UNTANGLE：基于图神经网络链接预测破解路由与逻辑混淆
密码学与安全
2021-11-16 v1
摘要
逻辑锁定旨在防止集成电路（IC）的知识产权（IP）盗版与未经授权的过量生产。然而，初期的逻辑锁定技术易受基于布尔可满足性（SAT）的攻击。作为回应，研究者提出了多种抗 SAT 的锁定技术，如基于点函数的锁定与对称互连（SAT 困难）混淆。我们关注后者，因为基于点函数的锁定存在多种结构性漏洞。SAT 困难逻辑锁定技术 InterLock [1] 实现了统一的逻辑与路由混淆，可抵御针对逻辑锁定的最先进攻击。本文中，我们提出一种新颖的基于链接预测的攻击 UNTANGLE，它能在无预言机（oracle）设置下成功破解 InterLock，且无需访问已激活的 IC（预言机）。由于 InterLock 将选定的时序路径隐藏于密钥控制的路由块中，UNTANGLE 在将该任务表述为链接预测问题后，可揭示路由块中隐藏的门与互连。我们方法背后的直觉是，IC 包含大量重复与复用内核。因此，UNTANGLE 可通过利用图神经网络学习观测到的锁定网表或电路库中的门构成，推断隐藏的时序路径。我们表明，在無预言机设置下，经受住基于 SAT 及其他攻击的电路可使用 UNTANGLE 在数秒内以 100% 精度解锁。UNTANGLE 是一个通用攻击平台（我们亦开源 [2]），适用于基于多路复用器（MUX）的混淆，正如我们在使用 InterLock 与随机 MUX 基混淆锁定的 ISCAS-85 与 ITC-99 基准上的实验所展示的那样。
引用
@article{arxiv.2111.07062,
title = {UNTANGLE: Unlocking Routing and Logic Obfuscation Using Graph Neural Networks-based Link Prediction},
author = {Lilas Alrahis and Satwik Patnaik and Muhammad Abdullah Hanif and Muhammad Shafique and Ozgur Sinanoglu},
journal= {arXiv preprint arXiv:2111.07062},
year = {2021}
}
备注
Published in 2021 International Conference On Computer-Aided Design (ICCAD)