GNN4IP：用于硬件知识产权盗版检测的图神经网络
密码学与安全
2021-07-21 v1 机器学习
摘要
紧迫的上市时间约束与巨大的硬件设计与制造成本，推动半导体行业走向硬件知识产权（IP）核设计。然而，集成电路（IC）供应链的全球化使 IP 提供方面临 IP 被盗与非法再分发的风险。水印与指纹技术被提出用于检测 IP 盗版。尽管如此，它们带来额外的硬件开销，且无法保证 IP 安全，因为已有先进攻击可移除水印、伪造或绕过它。在本工作中，我们提出一种新方法 GNN4IP，用于评估电路间相似性并检测 IP 盗版。我们将硬件设计建模为图，并构建图神经网络模型，利用我们收集的规模完备的寄存器传输级代码与门级网表数据集来学习其行为。GNN4IP 在我们的数据集中以 96% 的准确率检测 IP 盗版，并以 100% 的准确率在其混淆版本中识别原始 IP。
引用
@article{arxiv.2107.09130,
title = {GNN4IP: Graph Neural Network for Hardware Intellectual Property Piracy Detection},
author = {Rozhin Yasaei and Shih-Yuan Yu and Emad Kasaeyan Naeini and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2107.09130},
year = {2021}
}