基于图学习的节点级硬件木马检测
密码学与安全
2022-03-17 v2
摘要
在第四次工业革命中，保障供应链安全已成为日益关切的问题。其中一种网络威胁是硬件木马（HT），即对集成电路的恶意修改。HT 通常在硬件制造过程中被发现，但应在设计制定阶段更早地被移除。基于机器学习的门级网表 HT 检测是在早期识别 HT 的高效方法。然而，基于特征的建模在发现合适的 HT 特征集合方面存在局限。为此，我们在本文中提出 NHTD-GL，一种新颖的基于图学习（GL）的节点级 HT 检测方法。在由领域知识获得的 HT 特征形式化分析基础上，NHTD-GL 弥合了图表示学习与基于特征的 HT 检测之间的鸿沟。实验结果表明，NHTD-GL 达到了 0.998 的检测准确率，并优于最先进的节点级 HT 检测方法。NHTD-GL 无需启发式特征工程即可提取 HT 特征。
引用
@article{arxiv.2112.02213,
title = {Node-wise Hardware Trojan Detection Based on Graph Learning},
author = {Kento Hasegawa and Kazuki Yamashita and Seira Hidano and Kazuhide Fukushima and Kazuo Hashimoto and Nozomu Togawa},
journal= {arXiv preprint arXiv:2112.02213},
year = {2022}
}