論文の概要: REVERSIM: A Game-Based Approach to Accessing Large Populations for Studying Human Aspects in Hardware Reverse Engineering
- arxiv url: http://arxiv.org/abs/2309.05740v1
- Date: Mon, 11 Sep 2023 18:03:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-19 06:53:05.887521
- Title: REVERSIM: A Game-Based Approach to Accessing Large Populations for Studying Human Aspects in Hardware Reverse Engineering
- Title(参考訳): REVERSIM: ハードウェアリバースエンジニアリングにおける人的側面学習のための大規模人口アクセスのためのゲームベースアプローチ
- Authors: Steffen Becker, Carina Wiesen, René Walendy, Nikol Rummel, Christof Paar,
- Abstract要約: ハードウェアリバースエンジニアリング(HRE)は集積回路(IC)の解析技術である
これまでの研究では、完全に自動化されたソリューションが存在しないため、アナリストはHREを実行するための認知能力に大きく依存していることが示されている。
我々は,現実的なHREサブプロセスを模倣するゲームベースのシミュレーションであるREVERSIMを開発し,事前知識を必要としないように設計されている。
- 参考スコア(独自算出の注目度): 5.794342083222512
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Hardware Reverse Engineering (HRE) is a technique for analyzing Integrated Circuits (ICs). Experts employ HRE for various security-critical tasks, such as design verification or the detection of intellectual property violations. However, HRE also enables threat actors to subvert the security of an IC. Previous studies have shown that analysts rely heavily on their cognitive abilities to perform HRE as no fully automated solutions exist. Therefore, conducting controlled experimental studies to assess the cognitive processes involved in HRE could open new avenues for hardware protection. However, researchers have faced the methodological challenge that HRE experts are largely unavailable for such empirical research. To address this scarcity, we have developed REVERSIM, a game-based simulation that mimics realistic HRE subprocesses and is specifically designed to require no prior knowledge. To support these claims, we conducted two empirical studies: First, we performed semi-structured interviews with 14 professionals and researchers from the HRE domain, who attested to the comparability of REVERSIM to real-world HRE problems. Second, we conducted a user study involving 89 non-expert participants, demonstrating that participants could engage in the simulation without prior knowledge in HRE or related domains. Finally, we outline several research directions for experiments with REVERSIM, highlighting its potential in advancing HRE research.
- Abstract(参考訳): ハードウェアリバースエンジニアリング(英: Hardware Reverse Engineering, HRE)は、集積回路(IC)を解析するための技術である。
専門家は、設計検証や知的財産権侵害の検出など、さまざまなセキュリティクリティカルなタスクにHREを使用している。
しかし、HREはまた、脅威アクターがICのセキュリティを覆すことを可能にする。
これまでの研究では、完全に自動化されたソリューションが存在しないため、アナリストはHREを実行するための認知能力に大きく依存していることが示されている。
したがって、HREに関わる認知過程を評価するための制御された実験を行えば、ハードウェア保護のための新たな道が開ける可能性がある。
しかし、HREの専門家がこのような経験的な研究でほとんど利用できないという方法論的な課題に直面している。
この不足に対処するため、現実的なHREサブプロセスを模倣するゲームベースのシミュレーションであるREVERSIMを開発し、事前の知識を必要としないよう特別に設計した。
まず,現実のHRE問題に対するREVERSIMの適合性を実証した14人の専門家と研究者を対象に,半構造化インタビューを行った。
第2に,89名の非専門家を対象とするユーザスタディを実施し,HREや関連ドメインの事前知識を必要とせずにシミュレーションを実施できることを実証した。
最後に,REVERSIMを用いた実験の方向性について概説し,HRE研究の進展の可能性を明らかにする。
関連論文リスト
