DETERRENT：使用强化学习检测木马
机器学习
2022-08-30 v1 人工智能
密码学与安全
摘要
在集成电路中插入硬件木马（HTs）是一种有害的威胁。由于HTs在罕见触发条件下被激活，使用随机逻辑仿真检测它们不可行。在这项工作中，我们设计了一个强化学习（RL）智能体，它规避了指数级搜索空间，并返回最有可能检测HTs的最小模式集。在多种基准上的实验结果表明我们的RL智能体的有效性和可扩展性，与最先进技术相比，在保持或提高覆盖率（95.75%）的同时，所需测试模式数量显著减少（169倍）。
引用
@article{arxiv.2208.12878,
title = {DETERRENT: Detecting Trojans using Reinforcement Learning},
author = {Vasudev Gohil and Satwik Patnaik and Hao Guo and Dileep Kalathil and Jeyavijayan and Rajendran},
journal= {arXiv preprint arXiv:2208.12878},
year = {2022}
}
备注
Published in 2022 Design Automation Conference (DAC)