論文の概要: Hardware Trojan Detection Using Unsupervised Deep Learning on Quantum
Diamond Microscope Magnetic Field Images
- arxiv url: http://arxiv.org/abs/2204.14228v1
- Date: Fri, 29 Apr 2022 16:57:48 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-02 18:13:04.371625
- Title: Hardware Trojan Detection Using Unsupervised Deep Learning on Quantum
Diamond Microscope Magnetic Field Images
- Title(参考訳): 量子ダイヤモンド顕微鏡磁界画像における教師なしディープラーニングによるハードウェアトロイの木馬検出
- Authors: Maitreyi Ashok, Matthew J. Turner, Ronald L. Walsworth, Edlyn V.
Levine, Anantha P. Chandrakasan
- Abstract要約: 本稿では,集積回路におけるハードウェアトロイジャン検出手法を提案する。
量子ダイヤモンド顕微鏡(QDM)を用いた広視野(4x4 mm$2$)高分解能磁界画像の分類には教師なし深層学習が用いられている。
QDMイメージングは、量子制御技術と改良されたダイヤモンド材料を用いて、磁場感度を4倍、測定速度を16倍に向上させる。
- 参考スコア(独自算出の注目度): 3.833120399558056
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a method for hardware trojan detection in integrated
circuits. Unsupervised deep learning is used to classify wide field-of-view
(4x4 mm$^2$), high spatial resolution magnetic field images taken using a
Quantum Diamond Microscope (QDM). QDM magnetic imaging is enhanced using
quantum control techniques and improved diamond material to increase magnetic
field sensitivity by a factor of 4 and measurement speed by a factor of 16 over
previous demonstrations. These upgrades facilitate the first demonstration of
QDM magnetic field measurement for hardware trojan detection. Unsupervised
convolutional neural networks and clustering are used to infer trojan presence
from unlabeled data sets of 600x600 pixel magnetic field images without human
bias. This analysis is shown to be more accurate than principal component
analysis for distinguishing between field programmable gate arrays configured
with trojan free and trojan inserted logic. This framework is tested on a set
of scalable trojans that we developed and measured with the QDM. Scalable and
TrustHub trojans are detectable down to a minimum trojan trigger size of 0.5%
of the total logic. The trojan detection framework can be used for golden-chip
free detection, since knowledge of the chips' identities is only used to
evaluate detection accuracy
- Abstract(参考訳): 本稿では,集積回路におけるハードウェアトロイジャン検出手法を提案する。
教師なし深層学習は、量子ダイヤモンド顕微鏡(QDM)を用いて撮影した高分解能磁場画像(4x4 mm$^2$)を分類するために用いられる。
QDM磁気イメージングは、量子制御技術と改良されたダイヤモンド材料を用いて強化され、磁場感度を4倍、測定速度を16倍に向上させる。
これらのアップグレードは、ハードウェアトロイの木馬検出のためのQDM磁界測定の最初のデモンストレーションを促進する。
教師なし畳み込みニューラルネットワークとクラスタリングは、人間のバイアスなしに600x600ピクセルの磁場画像のラベルのないデータセットからトロイの木馬の存在を推測するために用いられる。
この解析は、trojan free と trojan insert logic で構成されたフィールドプログラマブルゲート配列を区別するための主成分分析よりも正確であることが示されている。
このフレームワークは、私たちが開発し、QDMで測定したスケーラブルなトロイの木馬のセットでテストされます。
スケーラブルとトラストHubトロイの木馬は、全論理の0.5%の最小トロイの木馬トリガーサイズまで検出できる。
トロイの木馬検出フレームワークは,検出精度を評価するためにのみチップの識別知識が使用されるため,ゴールデンチップのフリー検出に使用できる。
関連論文リスト
- An AI-Enabled Side Channel Power Analysis Based Hardware Trojan Detection Method for Securing the Integrated Circuits in Cyber-Physical Systems [7.333490062088133]
最もステルスな脅威の1つは、ハードウェアトロイの木馬をICに挿入することである。
トロイの木馬はシステムの安全性とセキュリティを著しく侵害することができる。
本稿では,サイドチャネル電力解析に基づくハードウェアトロイの木馬検出のための非侵襲的手法を提案する。
