ALMOST：通过综合调优的对抗学习缓解无预言机机器学习攻击
密码学与安全
2023-03-07 v1 机器学习
摘要
无预言机机器学习（ML）攻击已经攻破了多种逻辑锁定方案。常规综合（针对面积-功耗-延迟优化）生成的网表中，密钥门局部性容易受到学习攻击。因此，我们呼吁进行安全感知的逻辑综合。我们提出 ALMOST，一个通过综合调优进行对抗学习以缓解无预言机 ML 攻击的框架。ALMOST 使用基于模拟退火的综合配方生成器，采用对抗训练模型，能够预测最先进攻击在广泛配方和密钥门局部性下的准确率。在 ISCAS 基准测试上的实验证实，对于 ALMOST 综合的电路，攻击准确率降至约 50%，同时不损害设计优化。
引用
@article{arxiv.2303.03372,
title = {ALMOST: Adversarial Learning to Mitigate Oracle-less ML Attacks via Synthesis Tuning},
author = {Animesh Basak Chowdhury and Lilas Alrahis and Luca Collini and Johann Knechtel and Ramesh Karri and Siddharth Garg and Ozgur Sinanoglu and Benjamin Tan},
journal= {arXiv preprint arXiv:2303.03372},
year = {2023}
}
备注
Accepted at Design Automation Conference (DAC 2023)