Trojan Playground：一种用于硬件木马插入与检测的强化学习框架
密码学与安全
2024-03-22 v2 硬件体系结构
摘要
当前的硬件木马（HT）检测技术大多基于有限的 HT 基准集开发。现有 HT 基准电路存在多处不足：i) 其生成严重受限于设计者创建时的思维定式；ii) 其仅通过单一维度（主要是网表的信号活跃度）生成。我们提出了首个自动化的强化学习（RL）HT 插入与检测框架以克服这些不足。在 HT 插入阶段，RL 智能体探索电路并寻找最适合隐藏所插入 HT 的位置。在防御侧，我们引入了一种基于多准则 RL 的 HT 检测器，其生成测试向量以发现 HT 的存在。利用所提框架，可探索 HT 插入与检测的设计空间，打破人类思维定式与基准局限，最终推动下一代创新性检测器的发展。我们在 ISCAS-85 基准上验证了框架的有效性，给出了攻击与检测成功率，并定义了比较我们方法的方法学。
引用
@article{arxiv.2305.09592,
title = {Trojan Playground: A Reinforcement Learning Framework for Hardware Trojan Insertion and Detection},
author = {Amin Sarihi and Ahmad Patooghy and Peter Jamieson and Abdel-Hameed A. Badawy},
journal= {arXiv preprint arXiv:2305.09592},
year = {2024}
}
备注
This paper appears in the Journal of Supercomputing: https://doi.org/10.1007/s11227-024-05963-8