論文の概要: Disguising Topology and Side-Channel Information through Covert Gate- and ML-Enabled IP Camouflaging

• arxiv url: http://arxiv.org/abs/2603.25904v1
• Date: Thu, 26 Mar 2026 20:53:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.275398
• Title: Disguising Topology and Side-Channel Information through Covert Gate- and ML-Enabled IP Camouflaging
• Title（参考訳）: Covert Gate- and ML-Enabled IP Camouflagingによるトポロジーとサイドチャネル情報
• Abstract要約: IP盗難は、高度なリバースエンジニアリング(RE)技術によって、毎年数十億の損失を被っている。 従来の cryptic' の IC カモフラージュ手法は、局所的なゲート機能の隠蔽に重点を置いているが、システムレベルの構造解析には弱いままである。 機能的なIP(F)は、完全に異なる外観のIP(A)として構造的に、視覚的にマスクレードするように設計されていることを示す。 その結果, この多層化手法は, ネットリスト理解に使用される構造的および論理的データを汚染することにより, REツールチェーン全体を効果的に抑制することがわかった。
• 参考スコア（独自算出の注目度）: 2.156373334386171
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semiconductor intellectual property (IP) theft incurs hundreds of billions in annual losses, driven by advanced reverse engineering (RE) techniques. Traditional ``cryptic'' IC camouflaging methods typically focus on hiding localized gate functionality but remain vulnerable to system-level structural analysis. This paper explores ``mimetic deception,'' where a functional IP (F) is designed to structurally and visually masquerade as a completely different appearance IP (A). We provide a comprehensive evaluation of three deceptive methodologies: IP Camouflage, Graph Matching, and DNAS-NAND Gate Array, analyzing their resilience against GNN-based node classification, and Differential Power Analysis (DPA). Crucially, we demonstrate that mimetic deception achieves a novel anti-side-channel defense: by forcing the mis-classification of cryptographic primitives, the adversary is led to apply an incorrect power model, causing the DPA attack to fail. Our results validate that this multi-layered approach effectively thwarts the entire RE toolchain by poisoning the structural and logical data used for netlist understanding.
• Abstract（参考訳）: 半導体知的財産権(IP)の盗難は、高度なリバースエンジニアリング(RE)技術によって数百億の損失を被る。 従来の'cryptic' IC camouflagingメソッドは、通常、局所的なゲート機能を隠すことに重点を置いているが、システムレベルの構造解析には弱いままである。 本稿では,機能的IP (F) が全く異なる外観IP (A) として構造的に,視覚的にマスクレードするように設計された '<mimetic deception,'' について検討する。 IPカモフラージュ、グラフマッチング、DNAS-NANDゲートアレイ、GNNベースのノード分類に対するレジリエンスの分析、微分パワー分析(DPA)の3つの認知的手法を総合的に評価する。 暗号プリミティブの誤分類を強制することにより、敵は誤ったパワーモデルを適用し、DPA攻撃は失敗する。 その結果, この多層化手法は, ネットリスト理解に使用される構造的および論理的データを汚染することにより, REツールチェーン全体を効果的に抑制することがわかった。

