R-HTDetector：基于对抗训练的鲁棒硬件木马检测
密码学与安全
2022-05-30 v1
摘要
硬件木马（HTs）已成为一个严重问题，为提升集成电路的安全性与可靠性，亟需将其根除。一种有效的解决方案是在门级通过机器学习技术识别硬件木马。然而，机器学习存在特定脆弱性，例如对抗样本。现实中已有报道指出，经对抗修改的硬件木马会大幅降低基于机器学习的硬件木马检测方法的性能。为此，我们提出一种利用对抗训练（R-HTDetector）的鲁棒硬件木马检测方法。我们形式化描述了 R-HTDetector 在硬件木马修改情形下的鲁棒性。我们的工作给出了世界上首个具有理论背景的硬件木马检测对抗训练。我们通过 Trust-HUB 基准的实验表明，R-HTDetector 在保持原有准确率的同时克服了对抗样本。
引用
@article{arxiv.2205.13702,
title = {R-HTDetector: Robust Hardware-Trojan Detection Based on Adversarial Training},
author = {Kento Hasegawa and Seira Hidano and Kohei Nozawa and Shinsaku Kiyomoto and Nozomu Togawa},
journal= {arXiv preprint arXiv:2205.13702},
year = {2022}
}