从深度学习视角攻击拆分制造
密码学与安全
2020-07-09 v1 机器学习
摘要
集成电路拆分制造的概念将前段制程(FEOL)与后段制程(BEOL)部分委托给不同代工厂，旨在防止过度生产、知识产权(IP)盗版或对手在 FEOL 工厂中针对性植入硬件木马。本文中，我们通过将各种版图级布局与布线提示表述为基于向量和图像的特征，挑战拆分制造的安全承诺。我们构建了一个复杂的深度神经网络，能够以高准确率推断缺失的 BEOL 连接。与公开可用的网络流攻击[1]相比，对于同一组 ISCAS-85 基准，我们在 M1 层拆分时达到 1.21 倍准确率，在 M3 层拆分时达到 1.12 倍准确率，且运行时间不到 1%。
引用
@article{arxiv.2007.03989,
title = {Attacking Split Manufacturing from a Deep Learning Perspective},
author = {Haocheng Li and Satwik Patnaik and Abhrajit Sengupta and Haoyu Yang and Johann Knechtel and Bei Yu and Evangeline F. Y. Young and Ozgur Sinanoglu},
journal= {arXiv preprint arXiv:2007.03989},
year = {2020}
}