CircuitGuard: Mitigating LLM Memorization in RTL Code Generation Against IP Leakage
密码学与安全
2025-10-23 v1
摘要
大型语言模型 (LLM) 在生成任务中取得了显著的成功，包括寄存器传递水平 (RTL) 硬件综合。然而，它们倾向于记忆训练数据在推理期间意外暴露专有或安全敏感设计方面构成严重风险。虽然先前的工作考察了自然语言中的记忆，但 RTL 引入了独特的挑战: 在 RTL 中，结构上不同的实现(例如行为 vs. 门级描述)可以实现相同的硬件，导致知识产权 (IP) 漏洞(完整或部分)即使没有逐字重合也会发生。相反，，即使是小的语法变化(例如运算符优先级或阻塞 vs. 非阻塞分配)也会大幅改变电路行为，使得在保持正确性方面尤其具有挑战性。在本工作中，我们系统性地研究了 RTL 代码生成中的记忆，并提出了 CircuitGuard，这是一种平衡漏洞减少与正确性保持的防御策略。CircuitGuard (1) 引入了一种新颖的 RTL 敏感相似度度量标准，用于捕捉超越表面层重合的结构和功能等价性，(2) 发展了一种在激活水平上进行引导的方法，用于识别和削弱最负责记忆的变压器组件。我们的实证评估表明，CircuitGuard identifies (and isolates) 275 memorization-critical features across layers 18-28 of Llama 3.1-8B model, achieving up to 80% reduction in semantic similarity to proprietary patterns while maintaining generation quality。CircuitGuard 进一步显示 78-85% 的跨域传递有效性，使在不重新训练的情况下实现对电路类别的稳健记忆缓解。
引用
@article{arxiv.2510.19676,
title = {CircuitGuard: Mitigating LLM Memorization in RTL Code Generation Against IP Leakage},
author = {Nowfel Mashnoor and Mohammad Akyash and Hadi Kamali and Kimia Azar},
journal= {arXiv preprint arXiv:2510.19676},
year = {2025}
}