用于硬件漏洞分析的图神经网络——你的GNN可信吗？
密码学与安全
2023-03-30 v1
摘要
第三方实体参与全球化的半导体供应链引入了潜在的安全漏洞，如知识产权盗版和硬件木马（HT）植入。图神经网络（GNNs）因其在电路等图结构数据上的优越性能，已被用于应对各种硬件安全威胁。然而，GNNs也容易受到攻击。本工作考察了GNNs用于检测HT等硬件威胁的应用及其对攻击的脆弱性。我们提出BadGNN，一种针对GNNs的后门攻击，可通过微小的电路扰动以100%成功率隐藏HT并规避检测。我们的发现凸显了在将GNNs安全用于安全关键应用之前，有必要进一步研究其安全性与鲁棒性。
引用
@article{arxiv.2303.16690,
title = {Graph Neural Networks for Hardware Vulnerability Analysis -- Can you Trust your GNN?},
author = {Lilas Alrahis and Ozgur Sinanoglu},
journal= {arXiv preprint arXiv:2303.16690},
year = {2023}
}
备注
Will be presented at 2023 IEEE VLSI Test Symposium (VTS)