論文の概要: SENTAUR: Security EnhaNced Trojan Assessment Using LLMs Against Undesirable Revisions
- arxiv url: http://arxiv.org/abs/2407.12352v1
- Date: Wed, 17 Jul 2024 07:13:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-18 18:07:45.502064
- Title: SENTAUR: Security EnhaNced Trojan Assessment Using LLMs Against Undesirable Revisions
- Title(参考訳): SENTAUR: LLMによる望ましくない修正案に対するトロイの木馬の安全性向上
- Authors: Jitendra Bhandari, Rajat Sadhukhan, Prashanth Krishnamurthy, Farshad Khorrami, Ramesh Karri,
- Abstract要約: ハードウェアトロイジャン(HT)は、ステルスな動作の導入、意図したIC作業の防止、またはサイドチャネルを介して機密データを漏洩することができる。
HTに対処するためには、HTシナリオを迅速に調査することが重要な要件である。
本稿では,登録転送レベル(RTL)設計のためのHTスイートを生成するための大規模言語モデル(LLM)フレームワークを提案する。
- 参考スコア(独自算出の注目度): 17.21926121783922
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A globally distributed IC supply chain brings risks due to untrusted third parties. The risks span inadvertent use of hardware Trojan (HT), inserted Intellectual Property (3P-IP) or Electronic Design Automation (EDA) flows. HT can introduce stealthy HT behavior, prevent an IC work as intended, or leak sensitive data via side channels. To counter HTs, rapidly examining HT scenarios is a key requirement. While Trust-Hub benchmarks are a good starting point to assess defenses, they encompass a small subset of manually created HTs within the expanse of HT designs. Further, the HTs may disappear during synthesis. We propose a large language model (LLM) framework SENTAUR to generate a suite of legitimate HTs for a Register Transfer Level (RTL) design by learning its specifications, descriptions, and natural language descriptions of HT effects. Existing tools and benchmarks are limited; they need a learning period to construct an ML model to mimic the threat model and are difficult to reproduce. SENTAUR can swiftly produce HT instances by leveraging LLMs without any learning period and sanitizing the HTs facilitating their rapid assessment. Evaluation of SENTAUR involved generating effective, synthesizable, and practical HTs from TrustHub and elsewhere, investigating impacts of payloads/triggers at the RTL. While our evaluation focused on HT insertion, SENTAUR can generalize to automatically transform an RTL code to have defined functional modifications.
- Abstract(参考訳): グローバルに分散したICサプライチェーンは、信頼できない第三者によるリスクをもたらす。
リスクは、ハードウェアTrojan(HT)、インテリチュアルプロパティ(3P-IP)またはElectronic Design Automation(EDA)フローの挿入といった不注意な使用にまたがる。
HTはステルスなHT動作の導入、IC作業の意図した防止、あるいはサイドチャネル経由で機密データをリークする。
HTに対処するためには、HTシナリオを迅速に調査することが重要な要件である。
Trust-Hubベンチマークは防御を評価するための出発点としてよいが、HT設計の拡張の中で手作業で作成したHTの小さなサブセットを含んでいる。
さらに、HTsは合成中に消失する。
本稿では,HT 効果の仕様,記述,自然言語記述を学習することにより,登録転送レベル (RTL) 設計のための正規 HT スイートを生成するための大規模言語モデル (LLM) フレームワーク SENTAUR を提案する。
既存のツールやベンチマークは限定的であり、脅威モデルを模倣するMLモデルを構築するには学習期間が必要であり、再現が難しい。
SENTAURは、LLMを学習期間なしで活用し、高速な評価を容易にすることで、迅速にHTインスタンスを生成できる。
SENTAURの評価は、TrustHubなどから効果的で合成可能で実用的なHTを生成し、RTLにおけるペイロード/トリガーの影響を調査した。
評価はHT挿入に重点を置いているが、SENTAURはRTLコードを自動的に変換して機能変更を定義することができる。
関連論文リスト
- Tensor Product Attention Is All You Need [54.40495407154611]
プロダクトアテンション(TPA)は、テンソル分解を使用してクエリ、キー、値をコンパクトに表現する新しいアテンションメカニズムである。
