基于图神经网络的高效状态寄存器识别——用于逆向工程的 RELIC-GNN
密码学与安全
2025-12-18 v1
摘要
Gate 级 netlist 的逆向工程对于硬件Trojan 检测和设计盗版防御至关重要。Gate 级逆向工程的主要任务是从 netlist 中分离控制信号和数据信号，这主要通过识别具有拓扑比较特征的状态寄存器来实现。然而，这些方法在大规模 netlist 上变得效率低下。本文提出了 RELIC-GNN，这是一种基于图神经网络的状态寄存器识别方法，以解决上述问题。RELIC-GNN 将寄存器的路径结构建模为图，并在考虑节点属性和图结构的基础上生成相应的表示。经过训练的 GNN 模型可被用于高效查找寄存器类型。实验结果表明，RELIC-GNN 在不同设计中平均实现了 100% 的召回率、30.49% 的精确率和 88.37% 的准确率，显著优于以前的方法。
引用
@article{arxiv.2512.15037,
title = {RELIC-GNN: Efficient State Registers Identification with Graph Neural Network for Reverse Engineering},
author = {Weitao Pan and Meng Dong and Zhiliang Qiu and Jianlei Yang and Zhixiong Di and Yiming Gao},
journal= {arXiv preprint arXiv:2512.15037},
year = {2025}
}