攻撃に耐性を持つ機械学習モデルによる設計工程ハードウェアトロイ検知

使用抗攻击的机器学习模型在设计过程中检测硬件木马

基本信息

批准号：
22H03560
负责人：
戸川望
金额：
$ 11.15万
依托单位：
Waseda University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (B)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22H03560/
关键词：
ハードウェアトロイ機械学習敵対的攻撃設計工程不正回路

项目摘要

本研究は，レジスタトランスファレベル・論理レベル等の集積回路設計データを対象に，機械学習によるハードウェアトロイの「学習」を利用し機械学習モデルを進化，未知ハードウェアトロイや，摂動を加えたハードウェアトロイを含む設計データ（未知設計データ）に対し，未知設計データ中の「各信号線のトロイ／非トロイを識別」する技術の確立するものである．2022年度は，上記の目的を達成するにあたり，第一段階として設計データについて，ハードウェアトロイを識別するためのさまざまな「特徴量」の候補を見出し，これらを最適化した．そしてハードウェアトロイの「摂動」の解明に主眼を当てる．以下の手順によって，これらの研究を実施した．まず，研究代表者らがこれまでの研究成果として蓄積した『ハードウェアトロイビッグデータ』ならびにこれまでの研究成果のもと，ハードウェアトロイを構成する信号線特徴量を抽出し，さらに過学習などを考慮した上で，ハードウェアトロイの識別のために最適な特徴量の集合の解明を試みた．これまでの予備的な研究成果から，ハードウェアトロイビッグデータを精査し，例えば，(1)局所的なファンインの集中度合い，(2)プライマリ入出力までの「段数」等が，ハードウェアトロイの特徴量の候補となる．さらに機械学習モデルとして，ハードウェアトロイ検知には弱識別機の集合によるアンサンブル機械学習モデルが有効であることを予備的に解明しており，具体的に，ランダムフォレストやツリーベースのモデルを活用した．さらにハードウェアトロイの「摂動」とは何かを解明するため，微小な摂動と，損失関数の変分の最大化を両立するハードウェアトロイを生成し，機械学習モデルへの影響を評価した．

这项研究旨在使用机器学习的硬件木马的“学习”来开发机器学习模型，以集成电路设计数据，例如寄存器传输级别和逻辑水平，并建立了一项技术，该技术“识别了每个信号线的特洛伊木马/非智能系列”，在未知的设计数据（未知设计数据）（包括未知设计数据）的未知设计数据中，包括不知名的硬件Trowans和pertert pretforcation。在2022年，为了实现上述目标，作为第一步，我们发现了设计数据的各种“功能”候选者，以识别硬件特洛伊木马并进行了优化。然后，重点将放在阐明硬件Troy的“扰动”上。这些研究是使用以下步骤进行的：首先，基于作为研究结果积累的“硬件Troy大数据”，研究人员提取了构成硬件Troy的信号线特征，并考虑到过度学习后，他们试图阐明以识别硬件Troys的最佳功能。根据先前的初步研究结果，我们检查了硬件Troy大数据，例如（1）本地粉丝浓度的程度以及（2）“阶段数”到主要输入和输出是候选人的候选硬件Troy。此外，作为一种机器学习模型，我们先前已经解释说，使用一组弱歧视器的集成机器学习模型对于硬件Troy检测有效，特别是使用随机森林和基于树的模型。此外，为了了解硬件特洛伊木马的“扰动”，我们生成了一个硬件特洛伊木马，可以结合小型扰动并最大程度地提高损失功能的变化，并评估其对机器学习模型的影响。