TrojanLoC：基于 LLM 的 RTL 级 Trojan 定位框架

Weihua Xiao; Zeng Wang; Minghao Shao; Raghu Vamshi Hemadri; Ozgur Sinanoglu; Muhammad Shafique; Johann Knechtel; Siddharth Garg; Ramesh Karri

TrojanLoC：基于 LLM 的 RTL 级 Trojan 定位框架

密码学与安全 2025-12-02 v1

作者: Weihua Xiao , Zeng Wang , Minghao Shao , Raghu Vamshi Hemadri , Ozgur Sinanoglu , Muhammad Shafique , Johann Knechtel , Siddharth Garg , Ramesh Karri

在 arXiv 上查看 ↗ PDF ↗

摘要

硬件 Trojans (HT) 是集成电路面临的持续性威胁，尤其是在插入寄存器传递水平 (RTL) 时。现有方法通常首先将设计转换为图形（如晶体管级 netlist 或 RTL 派生的数据流图 (DFG)），然后使用图神经网络 (GNN) 获取该图的嵌入，这（i）丢失了紧凑的 RTL 语义，（ii）依赖于受限感受野的浅层 GNN，且（iii）主要局限于粗糙、模块级的二值 HT 检测。我们提出 TrojanLoC，一个用于 RTL 级 HT 定位的 LLM 框架。我们使用在 RTL 上微调的 LLM 从 RTL 代码中直接获取模块级和行级嵌入，捕获全局设计语境和局部语义。随后，我们在这些嵌入上训练任务特定的分类器，以执行模块级 Trojan 检测、类型预测和细粒度行级定位。我们还引入 TrojanInS，一个包含系统性注入 Trojan 的 RTL 设计大型合成数据集，来自四类基于效果的分类，伴随精确的行级注释。我们的实验表明，TrojanLoC 在模块级性能卓越，Trojan 检测 F1 分数达到 0.99，超出基线最高 0.68，Trojan 类型分类的 macro-F1 为 0.84。在行级，TrojanLoc 达到最高 0.93 的 macro-F1，实现了 Trojan 相关 RTL 行的细粒度定位。

关键词

硬件 Trojan RTL LLM 定位图神经网络

引用

@article{arxiv.2512.00591,
  title  = {TrojanLoC: LLM-based Framework for RTL Trojan Localization},
  author = {Weihua Xiao and Zeng Wang and Minghao Shao and Raghu Vamshi Hemadri and Ozgur Sinanoglu and Muhammad Shafique and Johann Knechtel and Siddharth Garg and Ramesh Karri},
  journal= {arXiv preprint arXiv:2512.00591},
  year   = {2025}
}

TrojanLoC：基于 LLM 的 RTL 级 Trojan 定位框架

摘要

关键词

引用

相关论文