論文の概要: RESAA: A Removal and Structural Analysis Attack Against Compound Logic Locking
- arxiv url: http://arxiv.org/abs/2409.16959v1
- Date: Wed, 25 Sep 2024 14:14:36 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-27 03:25:18.529926
- Title: RESAA: A Removal and Structural Analysis Attack Against Compound Logic Locking
- Title（参考訳）: RESAA:複合論理ロックの除去と構造解析
- Authors: Felipe Almeida, Levent Aksoy, Samuel Pagliarini,
- Abstract要約: 本稿では,CLLでロックされた設計を分類し,重要なゲートを識別し,秘密鍵を明らかにするための様々な攻撃を実行するための新しいフレームワークRESAAを提案する。
その結果、RESAAは比較的複雑なITC'99ベンチマーク回路で92.6%の精度を達成できることがわかった。
- 参考スコア（独自算出の注目度）: 2.7309692684728617
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The semiconductor industry's paradigm shift towards fabless integrated circuit (IC) manufacturing has introduced security threats, including piracy, counterfeiting, hardware Trojans, and overproduction. In response to these challenges, various countermeasures, including Logic locking (LL), have been proposed to protect designs and mitigate security risks. LL is likely the most researched form of intellectual property (IP) protection for ICs. A significant advance has been made with the introduction of compound logic locking (CLL), where two LL techniques are concurrently utilized for improved resiliency against attacks. However, the vulnerabilities of LL techniques, particularly CLL, need to be explored further. This paper presents a novel framework, RESAA, designed to classify CLL-locked designs, identify critical gates, and execute various attacks to uncover secret keys. RESAA is agnostic to specific LL techniques, offering comprehensive insights into CLL's security scenarios. Experimental results demonstrate RESAA's efficacy in identifying critical gates, distinguishing segments corresponding to different LL techniques, and determining associated keys based on different threat models. In particular, for the oracle-less threat model, RESAA can achieve up to 92.6% accuracy on a relatively complex ITC'99 benchmark circuit. The results reported in this paper emphasize the significance of evaluation and thoughtful selection of LL techniques, as all studied CLL variants demonstrated vulnerability to our framework. RESAA is also open-sourced for the community at large.
- Abstract（参考訳）: 半導体産業のファブレス集積回路(IC)製造へのパラダイムシフトは、海賊行為、偽造、ハードウェアのトロイの木馬、過剰生産など、セキュリティ上の脅威をもたらしている。
これらの課題に対して、設計を保護し、セキュリティリスクを軽減するために、論理ロック(LL)を含む様々な対策が提案されている。
LLはおそらく、ICに対する最も研究されている知的財産権(IP)保護形態である。
複合論理ロック(CLL)の導入により、攻撃に対する回復力を改善するために2つのLL技術が同時に使用されるようになった。
しかし、LLテクニック、特にCLLの脆弱性をさらに調査する必要がある。
本稿では,CLLでロックされた設計を分類し,重要なゲートを識別し,秘密鍵を明らかにするための様々な攻撃を実行するための新しいフレームワークRESAAを提案する。
RESAAは特定のLLテクニックに依存しないため、CLLのセキュリティシナリオに関する包括的な洞察を提供する。
実験により、RESAAがクリティカルゲートを識別し、異なるLL技術に対応するセグメントを識別し、異なる脅威モデルに基づいて関連するキーを判定する効果が示された。
特に、オラクルレス脅威モデルでは、RESAAは比較的複雑なITC'99ベンチマーク回路で92.6%の精度を達成できる。
本報告では,CLL 変種が我々のフレームワークに脆弱性を示すため,LL 手法の評価と思慮深い選択の重要性を強調した。
RESAAはコミュニティ全体でもオープンソースである。
関連論文リスト
- Iterative Self-Tuning LLMs for Enhanced Jailbreaking Capabilities [63.603861880022954]
本稿では,対戦型LDMをジェイルブレイク能力に富んだ反復的自己調整プロセスであるADV-LLMを紹介する。
我々のフレームワークは,様々なオープンソース LLM 上で ASR を100% 近く達成しながら,逆接接尾辞を生成する計算コストを大幅に削減する。
