AdaTest：用于片上硬件木马检测强化学习与自适应采样
人工智能
2022-04-14 v1
摘要
本文提出AdaTest，一种用于高效可靠硬件木马（HT）检测的新型自适应测试向量生成框架。HT是一种篡改受害集成电路（IC）设计的后门攻击。AdaTest在可扩展性和在噪声与变异存在下检测较小木马的精度方面改进了现有HT检测技术。为实现高触发覆盖率，AdaTest利用强化学习（RL）产生多样化的测试输入集合。特别地，我们以迭代方式逐步生成具有高奖励值的测试向量。在每次迭代中，测试集被评估并按需自适应扩充。此外，AdaTest集成自适应采样以优先处理为HT检测提供更多信息量的测试样本，从而在减少样本数量的同时提升样本质量以实现更快探索。我们以软硬件协同设计原则开发AdaTest，并给出优化的片上架构方案。AdaTest的架构通过两种方式最小化硬件开销：（i）在可编程硬件上部署电路仿真以加速测试输入的奖励评估；（ii）通过自动构建用于测试输入生成、奖励评估和自适应采样的辅助电路对AdaTest各计算阶段进行流水线化。我们在多种HT基准上评估AdaTest性能，并与两种使用逻辑测试进行HT检测的已有工作比较。实验结果表明，在达到相同或更高木马检测率的同时，与已有工作相比AdaTest带来了高达两个数量级的测试生成加速和两个数量级的测试集规模缩减。
引用
@article{arxiv.2204.06117,
title = {AdaTest:Reinforcement Learning and Adaptive Sampling for On-chip Hardware Trojan Detection},
author = {Huili Chen and Xinqiao Zhang and Ke Huang and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:2204.06117},
year = {2022}
}