解放GHOST：基于LLM的自动硬件Trojan设计框架
密码学与安全
2024-12-05 v1
摘要
传统上，向复杂硬件系统中插入真实的硬件Trojan（HT）是一个耗时且需要手动操作的过程，要求对设计具有全面知识并熟悉复杂的硬件描述语言（HDL）代码库。机器学习（ML）基于的方法曾尝试自动化此过程，但常面临需要大量训练数据、学习时间长且在不同硬件设计landscape中泛化性有限等挑战。本文通过提出GHOST（Hardware-Oriented Stealthy Trojans生成器），一个利用大型语言模型（LLM）实现快速HT生成和插入的自动化攻击框架来解决这些挑战。我们的研究在三个硬件设计（SRAM、AES和UART）上评估了三个最先进的LLM——GPT-4、Gemini-1.5-pro和Llama-3-70B。根据我们的评估，GPT-4表现最佳，88.88%的HT插入尝试成功生成功能完善且可综合的HT。本研究还显示，100%的GHOST生成的可综合HT能通过基于ML的HT检测工具，从而凸显了利用LLM生成的HT所构成的紧迫硬件安全威胁。这一研究强调，为应对LLM生成的HT，迫切需要先进的检测和预防机制。GHOST HT基准数据可在：https://github.com/HSTRG1/GHOSTbenchmarks.git 获取。
引用
@article{arxiv.2412.02816,
title = {Unleashing GHOST: An LLM-Powered Framework for Automated Hardware Trojan Design},
author = {Md Omar Faruque and Peter Jamieson and Ahmad Patooghy and Abdel-Hameed A. Badawy},
journal= {arXiv preprint arXiv:2412.02816},
year = {2024}
}