- Prioritizing Safeguarding Over Autonomy: Risks of LLM Agents for Science [67.38554763406098]
大規模言語モデル(LLM)を利用したインテリジェントエージェントは、自律的な実験を行い、様々な分野にわたる科学的発見を促進する上で、大きな可能性を証明している。
彼らの能力は有望だが、安全を慎重に考慮する必要がある新たな脆弱性も導入している。
本稿では,科学領域におけるLSMをベースとしたエージェントの脆弱性の徹底的な調査を行い,その誤用に伴う潜在的なリスクに光を当て,安全性対策の必要性を強調した。
論文 参考訳(メタデータ) (2024-02-06T18:54:07Z) - Towards Generating Executable Metamorphic Relations Using Large Language
Models [49.632090604977364]
大規模言語モデル(LLM)を用いた要件から実行可能なMRを自動的に抽出する手法を提案する。
提案手法の有効性を評価するため,シーメンス・インダストリー・ソフトウェアと共同で質問紙調査を行った。
論文 参考訳(メタデータ) (2024-01-30T13:52:47Z) - PentestGPT: An LLM-empowered Automatic Penetration Testing Tool [21.304324676865242]
大規模言語モデル(LLM)は、様々な領域において大きな進歩を見せている。
実世界の浸透試験におけるLLMの性能を,プラットフォームを用いたテストマシンから作成した頑健なベンチマークを用いて評価した。
LLMを利用した自動浸透試験ツールであるPentestGPTを紹介する。
論文 参考訳(メタデータ) (2023-08-13T14:35:50Z) - Exploring Emerging Technologies for Requirements Elicitation Interview
Training: Empirical Assessment of Robotic and Virtual Tutors [0.0]
本稿では,新しい教育技術に基づく要求緩和面接訓練システムについて提案する。
物理ロボットエージェントのRoと仮想音声エージェントのVoの2つの実装によるREITの適用性を示す。
論文 参考訳(メタデータ) (2023-04-28T20:03:48Z) - Automatic Intrinsic Reward Shaping for Exploration in Deep Reinforcement
Learning [55.2080971216584]
本稿では、強化学習(RL)における探索を強化するため、知的かつ適応的に高品質な固有報酬を提供する自動固有リワード整形法を提案する。
我々は,多様な固有報酬手法の効率的かつ信頼性の高い実装を実現するために,固有報酬ツールキットを開発した。
論文 参考訳(メタデータ) (2023-01-26T01:06:46Z) - Zero-Shot Retrieval with Search Agents and Hybrid Environments [8.017306481455778]
現在の言語モデルは、伝統的な用語ベースの検索と組み合わせて、シンボリックなクエリ再構成ポリシーを学習することができるが、より優れたニューラル検索には及ばない。
本稿では,2つのエンコーダを経由した1回目検索の後に,個別のクエリ精算操作を受け入れるハイブリッド環境に,従来の学習環境を拡張した。
BEIRタスクの実験では、動作クローンによって訓練されたサーチエージェントが、二重エンコーダレシーバーとクロスエンコーダリランカの組み合わせに基づいて、基礎となるサーチシステムより優れていることが示された。
論文 参考訳(メタデータ) (2022-09-30T13:50:25Z) - An Uncommon Task: Participatory Design in Legal AI [64.54460979588075]
われわれは10年以上前に行われた法律分野における、注目に値する、未調査のAI設計プロセスについて検討する。
インタラクティブなシミュレーション手法によって,コンピュータ科学者と弁護士が共同設計者になれることを示す。
論文 参考訳(メタデータ) (2022-03-08T15:46:52Z) - Multi-Agent Simulation for AI Behaviour Discovery in Operations Research [0.9137554315375919]
ACE0は、マルチエージェントシミュレーションにおける行動発見のためのAIメソッドの適合性と生存性を評価するプラットフォームである。
本稿では, システムアーキテクチャの技術的概要, 航空宇宙領域における行動発見の事例研究, システムの質的評価について述べる。
論文 参考訳(メタデータ) (2021-08-30T15:14:06Z) - Promoting the Acquisition of Hardware Reverse Engineering Skills [0.7487407411063094]
本研究は,ハードウェアリバースエンジニアリング(HRE)におけるスキル獲得に焦点をあてる。
科学コミュニティや産業はHREの専門家に高い需要を抱いているが、教育コースの欠如がある。
本コースでは,初級生がHREスキルを習得するかを検討するために,事前知識のレベルが異なる学生を対象に2つの研究を行った。
論文 参考訳(メタデータ) (2021-05-28T10:45:17Z) - Soft Expert Reward Learning for Vision-and-Language Navigation [94.86954695912125]
VLN(Vision-and-Language Navigation)は、エージェントが自然言語の指示に従うことで、目に見えない環境で特定の場所を見つける必要がある。
本稿では,VLNタスクの工学的設計と一般化問題を克服するために,ソフトエキスパート・リワード・ラーニング(SERL)モデルを導入する。
論文 参考訳(メタデータ) (2020-07-21T14:17:36Z) - The Chef's Hat Simulation Environment for Reinforcement-Learning-Based
Agents [54.63186041942257]
本稿では,人間-ロボットインタラクションのシナリオで使用されるように設計されたChef's Hatカードゲームを実装する仮想シミュレーション環境を提案する。
本稿では,強化学習アルゴリズムにおける制御可能かつ再現可能なシナリオを提案する。
論文 参考訳(メタデータ) (2020-03-12T15:52:49Z)
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。