MétaCan
Menu
Retour à la cohorte
Enregistrement W7111087712 · doi:10.1109/icjece.2025.3628528

Design and Implementation of a Low-Power Memristor-Based Piccolo-80 Lightweight Encryption Algorithm Using VTM Logic Gates

2025· article· W7111087712 sur OpenAlexaffvenue

Notice bibliographique

RevueCanadian Journal of Electrical and Computer Engineering · 2025
Typearticle
Langue
DomaineEngineering
ThématiqueAdvanced Memory and Neural Computing
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésEncryptionCryptographyEnergy consumptionHardware security moduleStateful firewallImplementationCMOSEfficient energy useKey (lock)

Résumé

récupéré en direct d'OpenAlex

Lightweight cryptography (LWC) has become increasingly critical for ensuring secure communication in energy-constrained Internet of Things (IoT) systems. Memristor-based architecture provides a promising approach for secure communication in energy-sensitive and hardware-constrained applications. Piccolo is a lightweight encryption algorithm that offers high security while enabling compact hardware implementation. In addition, Piccolo is specifically designed to operate efficiently in resource-limited environments, making it a strong candidate for low-energy applications such as IoT devices. However, earlier implementations of the Piccolo algorithm on field-programmable gate array (FPGA) platforms, CMOS, and hybrid memristor-CMOS (MeMOS) technology have faced challenges with high power consumption, hardware overhead, and limited scalability. This article presents a novel architecture for implementing the Piccolo-80 encryption algorithm using the voltage-to-memristance (VTM) approach, in which the design maps Piccolo’s primary operations onto VTM stateful logic gates. This enhances performance, reduces switching activity, and leverages the nonvolatile properties of memristors. The proposed design introduces VTM-based memristor logic gates that significantly reduce hardware complexity and power consumption compared with previous implementations. The results from comparing CMOS and hybrid MeMOS implementations in terms of area and energy consumption demonstrate that hardware implementation of Piccolo’s lightweight algorithm using the VTM approach not only improves energy efficiency but also enables the design of optimized, low-power circuits. The design achieves a power consumption of 17.4 mW at 1.8 V and 133 MHz, with only 1214 gate equivalents (GEs), reducing power by up to 32% and area by nearly 20% compared with state-of-the-art hybrid MeMOS designs.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,009
Tête enseignante GPT0,225
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Electrical and Computer EngineeringMême sujetAdvanced Memory and Neural ComputingTravaux en français237 207