Device behavioural blueprint (DB2): A risk-aware framework for unique device behaviour profiling using microarchitectural variations

Muthupavithran Selvam

doi:10.1016/j.jnca.2026.104526

Device behavioural blueprint (DB2): A risk-aware framework for unique device behaviour profiling using microarchitectural variations

2026-06-03

0

OA

AI

M

Muthupavithran Selvam *

Rajarajan Muttukrishnan

DOI：10.1016/j.jnca.2026.104526

原文链接

查看原文

摘要

En 中文

本文介绍了DB2，一种风险感知的行为身份框架，该框架通过CPU–RTC时序偏差和性能监控单元（PMU）微架构事件推导设备身份，无需依赖GPU、无线电、传感器或专用硬件。该方法通过结构化的信号处理流水线捕获振荡器耦合的时序变化和执行行为，生成设备特定的行为特征，这些特征在重启、温度变化和核心转换后仍可区分。DB2将身份保障结构化为三层：闭集识别、校准的开集拒绝和稳定性感知的风险评分。在严格的三分拆分（训练、校准和未见测试）且重启分离的评估下，未见重启的宏F1得分为0.957。开集层在严格的留一设备验证中，以校准的事件级误拒率约0.08，将先前未见的设备拒绝率平均为0.990（操作点选择仅在校准拆分上进行）。一种动态感知识别与风险（DAIR）机制将行为稳定性分解为温度、重启和核心因素，为注册设备提供可解释的态势监控。在通过欺骗、Sybil攻击和重标记等涉及克隆的身份声明操纵场景下，目标身份表现出识别一致性的降低和风险升高，而非目标设备在相同的校准设置下保持稳定。这些结果表明，行为指纹可以从边缘设备的标准CPU、RTC和PMU可访问资源中推导，无需专用硬件即可在物联网和边缘环境中实现设备身份和行为保障监控。

Keyword:

Device fingerprinting

Microarchitectural behaviour

CPU–RTC timing drift

PMU-based identification

Closed-set identification

Open-set recognition

DAIR risk scoring

Edge device security

Device behavioural blueprint (DB2): A risk-aware framework for unique device behaviour profiling using microarchitectural variations

摘要

AI总结

期刊

机构