Llama3のみに最適化されているにもかかわらず、GPT-3.5では99%のASR、GPT-4では49%のASRを達成している。
論文 参考訳（メタデータ） (2024-10-24T06:36:12Z) - Defensive Prompt Patch: A Robust and Interpretable Defense of LLMs against Jailbreak Attacks [59.46556573924901]
本稿では,大規模言語モデル(LLM)のための新しいプロンプトベースの防御機構であるDPPを紹介する。
従来のアプローチとは異なり、DPP は LLM の高能率を維持しながら最小の攻撃成功率 (ASR) を達成するように設計されている。
LLAMA-2-7B-ChatおよびMistral-7B-Instruct-v0.2モデルによる実験結果から,DSPの堅牢性と適応性が確認された。
論文 参考訳（メタデータ） (2024-05-30T14:40:35Z) - SoK: A Defense-Oriented Evaluation of Software Supply Chain Security [3.165193382160046]
ソフトウェアサプライチェーンのセキュリティ研究と開発の次の段階は、防衛指向のアプローチから大きな恩恵を受けるだろう、と私たちは主張する。
本稿では,ソフトウェアサプライチェーンの基本的な要素とその因果関係を表現するフレームワークであるAStRAモデルを紹介する。
論文 参考訳（メタデータ） (2024-05-23T18:53:48Z) - DECOR: Enhancing Logic Locking Against Machine Learning-Based Attacks [0.6131022957085439]
論理ロック(LL)は集積回路の有望な知的財産保護対策として注目されている。
機械学習(ML)によって促進された最近の攻撃は、複数のLLスキームで正しいキーを予測する可能性を示している。
本稿では、LL方式におけるロックされた回路網リストと正しい鍵値との相関を著しく低減できるランダム化アルゴリズムに基づく汎用LL拡張手法を提案する。
論文 参考訳（メタデータ） (2024-03-04T07:31:23Z) - Data Poisoning for In-context Learning [49.77204165250528]
In-context Learning (ICL)は、新しいタスクに適応する革新的な能力として認識されている。
本論文は、ICLのデータ中毒に対する感受性の重大な問題について述べる。
ICLの学習メカニズムを活用するために考案された特殊攻撃フレームワークであるICLPoisonを紹介する。
論文 参考訳（メタデータ） (2024-02-03T14:20:20Z) - CAC 2.0: A Corrupt and Correct Logic Locking Technique Resilient to Structural Analysis Attacks [2.949446809950691]
最先端の論理ロック技術は、顕著な腐敗と正当性(CAC)技術を含み、SATベースの攻撃と除去攻撃に耐性がある。
本稿では、難読化を用いた構造解析攻撃の探索空間を増大させるCAC 2.0と呼ばれる改良版CACを提案する。
本稿では,オープンソースの論理ロックツールHIIDについて紹介する。
論文 参考訳（メタデータ） (2024-01-13T19:09:22Z) - KRATT: QBF-Assisted Removal and Structural Analysis Attack Against Logic Locking [2.949446809950691]
KRATTは、最先端論理ロック技術に対する除去および構造解析攻撃である。
ロックされた回路をOL(Oracle-less)とOG(Oracle-guided)の脅威モデルの両方で扱うことができる。
OL脅威モデルでは高い精度でSsとDsの多数のキー入力を解読でき、OG脅威モデルではDsの秘密鍵を容易に見つけることができる。
論文 参考訳（メタデータ） (2023-11-10T10:51:00Z) - Online Safety Property Collection and Refinement for Safe Deep
Reinforcement Learning in Mapless Navigation [79.89605349842569]
オンラインプロパティのコレクション・リファインメント(CROP)フレームワークをトレーニング時にプロパティを設計するために導入する。
CROPは、安全でない相互作用を識別し、安全特性を形成するためにコストシグナルを使用する。
本手法をいくつかのロボットマップレスナビゲーションタスクで評価し,CROPで計算した違反量によって,従来のSafe DRL手法よりも高いリターンと低いリターンが得られることを示す。
論文 参考訳（メタデータ） (2023-02-13T21:19:36Z) - Evaluating Model-free Reinforcement Learning toward Safety-critical
Tasks [70.76757529955577]
本稿では、国家安全RLの観点から、この領域における先行研究を再考する。
安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。
この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
論文 参考訳（メタデータ） (2022-12-12T06:30:17Z) - Safe RAN control: A Symbolic Reinforcement Learning Approach [62.997667081978825]
本稿では,無線アクセスネットワーク(RAN)アプリケーションの安全管理のためのシンボル強化学習(SRL)アーキテクチャを提案する。
我々は、ユーザが所定のセルネットワークトポロジに対して高レベルの論理的安全性仕様を指定できる純粋に自動化された手順を提供する。
ユーザがシステムに意図仕様を設定するのを支援するために開発されたユーザインターフェース(UI)を導入し、提案するエージェントの動作の違いを検査する。
論文 参考訳（メタデータ） (2021-06-03T16:45:40Z) - Multi-context Attention Fusion Neural Network for Software Vulnerability
Identification [4.05739885420409]
ソースコードのセキュリティ脆弱性の共通カテゴリのいくつかを効率的に検出することを学ぶディープラーニングモデルを提案する。
モデルは、学習可能なパラメータの少ないコードセマンティクスの正確な理解を構築します。
提案したAIは、ベンチマークされたNIST SARDデータセットから特定のCWEに対して98.40%のF1スコアを達成する。
論文 参考訳（メタデータ） (2021-04-19T11:50:36Z)
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。