ReIGNN：基于图神经网络的状态寄存器识别用于电路逆向工程
密码学与安全
2021-12-03 v1 机器学习
摘要
对集成电路网表进行逆向工程是帮助检测恶意逻辑和应对设计盗版的有力工具。该领域的一个关键挑战是正确分类设计中的数据通路和控制逻辑寄存器。我们提出 ReIGNN，一种新颖的基于学习的寄存器分类方法，它结合图神经网络（GNNs）与结构分析，以高准确度对电路中的寄存器进行分类，并能在不同设计间良好泛化。GNN 在处理以图表示的电路网表以及利用节点及其邻域的属性来高效学习区分不同类型节点方面特别有效。结构分析可通过分析网表图中的强连通分量，进一步纠正任何被 GNN 误分类为状态寄存器的寄存器。在一组基准上的数值结果表明，ReIGNN 在不同设计上平均可达到 96.5% 的平衡准确率和 97.7% 的灵敏度。
引用
@article{arxiv.2112.00806,
title = {ReIGNN: State Register Identification Using Graph Neural Networks for Circuit Reverse Engineering},
author = {Subhajit Dutta Chowdhury and Kaixin Yang and Pierluigi Nuzzo},
journal= {arXiv preprint arXiv:2112.00806},
year = {2021}
}
备注
This paper has been accepted to the 2021 International Conference On Computer-Aided Design (ICCAD 2021)