PCB Fingerprinting: Using Optical Variations for Hardware Authentication

본 연구는 PCB 제조 공정 중 발생하는 미세하고 무작위적인 결함(비아, 트레이스 등의 형태 및 질감 변화)을 고유한 '지문'으로 활용하여, 별도의 디자인 변경 없이 전자 기기의 진위 여부를 판별하는 비파괴적 인증 방법을 제안합니다.

단계	주요 내용 및 방법론
1. 디지털화 (Digitization)	디지털 현미경(Stereo Discovery 8.0)을 사용하여 PCB 표면의 비아(Via), SMD 패드 등을 고해상도로 촬영합니다. 케이스에 싸인 기기의 경우 산업용 X-ray CT 기술을 활용하여 내부 PCB 이미지를 획득합니다.
2. 전처리 (Preprocessing)	이미지 캡처 과정에서 발생하는 기하학적 왜곡과 조명 노이즈를 제거합니다. 이미지 평균화 및 중앙값 필터링(Median filtering)을 적용하여 품질을 개선합니다.
3. 세그멘테이션 (Segmentation)	템플릿 매칭 기술을 사용하여 분석 대상인 관심 영역(ROI, 예: 비아 표면)을 자동으로 탐지합니다. 처리 속도 향상을 위해 저화질 그레이스케일 이미지를 템플릿으로 사용합니다.
4. 지문 생성 및 비교 (Similarity Measure)	추출된 지문 패턴의 유사도를 측정하기 위해 정규화된 상호 상관(Normalized Cross-Correlation, NCC) 기법을 사용합니다. 이는 복잡한 특징 추출 없이도 조명 변화에 강건한 매칭을 가능하게 합니다.
5. 진위 판별 (Authentication)	계산된 NCC 최대값이 실험적으로 설정된 임계값보다 높으면 '정품', 낮으면 '위조품'으로 판별합니다. 다수의 비아를 순차적으로 분석하여 정확도를 높입니다.

주요 결과

• 성능 입증: 10개의 실제 PCB 테스트 표면에서 동일한 비아를 대상으로 진위 판별 실험을 수행하여 성공적인 결과를 얻었습니다.
• 수치적 근거: 500개의 이미지를 대상으로 한 실험에서 약 10%의 오류율(오탐지 및 미탐지 포함)을 기록했습니다.
• 강건성: 정품의 경우 NCC 값이 0.9693 수준으로 나타난 반면, 위조품(등록되지 않은 표면)은 상대적으로 낮은 상관관계를 보였습니다.

한계점 및 향후 과제

• 표본 크기의 제한: 초기 연구 단계로 테스트된 PCB 표면의 수가 적어 결과의 일반화에 한계가 있습니다.
• CT 영상 처리의 난제: X-ray CT 이미지를 사용할 경우, 자동 이미지 등록 및 세그멘테이션 과정에서 광학 이미지보다 더 큰 기술적 도전 과제가 예상됩니다.
• 향후 계획: 80개의 맞춤형 PCB에서 추출한 9,600개의 비아 패턴을 활용하여 대규모 성능 평가를 실시하고, 혼동 행렬(Confusion Matrix) 및 ROC 커브를 통해 정확도를 검증할 예정입니다.

1. 통계적 유의성 분석

본 연구는 PCB 표면의 미세한 변화를 하드웨어 지문으로 정의하고, 이를 정규화된 상호 상관(Normalized Cross-Correlation, NCC) 기법을 통해 통계적으로 검증하였습니다.

1.1 유사도 측정 및 판별 로직

• NCC 지표 활용: 테스트 이미지와 데이터베이스에 등록된 템플릿 사이의 상관계수를 계산하여 유사도를 측정합니다.
• 판별 임계값: 최대 상관계수가 실험적으로 설정된 임계값보다 크면 정품(Authentic)으로, 낮으면 위조품(Counterfeit)으로 분류합니다.
• 상관도 수치: 정품 매칭의 경우 0.9693의 높은 값을 보인 반면, 서로 다른 표면 간의 매칭에서는 0.9246으로 상대적으로 낮은 수치가 도출되었습니다.

1.2 오류율 및 성능 지표

• 실험 데이터 규모: 100개의 비아 표면에서 5일간 촬영한 500개의 이미지를 대상으로 성능을 평가했습니다.
• 오류 발생: 임계값 범위 0.935 ~ 0.945 사이에서 약 30~40건의 오류가 확인되었습니다.
• 통계적 수치: 위 실험 결과, 가양성(False Positive)과 진음성(True Negative)을 포함한 전체 오류율(Error Rate)은 약 10%로 산출되었습니다.

2. 샘플링의 한계점 분석

연구의 초기 단계로서 표본의 구성과 수집 환경 측면에서 다음과 같은 한계점이 식별되었습니다.

2.1 표본 규모 및 다양성의 부족

• 제한된 표본 수: 초기 실험은 10개의 실제 PCB 테스트 표면만을 사용했으며, 일부 결과는 표본 수가 너무 적어 보고되지 못했습니다.
• 제조 조건의 균일성: 실험에 사용된 비아들이 유사한 크기, 형태 및 제조 조건을 가지고 있어, 다양한 제조 공정에서 발생하는 변수를 충분히 반영하지 못했을 가능성이 있습니다.

2.2 실험 환경의 통제성

• 제한적 변인: 본 연구는 '통제된 조건(Controlled conditions)' 하에서 아이디어를 입증하는 개념 증명(Proof-of-concept) 수준에 머물러 있습니다.
• 수동적 템플릿 선정: 실험에 사용된 템플릿 이미지가 알고리즘에 의해 자동 추출된 것이 아니라 수동으로 선택되어 선택 편향(Selection bias)이 개입될 여지가 있습니다.

2.3 환경적 요인 미비

• 노이즈 영향: 실험실 환경의 디지털 현미경을 사용하여 이미지 품질이 매우 높았으며, 실제 현장에서 발생할 수 있는 가혹한 조명이나 환경 노이즈에 대한 충분한 검증이 부족합니다.

3. 향후 개선 과제

항목	현재 수준	향후 계획 및 필요 사항
샘플 규모	100개 비아 기반 500개 이미지	80개 PCB에서 추출한 9,600개 비아 패턴 분석
분석 도구	단일 비아 기반 NCC 매칭	7~9개 비아의 벡터 분석을 통한 확장성 개선
성능 검증	단순 오류율 산출 (~10%)	혼동 행렬 및 ROC 커브를 통한 정밀 평가
이미징 기술	광학 현미경 중심	기기 커버를 투과하는 산업용 CT 이미지 적용

 

PCB Fingerprinting: Using Optical Variations for Hardware Authentication.pdf

1.24MB