使用图神经网络进行硬件木马检测
密码学与安全
2022-04-26 v1 硬件体系结构
摘要
集成电路（IC）供应链的全球化已将大部分设计、制造和测试过程从单一可信实体转移到全球各地各种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会损害完整性、劣化性能并破坏预期设计的功能。文献中已提出多种HT检测方法；然而，许多方法因依赖黄金参考电路、检测范围有限、需要人工代码审查或无法随现代大型设计扩展而存在不足。我们提出了一种新颖的免黄金参考HT检测方法，适用于寄存器传输级（RTL）和门级网表，其利用图神经网络（GNN）通过硬件设计的数据流图（DFG）表示来学习电路行为。我们在通过扩展Trusthub HT基准\cite{trusthub1}构建的自定义数据集上评估了模型。结果表明，我们的方法在RTL上以21.1ms极快速度达到97%召回率（真正率），在门级网表上以13.42s达到84%召回率，可检测未知HT。
引用
@article{arxiv.2204.11431,
title = {Hardware Trojan Detection using Graph Neural Networks},
author = {Rozhin Yasaei and Luke Chen and Shih-Yuan Yu and Mohammad Abdullah Al Faruque},
journal= {arXiv preprint arXiv:2204.11431},
year = {2022}
}