グラフ学習によるゲートレベルハードウェアトロイ識別と評価

情報処理学会

書誌事項

タイトル別名
  • Hardware-Trojan Detection Utilizing Graph Neural Networks at Gate-Level Netlists

説明

近年では，IC 製品の需要拡大に伴い設計や製造工程の外部委託が増加している．工程の一部に第三者が加わることでハードウェアトロイと呼ばれる悪意ある機能を持つ回路が挿入されるリスクが深刻となっている．ハードウェアトロイは情報漏洩や機能障害などの思わぬ動作を発生させることでIC製品に甚大な被害を引き起こすため，識別手法の開発が急務である．本稿ではゲートレベルネットリストを対象に，グラフ学習を用いたハードウェアトロイ識別手法を提案し評価する．本手法では，まずゲートレベルネットリストのゲートをノード，信号線をエッジに対応させグラフを生成する．この際，各ノードにゲートの特徴を表す特徴ベクトルを与える．次にグラフの各ノードについて，近傍ノードの特徴ベクトルを考慮した新たな特徴ベクトルを生成する．特徴ベクトルの更新を繰り返すことでグラフ全体の学習を可能とする．得られた特徴ベクトルの値によって各ゲートがハードウェアトロイを構成するゲートかどうかを識別する．17 種類のゲートレベルネットリストを用いた実験により，提案手法の有効性を確認した．

Recently, the threat of injecting a circuit with malicious functions called a hardware trojan has been growing due to the increase in outsourcing of IC design and manufacturing processes. In this paper, we propose a hardware-Trojans detection method based on graph neural networks targeting gate-level netlists. First, we convert the gates and wires of a given gate-level netlist into nodes and edges, respectively, and create a graph structure in which each node is given a feature vector representing the gate features. Next, for each node in the graph, a new feature vector is generated by considering the feature vectors of neighboring nodes. By repeatedly updating the feature vectors, the entire graph can be learned and the Trojan gates can be detected. The effectiveness of the proposed method is confirmed by experimental evaluations.

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