文献

J-GLOBAL ID：202202285307841651   整理番号：22A1077225

電磁気放射を用いた機械学習ベースのハードウェアトロージャン検出

Machine Learning Based Hardware Trojan Detection Using Electromagnetic Emanation

著者 (8件)： TAKAHASHI Junko (NTT Social Informatics Laboratories) ,  OKABE Keiichi (NTT Secure Platform Laboratories) ,  ITOH Hiroki (NTT Social Informatics Laboratories) ,  NGO Xuan-Thuy (Secure-IC, Cesson-Sevigne) ,  GUILLEY Sylvain (Secure-IC, Cesson-Sevigne) ,  SHRIVASTWA Ritu-Ranjan (Secure-IC, Cesson-Sevigne) ,  AHMED Mushir (Secure-IC, Cesson-Sevigne) ,  LEJOLY Patrick (Secure-IC, Cesson-Sevigne)
資料名： IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences (Web)  (IEICE Transactions on Fundamentals of Electronics, Communications and Computer Sciences (Web))
巻： E105.A  号： 3  ページ： 311-325(J-STAGE)  発行年： 2022年 
JST資料番号： U0466A  ISSN： 1745-1337  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： システムオンチップ(SoC)産業におけるハードウェアトロージャン(HT)の脅威が高まり,組込みシステム研究者は,チップ設計や製造プロセスのさまざまな段階でホスト設計内のトロージャン回路や論理の存在を同定し,検出するための一連の検出方法を提案することになった。最先端の研究の多くは,HT検出のためのさまざまな技術を提案し,その中で人気のある選択肢は,電力消費の違い,電磁放射の変化,あるいは回路の様々な経路における論理伝搬の遅延を対象とする差分解析を実行する,サイドチャネル解析(SCA)ベースの方法のままである。これらの方法の有効性は十分に確立されているが,評価はAESコプロセッサのような単純化モデルについて実行され,これらの方法に用いる解析手法は,EMトレースあるいはT検定係数の直接比較などの統計的指標に限られている。本論文では,機械学習アルゴリズムに基づく2つの新しい検出手法を提案した。第1の方法は,HTの分類と検出のために生のEMトレースに教師つき機械学習(ML)アルゴリズムを適用することにある。この方法の検出率は90%に近く偽陰性は5%未満だった。第二の方法では,異常値/新規性アルゴリズムベースのアプローチを提案した。この方法はT検定ベースの信号処理技術と組み合わせ,最先端技術と比較すると,検出率は100%に近く,偽陽性は1%未満の優れた性能を提供した。いろいろな実験で,偽陰性は偽陽性とほとんど同じレベルだったので,著者が結果の偽陽性値のみを示した。複雑なターゲット設計すなわちRISC-Vジェネリックプロセッサの設計で本手法の性能を評価した。RISC-Vプロセッサの0.53%,0.27%,0.09%に対応するサイズの3種類のHTを実験のために挿入した。本論文では,再現性のために著者らのテストと実験プロセスの詳細を提供した。実験結果は,挿入したHTは最小であるものの,著者らの新しい方法で正常に検出できることを示した。(翻訳著者抄録)

シソーラス用語： 電磁気 ,  *機械学習 ,  *超LSI ,  サイバー攻撃 ,  *情報セキュリティ ,  漏れ ,  検出法 ,  マイクロプロセッサ ,  電子回路 ,  ハードウェア
準シソーラス用語： サイドチャネル攻撃 ,  *システムオンチップ ,  脅威 ,  検出回路 ,  検出方法 ,  電磁波漏洩

著者キーワード (6件)： ハードウェアトロイ ,  RISC-V ,  サイドチャネル解析 ,  電磁漏れ ,  機械学習 ,  異常値検出

分類 (3件)： ディジタル計算機ハードウェア一般  (JC04010C) ,  データ保護  (JD01020V) ,  半導体集積回路  (NC03162T)

引用文献 (26件)：

• [1] J. Takahashi, K. Okabe, H. Itoh, X.T. Ngo, S. Guilley, R.R. Shrivastwa, M. Ahmed, and P. Lejoly, “Machine learning based hardware trojan detection using electromagnetic emanation,” IEICE Trans. Fundamentals, 2021. 10.1587/transfun.2021cip0011
• [2] Y. Jin, N. Kupp, and Y. Makris, “Experiences in Hardware Trojan Design and Implementation,” 2009 IEEE International Workshop on Hardware-Oriented Security and Trust, pp.50-57, 2009. 10.1109/hst.2009.5224971
• [3] S. Skorobogatov and C. Woods, “Breakthrough silicon scanning discovers backdoor in military chip,” Cryptographic Hardware and Embedded Systems-CHES 2012, pp.23-40, 2012. 10.1007/978-3-642-33027-8_2
• [4] S.T. King, J. Tucek, A. Cozzie, C. Grier, W. Jiang, and Y. Zhou, “Designing and implementing malicious hardware,” Proc. the 1st Usenix Workshop on Large-Scale Exploits and Emergent Threats, article no.5, pp.1-8, 2008.
• [5] M. Muehlberghuber, F.K. Gürkaynak, T. Korak, P. Dunst, and M. Hutter, “Red team vs. blue team hardware Trojan analysis: Detection of a hardware Trojan on an actual ASIC,” HASP'13, 2013. http://dx.doi.org/10.1145/2487726.2487727 10.1145/2487726.2487727

タイトルに関連する用語 (3件)： 電磁気 ,  放射 ,  機械学習