第三者IPコアにおけるハードウェアトロイジャン検出のためのコントラストグラフ畳込みネットワーク【JST・京大機械翻訳】

Muralidhar Nikhil; Zubair Abdullah; Weidler Nathanael; Gerdes Ryan; Ramakrishnan Naren

プレプリント

J-GLOBAL ID：202202218903546670 整理番号：22P0298745

第三者IPコアにおけるハードウェアトロイジャン検出のためのコントラストグラフ畳込みネットワーク【JST・京大機械翻訳】

Contrastive Graph Convolutional Networks for Hardware Trojan Detection in Third Party IP Cores

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

広範囲の第三者知的財産(3PIP)コアのアベイラビリティは,集積回路(IC)設計者がASIC/SoCにおける高レベル特徴の設計に焦点を当てることを可能にした。ICの大規模な増殖は,様々な悪心な理由のために,それらの回路を活用することを追求する不良アクターの数の増加をもたらす。これは,集積回路が社会のあらゆる側面に影響するので,驚くべきものではない。したがって,IC設計で使用される3PIPコアに,未信頼のベンダーによって驚異的に注入される,悪意のある論理(Hardware Trojan,HT)は,現在の脅威である。本論文では,ゴールデンモデルのない合成可能IPコアを含む設計におけるトリガベースHTの同定のための方法を検討した。具体的には,ベンダーから取得したネットリストに基づいて純粋にICに組み込まれたトリガーを検出することにより,ハードウェアトロジャンを検出する方法を開発した。GATE-Net,教師つきコントラスト学習を用いて訓練されたグラフ畳込みネットワーク(GCN)に基づく深層学習モデルを提案し,対応するネットリストのみを用いてランダムに挿入されたトリガーを含むフラッギング設計を行った。提案アーキテクチャは最先端の学習モデルに対して顕著な改善を達成し,コンビナトリアルトリガに対する検出性能における平均46.99%の改善と,多様な回路タイプにわたる逐次トリガに対する21.91%の改善を達成した。厳密な実験,定性的および定量的性能評価を通して,GATE-Netの有効性およびHT検出のためのGATE-Netの教師つきコントラスト訓練を示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

半導体集積回路 , データ保護

, , , ,

前のページに戻る