論文 参考訳(メタデータ) (2024-11-19T18:39:20Z) - Hardware Trojan Detection Potential and Limits with the Quantum Diamond
Microscope [0.0]
量子ダイヤモンド顕微鏡(Quantum Diamond Microscope, QDM)は、集積回路(IC)における電流を画像化できる装置である。
本稿では,従来のQDM作業の分析を通じて,ハードウェアトロイの木馬検出におけるQDMの機能を明らかにすることを目的とする。
論文 参考訳(メタデータ) (2024-02-12T19:07:22Z) - Programmable EM Sensor Array for Golden-Model Free Run-time Trojan Detection and Localization [9.889117431225309]
リアルタイムハードウェアトロイの木馬検出, 局所化, 同定を行うために, タンパーレジリエントなオンチップ磁界センサアレイを提案する。
PSAを用いて、IC上の異なる位置のセンサーから収集されたEM側チャネル測定結果を分析して、トロイの木馬をローカライズし同定することができる。
PSAは、従来の外部磁気プローブや最先端のオンチップ単コイル磁界センサよりも優れた性能を有する。
論文 参考訳(メタデータ) (2024-01-22T18:35:02Z) - Uncertainty-Aware Hardware Trojan Detection Using Multimodal Deep
Learning [3.118371710802894]
チップ製造の様々な段階でハードウェアトロイの木馬が挿入されるリスクは、ゼロトラスト・ファブレス時代に増大している。
本稿では,ハードウェアトロイの木馬を検出するマルチモーダル深層学習手法を提案する。
論文 参考訳(メタデータ) (2024-01-15T05:45:51Z) - Self-Supervised Masked Convolutional Transformer Block for Anomaly
Detection [122.4894940892536]
本稿では, 自己監督型マスク型畳み込み変圧器ブロック (SSMCTB) について述べる。
本研究では,従来の自己教師型予測畳み込み抑止ブロック(SSPCAB)を3次元マスク付き畳み込み層,チャンネルワイドアテンション用トランスフォーマー,およびハマーロスに基づく新たな自己教師型目標を用いて拡張する。
論文 参考訳(メタデータ) (2022-09-25T04:56:10Z) - Hardly Perceptible Trojan Attack against Neural Networks with Bit Flips [51.17948837118876]
ほとんど知覚できないトロイア攻撃(HPT)を呈する。
HPTは、加算ノイズと画素あたりのフロー場を利用して、知覚しにくいトロイの木像を作成する。
より優れた攻撃性能を達成するために,ビットフリップ,付加雑音,流れ場を協調的に最適化することを提案する。
論文 参考訳(メタデータ) (2022-07-27T09:56:17Z) - Quarantine: Sparsity Can Uncover the Trojan Attack Trigger for Free [126.15842954405929]
トロイの木馬攻撃はディープニューラルネットワーク(DNN)を脅かし、ほとんどのサンプルで正常に動作させるが、トリガーを付けた入力に対して操作された結果を生成する。
そこで我々は,まず,クリーンな入力において,ほぼ完全なトロイの木馬の情報のみを保存し,かつ,すでに孤立しているサブネットワークに埋め込まれたトリガを復元する,新しいトロイの木馬ネットワーク検出方式を提案する。
論文 参考訳(メタデータ) (2022-05-24T06:33:31Z) - An Adaptive Black-box Backdoor Detection Method for Deep Neural Networks [25.593824693347113]
ディープニューラルネットワーク(DNN)は、医療診断や自律運転など、さまざまな分野において前例のないパフォーマンスを示している。
それらは、ステルスシートリガーによって制御され、活性化されるニューラルトロイの木馬攻撃(NT)に対して脆弱である。
本稿では,事前訓練したトロイの木馬が展開前にトロイの木馬に検出されたかどうかを検査するロバストで適応的なトロイの木馬検出手法を提案する。
論文 参考訳(メタデータ) (2022-04-08T23:41:19Z) - M2TR: Multi-modal Multi-scale Transformers for Deepfake Detection [74.19291916812921]
Deepfake技術によって生成された鍛造画像は、デジタル情報の信頼性に深刻な脅威をもたらします。
本稿では,Deepfake検出のための微妙な操作アーチファクトを異なるスケールで捉えることを目的とする。
最先端の顔スワッピングと顔の再現方法によって生成された4000のDeepFakeビデオで構成される高品質のDeepFakeデータセットSR-DFを紹介します。
論文 参考訳(メタデータ) (2021-04-20T05:43:44Z) - D-Unet: A Dual-encoder U-Net for Image Splicing Forgery Detection and
Localization [108.8592577019391]
画像スプライシング偽造検出は、画像指紋によって改ざんされた領域と非改ざんされた領域を区別するグローバルバイナリ分類タスクである。
画像スプライシングフォージェリ検出のためのデュアルエンコーダU-Net(D-Unet)という,固定されていないエンコーダと固定エンコーダを用いた新しいネットワークを提案する。
D-Unetと最先端技術の比較実験において、D-Unetは画像レベルおよび画素レベルの検出において他の手法よりも優れていた。
論文 参考訳(メタデータ) (2020-12-03T10:54:02Z) - Practical Detection of Trojan Neural Networks: Data-Limited and
Data-Free Cases [87.69818690239627]
本稿では,データスカース方式におけるトロイの木馬ネットワーク(トロイの木馬網)検出の問題点について検討する。
本稿では,データ限定型TrojanNet検出器(TND)を提案する。
さらに,データサンプルにアクセスせずにTrojanNetを検出できるデータフリーTNDを提案する。
論文 参考訳(メタデータ) (2020-07-31T02:00:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。