基于图卷积网络的无黄金参考硬件木马定位
计算机与社会
2022-07-15 v1 人工智能
摘要
集成电路（IC）供应链的全球化已将大部分设计、制造和测试流程从单一可信实体转移至全球各地众多不可信的第三方实体。使用不可信第三方知识产权（3PIP）的风险在于对手可能插入被称为硬件木马（HT）的恶意修改。这些HT会破坏完整性、劣化性能、拒绝服务并改变设计功能。尽管文献中已提出众多HT检测方法，但HT定位这一关键任务却被忽视。此外，少数现有HT定位方法存在若干弱点：依赖黄金参考、无法泛化至所有类型HT、缺乏可扩展性、定位分辨率低，以及手动特征工程/属性定义。为克服其不足，我们提出了一种新颖的、在硅前阶段利用图卷积网络（GCN）的无黄金参考HT定位方法。本工作中，我们将电路设计转换为其固有数据结构——图，并提取节点属性。随后，图卷积为节点执行自动特征提取，以将节点分类为木马或良性。我们的自动化方法不会给设计者带来手动代码审查的负担。它以99.6%的准确率、93.1%的F1分数和低于0.009%的假阳性率定位木马信号。
引用
@article{arxiv.2207.06664,
title = {Golden Reference-Free Hardware Trojan Localization using Graph Convolutional Network},
author = {Rozhin Yasaei and Sina Faezi and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2207.06664},
year = {2022}
}
备注
IEEE Transactions on Very Large Scale Integration Systems (TVLSI), 2022