TPAは、メモリ効率とともに改善されたモデル品質を実現する。
本稿では,シーケンスモデリングのための新しいモデルアーキテクチャであるProducT ATTion Transformer (T6)を紹介する。
論文 参考訳(メタデータ) (2025-01-11T03:37:10Z) - Hadamard Attention Recurrent Transformer: A Strong Baseline for Stereo Matching Transformer [54.97718043685824]
textbfHadamard textbfAttention textbfRecurrent Stereo textbfTransformer (HART)について述べる。
より高速な推論のために、線形計算複雑性を実現するための注意機構のためのアダマール積のパラダイムを提案する。
Dense Attention Kernel (DAK) を設計し、関連する機能応答と無関係な機能応答の違いを増幅する。
我々は,大小のカーネル畳み込みのインターリーブを通じて,グローバル情報とローカル情報の両方をキャプチャするMKOIを提案する。
論文 参考訳(メタデータ) (2025-01-02T02:51:16Z) - Unleashing GHOST: An LLM-Powered Framework for Automated Hardware Trojan Design [0.0]
GHOSTは、大規模言語モデル(LLM)を活用して高速なHT生成と挿入を行う自動攻撃フレームワークである。
GHOST生成HTの100%はML生成HT検出ツールによる検出を回避した。
論文 参考訳(メタデータ) (2024-12-03T20:33:29Z) - TrojanForge: Generating Adversarial Hardware Trojan Examples Using Reinforcement Learning [0.0]
ハードウェアトロイの木馬問題は、攻撃者とディフェンダーの間の連続したゲームと考えることができる。
機械学習は近年、HT研究の進展において重要な役割を担っている。
TrojanForgeはHT検出器を倒す敵の例を生成する。
論文 参考訳(メタデータ) (2024-05-24T03:37:32Z) - InferAligner: Inference-Time Alignment for Harmlessness through
Cross-Model Guidance [56.184255657175335]
我々は,無害アライメントのためのクロスモデルガイダンスを利用する新しい推論時間アライメント手法であるtextbfInferAligner を開発した。
実験結果から,本手法はファイナンス,医学,数学の分野特化モデルに極めて効果的に適用可能であることが示された。
これは有害な命令とジェイルブレイク攻撃の両方のアタック成功率(ASR)を著しく低下させ、下流タスクではほとんど変化のないパフォーマンスを維持している。
論文 参考訳(メタデータ) (2024-01-20T10:41:03Z) - Evasive Hardware Trojan through Adversarial Power Trace [6.949268510101616]
我々は,HT検出をバイパスするためのHT難読化(HTO)手法を提案する。
HTOはASICとFPGA用の1つのトランジスタで実装できる。
適応攻撃者は、スペクトルノイズ予算で設計を制約することで、まだ回避可能なHTOを設計可能であることを示す。
論文 参考訳(メタデータ) (2024-01-04T16:28:15Z) - Trojan Playground: A Reinforcement Learning Framework for Hardware Trojan Insertion and Detection [0.0]
現在のハードウェアトロイジャン(HT)検出技術は、主に限られたHTベンチマークに基づいて開発されている。
本稿では,これらの欠点に対処する最初の自動強化学習(RL) HT挿入検出フレームワークを紹介する。
論文 参考訳(メタデータ) (2023-05-16T16:42:07Z) - Golden Reference-Free Hardware Trojan Localization using Graph
Convolutional Network [13.789604831994364]
ハードウェアトロイの木馬(HT)は、整合性を妥協し、パフォーマンスを低下させ、サービスを否定し、設計の機能を変更する。
グラフ畳み込みネットワーク (GCN) を利用して, シリコン前段階における新しいゴールデンレファレンスフリーHTローカライゼーション法を提案する。
トロイの木信号の精度は99.6%、F1スコア93.1%、偽陽性率は0.009%である。
論文 参考訳(メタデータ) (2022-07-14T05:27:16Z) - Attention-based Multi-hypothesis Fusion for Speech Summarization [83.04957603852571]
音声認識(ASR)とテキスト要約(TS)を組み合わせることで、音声要約を実現することができる
ASR誤差はカスケード法における出力要約の品質に直接影響する。
本稿では、ASRの誤りに対して頑健なカスケード音声要約モデルを提案し、ASRが生成した複数の仮説を利用して、ASRの誤りが要約に与える影響を緩和する。
論文 参考訳(メタデータ) (2021-11-16T03:00:29Z) - HTLM: Hyper-Text Pre-Training and Prompting of Language Models [52.32659647159799]
大規模なWebクローリングで訓練されたハイパーテキスト言語モデルであるHTLMを紹介する。
単純化したHTML上でのBARTスタイルのデノベーション損失による事前訓練は、広範囲のタスクや監督レベルに対して非常に効果的な転送を可能にすることを示す。
我々は,HTLMに対して,テキストプロンプトが既存のLMに対して行うことよりも,データ効率の面で高い価値を提供することを発見した。
論文 参考訳(メタデータ) (2021-07-14T19:39:31Z) - WNARS: WFST based Non-autoregressive Streaming End-to-End Speech
Recognition [59.975078145303605]
本稿では,ハイブリッドCTC-attention AEDモデルと重み付き有限状態トランスデューサを用いた新しいフレームワークWNARSを提案する。
AISHELL-1タスクでは、640msの遅延で5.22%の文字エラー率を達成し、オンラインASRの最先端のパフォーマンスである私たちの知識を最大限に活用します。
論文 参考訳(メタデータ) (2021-04-08T07:56:03Z)
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。