基于图神经网络的自动物理设计水印
密码学与安全
2024-07-31 v1 硬件体系结构
摘要
本文提出AutoMarks，一个利用图神经网络实现的自动且可迁移的水印框架，以减少放置阶段的水印搜索开销。AutoMarks的新型自动水印搜索通过以下方式实现：(i)构建具有物理、语义和设计约束感知表示的新型图和节点特征；(ii)设计一种数据高效的抽样策略，用于收集水印保真度标签；(iii)利用图神经网络学习单元之间的连通性并预测在未知布局上的水印保真度。在ISPD'15和ISPD'19基准测试中的广泛评估表明，我们提出的自动方法：(i)能够在短时间内找到质量保护的水印；(ii)在各种设计之间具有可迁移性，即在一个布局上训练的AutoMarks可推广到其他基准电路。AutoMarks也能抵御潜在的水印移除和伪造攻击。
引用
@article{arxiv.2407.20544,
title = {Automated Physical Design Watermarking Leveraging Graph Neural Networks},
author = {Ruisi Zhang and Rachel Selina Rajarathnam and David Z. Pan and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:2407.20544},
year = {2024}
}
备注
accept to MLCAD24, code: https://github.com/ruisizhang123/PD_WM_GNN