际应用需求； 步骤5、采用步骤4确定的所有的稳定激励构成稳定激励集，该稳定激励集作为强PUF输入用于身份信息提取。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人温州大学，其通讯地址为：325000 浙江省温州市瓯海区东方南路38号温州市国家大学科技园孵化器；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。