UNSAIL：抵御针对逻辑锁定的无预言机机器学习攻击
密码学与安全
2021-02-11 v2
摘要
逻辑锁定旨在保护集成电路（IC）设计在全球供应链中的知识产权（IP）。基于定制机器学习（ML）模型的SAIL攻击以高精度规避组合逻辑锁定，并且由于不需要功能性IC作为预言机，它是最有效的攻击之一。在本工作中，我们提出UNSAIL，一种逻辑锁定技术，其插入密钥门结构的具体目的在于混淆类似SAIL中使用的ML模型。更具体地说，UNSAIL用于阻止试图解析综合诱导混淆的结构变换的攻击，而这是逻辑锁定的关键步骤。我们的方法是通用的；它可以在无预言机环境下保护任意局部密钥门结构免受此类基于ML的攻击。我们开发了SAIL攻击的参考实现，并在传统锁定和UNSAIL锁定的设计上发起该攻击。在SAIL中，变化预测模型用于确定使用重建模型恢复哪些密钥门结构。我们在从ISCAS-85和ITC-99测试套件到OpenRISC参考平台系统级芯片（ORPSoC）的基准上的研究证实，UNSAIL将变化预测模型和重建模型的准确率分别平均降低了20.13和17个百分点（pp）。当上述模型组合时（这是SAIL最强大的场景），UNSAIL将SAIL的攻击准确率平均降低了11pp。我们进一步证明UNSAIL挫败了其他无预言机攻击，即SWEEP和冗余攻击，表明了我们方法的通用性和强度。详细的布局级评估表明，在百万门ORPSoC设计上，UNSAIL仅分别带来0.26%和0.61%的极小面积和功耗开销。
引用
@article{arxiv.2012.14938,
title = {UNSAIL: Thwarting Oracle-Less Machine Learning Attacks on Logic Locking},
author = {Lilas Alrahis and Satwik Patnaik and Johann Knechtel and Hani Saleh and Baker Mohammad and Mahmoud Al-Qutayri and Ozgur Sinanoglu},
journal= {arXiv preprint arXiv:2012.14938},
year = {2021}
}
备注
IEEE Transactions on Information Forensics and Security (TIFS)