TrojanSAINT：基于门级网表采样的归纳学习硬件木马检测
密码学与安全
2023-01-30 v1
摘要
我们提出 TrojanSAINT，一种基于图神经网络 (GNN) 的在门级工作的硬件木马 (HT) 检测方案。与先前基于 GNN 的工作不同，TrojanSAINT 支持硅前/硅后 HT 检测。TrojanSAINT 利用基于采样的 GNN 框架来检测并定位 HT。为实际验证，TrojanSAINT 在各种 TrustHub HT 基准上平均 (oa) 分别达到 78% 真阳性率 (TPR) 和 85% 真阴性率 (TNR)。在最佳情况验证中，TrojanSAINT 甚至平均达到 98% TPR 和 96% TNR。TrojanSAINT 优于相关先前工作和基线分类器。我们发布了源代码和结果产物。
引用
@article{arxiv.2301.11804,
title = {TrojanSAINT: Gate-Level Netlist Sampling-Based Inductive Learning for Hardware Trojan Detection},
author = {Hazem Lashen and Lilas Alrahis and Johann Knechtel and Ozgur Sinanoglu},
journal= {arXiv preprint arXiv:2301.11804},
year = {2023}
}
备注
Will be presented at the IEEE International Symposium on Circuits and Systems (ISCAS), 2023