MuxLink: 利用基于图神经网络的链接预测规避抗学习MUX锁定
密码学与安全
2021-12-15 v1
摘要
逻辑锁定作为保护设计知识产权免受不可信实体(尤其是代工厂)攻击的重要技术已受到相当关注。近来,基于机器学习(ML)的攻击质疑了逻辑锁定的安全性保障,并展示了在不依赖预言机的情况下破译密钥的显著成功,从而证明其对代工厂中的对手非常有用。此类基于ML的攻击引发了抗学习锁定技术的发展。最先进的欺骗式基于MUX的锁定(D-MUX)与对称式基于MUX的锁定技术近期已展示出对现有基于ML攻击的鲁棒性。两种防御技术均通过插入密钥控制的MUX逻辑来混淆设计,确保所有MUX的秘密输入等概率。本工作中,我们表明这些技术主要对电路引入局部且有限的改变,而不改变设计的全局结构。利用此观察,我们提出一种新颖的基于图神经网络(GNN)的链接预测攻击MuxLink,仅依赖锁定设计的底层结构(即无预言机设定)便成功攻破D-MUX与对称MUX锁定技术。我们训练的GNN模型学习给定电路的结构以及非混淆连线周围门的组合,从而生成有意义的链接嵌入,有助于破译MUX的秘密输入。所提MuxLink在D-MUX与对称MUX锁定的ISCAS-85和ITC-99基准上实现高达100%的密钥预测准确率与精度,完全解锁设计。我们开源了MuxLink[1]。
引用
@article{arxiv.2112.07178,
title = {MuxLink: Circumventing Learning-Resilient MUX-Locking Using Graph Neural Network-based Link Prediction},
author = {Lilas Alrahis and Satwik Patnaik and Muhammad Shafique and Ozgur Sinanoglu},
journal= {arXiv preprint arXiv:2112.07178},
year = {2021}
}
备注
Will be published in Proc. Design, Automation and Test in Europe (DATE) 2022