Peneliti Temukan Cara Baru Cegah Pencuri Menggondol Data Pribadi

Read Time:2 Minute, 43 Second

WARTABUGAR – belakangan ini lebih banyak data pribadi disimpan dan dibagikan secara digital. Karena pandemi atau teknologi, banyak perusahaan mengurangi tatap muka dan mewajibkan konsumen untuk mengirimkan dokumen pribadi lewat media sosial atau website milik perusahaan atau surat elektornik. Semua itu berpotensi terjadi pencurian data oleh para pelaku kejahatan.

Tapi tenang, para peneliti mencari cara baru untuk melindungi data dari serangan dari pencuri data. Teknologi silikon saat ini memanfaatkan perbedaan mikroskopis antara komponen komputasi untuk membuat kunci aman, tetapi teknik kecerdasan buatan (AI) dapat digunakan untuk memprediksi kunci ini dan mendapatkan akses ke data. Sekarang, peneliti Penn State telah merancang cara untuk membuat kunci terenkripsi lebih sulit untuk dipecahkan.

Dipimpin oleh Saptarshi Das, asisten profesor ilmu teknik dan mekanik, para peneliti menggunakan graphene – lapisan karbon setebal satu atom – untuk mengembangkan perangkat keamanan perangkat keras baru yang berdaya rendah, dapat diskalakan, dan dapat dikonfigurasi ulang dengan ketahanan yang signifikan terhadap serangan AI. Mereka mempublikasikan temuan mereka di Nature Electronics hari ini (10 Mei).

“Ada semakin banyak pembobolan data pribadi baru-baru ini,” kata Das. “Kami mengembangkan perangkat keamanan perangkat keras baru yang pada akhirnya dapat diterapkan untuk melindungi data ini di seluruh industri dan sektor.”

Perangkat, yang disebut fungsi yang tidak dapat digabung secara fisik (PUF), adalah demonstrasi pertama dari PUF berbasis graphene, menurut para peneliti. Sifat fisik dan listrik graphene, serta proses fabrikasi, membuat PUF baru lebih hemat energi, dapat diskalakan, dan aman terhadap serangan AI yang menimbulkan ancaman bagi PUF silikon.

Tim pertama kali membuat hampir 2.000 transistor graphene identik, yang menghidupkan dan mematikan arus dalam suatu rangkaian. Terlepas dari kemiripan strukturalnya, konduktivitas listrik transistor bervariasi karena keacakan yang melekat yang timbul dari proses produksi. Sementara variasi seperti itu biasanya merupakan kelemahan untuk perangkat elektronik, itu adalah kualitas yang diinginkan untuk PUF yang tidak dimiliki oleh perangkat berbasis silikon.

Setelah transistor graphene diimplementasikan ke PUF, para peneliti memodelkan karakteristik mereka untuk membuat simulasi 64 juta PUF berbasis graphene. Untuk menguji keamanan PUF, Das dan timnya menggunakan pembelajaran mesin, sebuah metode yang memungkinkan AI mempelajari sistem dan menemukan pola baru. Para peneliti melatih AI dengan data simulasi PUF graphene, menguji untuk melihat apakah AI dapat menggunakan pelatihan ini untuk membuat prediksi tentang data terenkripsi dan mengungkap ketidakamanan sistem.

“Jaringan saraf sangat baik dalam mengembangkan model dari sejumlah besar data, bahkan jika manusia tidak dapat melakukannya,” kata Das. “Kami menemukan bahwa AI tidak dapat mengembangkan model, dan proses enkripsi tidak mungkin dipelajari.”

Resistensi terhadap serangan pembelajaran mesin ini membuat PUF lebih aman karena peretas potensial tidak dapat menggunakan data yang dibobol untuk merekayasa balik perangkat untuk eksploitasi di masa depan, kata Das. Bahkan jika kunci dapat diprediksi, PUF graphene dapat menghasilkan kunci baru melalui proses konfigurasi ulang yang tidak memerlukan perangkat keras tambahan atau penggantian komponen.

“Biasanya, setelah keamanan sistem disusupi, sistem itu akan disusupi secara permanen,” kata Akhil Dodda, seorang mahasiswa pascasarjana ilmu teknik dan mekanik yang melakukan penelitian di bawah bimbingan Das. “Kami mengembangkan skema di mana sistem yang dikompromikan seperti itu dapat dikonfigurasi ulang dan digunakan lagi, menambahkan ketahanan terhadap gangguan sebagai fitur keamanan lainnya.”

Dengan fitur ini, serta kapasitas untuk beroperasi di berbagai suhu, PUF berbasis graphene dapat digunakan dalam berbagai aplikasi. Penelitian lebih lanjut dapat membuka jalur untuk penggunaannya dalam elektronik yang fleksibel dan dapat dicetak, perangkat rumah tangga, dan lainnya.