基于强化学习的硬件木马植入
机器学习
2022-04-12 v1 硬件体系结构
密码学与安全
摘要
本文利用强化学习（RL）作为自动化硬件木马（HT）植入过程的手段，以消除限制鲁棒 HT 检测方法发展的人为偏差。RL 智能体探索设计空间，寻找最适合隐藏所植入 HT 的电路位置。为此，数字电路被转换为一个环境，RL 智能体在其中植入 HT 以最大化累积奖励。我们的工具集能够将组合型 HT 植入 ISCAS-85 基准测试套件，并在 HT 规模和触发条件上有所变化。实验结果表明，该工具集实现了高输入覆盖率（在两个基准电路中达到 100%），证实了其有效性。此外，所植入的 HT 表现出极小的占用空间和极低的激活概率。
引用
@article{arxiv.2204.04350,
title = {Hardware Trojan Insertion Using Reinforcement Learning},
author = {Amin Sarihi and Ahmad Patooghy and Peter Jamieson and Abdel-Hameed A. Badawy},
journal= {arXiv preprint arXiv:2204.04350},
year = {2022}
}
备注
This paper was accepted for publication in GLSVLSI'22