関連論文リスト

• Defending Network Intrusion Detection Systems Based on Graph Neural Networks Against Structural Adversarial Attacks [3.444915014411325]
  グラフニューラルネットワーク(GNN)は、機械学習(ML)ベースのネットワーク侵入検知システム(NIDS)のための有望なソリューションである GNNは、エッジを注入したりノードを挿入することで、攻撃者が基盤となるネットワークグラフトポロジを乱す構造的敵攻撃に対して脆弱なままである。 本稿では,GNN ベースの NIDS を構造攻撃に対して強化するための対人訓練に基づく防御フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-25T12:06:12Z)
• Defending against Model Extraction for GNNs with Model Reprogramming [57.82196268649236]
  グラフニューラルネットワーク(GNN)は、ML(Machine-Learning-as-a-Service)における高スループットアプリケーションのバックボーンとして機能する。 それでも、ブラックボックスのデプロイメントは、モデル抽出(ME)攻撃に晒される。 既存の防衛は「ユークリッドバイアス」に苦しむ セキュリティのためにモデル再プログラミングを再利用するプロアクティブディフェンスフレームワークであるGraphRPを提案する。
  論文  参考訳（メタデータ） (2026-08-11T23:20:15Z)
• Beyond Homophily: Towards Generalized Graph Reconstruction Attack and Defense [80.28330585803133]
  グラフニューラルネットワーク(GNN)は、計算データに広くデプロイされているが、トレーニンググラフの隣接性に関する機密情報やプロプライエタリ情報を漏洩することができる。 本研究は、訓練されたGNNからトレーニング隣接性を再構築するモデル逆転の一形態であるグラフ再構成攻撃(GRA)について研究する。 本稿では, MC-GRA(+)を提案する。これは, GNNにより誘導される表現が対象モデルのそれと一致した代理隣接を最適化することにより, 隣接性を再構築する。 防衛面では, MC-GPB (+) を提案する。
  論文  参考訳（メタデータ） (2026-06-06T09:29:27Z)
• Backdoor Channels Hidden in Latent Space: Cryptographic Undetectability in Modern Neural Networks [0.9099663022952497]
  等価な非検出性が、最新のエンドツーエンドのトレーニングネットワークに拡張されるかどうかを検討する。 我々は,最先端アーキテクチャに対する攻撃機構を構築し,非検出性という暗号的概念と密接に一致している。 以上の結果から,暗号バックドアはエキゾチックなアーキテクチャや人工的な構造を必要とする工芸品である必要はなく,学習表現の幾何学に固有の潜伏特性として識別できることが判明した。
  論文  参考訳（メタデータ） (2026-05-13T09:06:25Z)
• CIPHR: Cryptography Inspired IP Protection through Fine-Grain Hardware Redaction [5.322112910399912]
  グローバル化された集積回路サプライチェーンのハードウェア知的財産権(IP)は、幅広い機密性や整合性攻撃にさらされている。 ロジックロック、ハードウェア難読化、カモフラージュ、リアクションといった既存のIPレベルの対策は、これらの攻撃に対処することを目的としている。 CIPHRは、不明瞭性の暗号特性に着想を得た、堅牢な細粒度ハードウェア再作用手法である。
  論文  参考訳（メタデータ） (2026-04-04T03:00:49Z)
• Scalable IP Mimicry: End-to-End Deceptive IP Blending to Overcome Rectification and Scale Limitations of IP Camouflage [2.42908752270213]
  IP盗難による年間損失は2500億ドルから600億ドルと推定されている。 多くの半導体設計はリバースエンジニアリング(RE)に弱いままである。 IPカモフラージュ(IP Camouflage)は、従来のカモフラージュの論理ゲートを「模倣詐欺」によって隠蔽する突破口である
  論文  参考訳（メタデータ） (2025-12-12T22:04:09Z)
• The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
  大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。 CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
  論文  参考訳（メタデータ） (2025-12-01T07:05:23Z)
• Grimm: A Plug-and-Play Perturbation Rectifier for Graph Neural Networks Defending against Poisoning Attacks [53.972077392749185]
  近年の研究では、ノード分類タスクに対する敵対的中毒攻撃に対するグラフニューラルネットワーク(GNN)の脆弱性が明らかにされている。 ここでは、最初のプラグアンドプレイディフェンスモデルであるGrimmを紹介します。
  論文  参考訳（メタデータ） (2024-12-11T17:17:02Z)
• End-to-End Convolutional Activation Anomaly Analysis for Anomaly Detection [41.94295877935867]
  エンドツーエンドの畳み込みアクティベーション異常解析(E2E-CA$3$) エンドツーエンドの畳み込み動作異常解析(E2E-CA$3$)を提案する。 これは、Sperl、Schulze、B"ottingerによって提案されたA$3$の異常検出アプローチの重要な拡張である。
  論文  参考訳（メタデータ） (2024-11-21T10:22:50Z)
• CEPA: Consensus Embedded Perturbation for Agnostic Detection and Inversion of Backdoors [30.143123333668218]
  ディープニューラルネットワーク(DNN)における(バックドア攻撃)トロイの木馬に対する様々な防御策が提案されている。 バックドアに依存しない手法は、攻撃者が使用する組み込み機構に関係なく、バックドアを確実に検出および/または緩和しようとする。 バックドアを推定(反転)し,対象とするクラスを特定するために,組込み特徴表現に依存する新しい検出器について述べる。
  論文  参考訳（メタデータ） (2024-02-03T05:15:19Z)
• Securing Graph Neural Networks in MLaaS: A Comprehensive Realization of Query-based Integrity Verification [68.86863899919358]
  我々は機械学習におけるGNNモデルをモデル中心の攻撃から保護するための画期的なアプローチを導入する。 提案手法は,GNNの完全性に対する包括的検証スキーマを含み,トランスダクティブとインダクティブGNNの両方を考慮している。 本稿では,革新的なノード指紋生成アルゴリズムを組み込んだクエリベースの検証手法を提案する。
  論文  参考訳（メタデータ） (2023-12-13T03:17:05Z)
• Efficient Network Representation for GNN-based Intrusion Detection [2.321323878201932]
  過去数十年間、深刻な経済とプライバシーの被害を受けたサイバー攻撃の数が増加している。 本稿では,侵入検知タスクのトポロジ情報の提供を目的とした,フローのグラフとしての新しいネットワーク表現を提案する。 提案するグラフ構造を利用したグラフニューラルネットワーク(GNN)に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-11T16:10:12Z)
• Graph Agent Network: Empowering Nodes with Inference Capabilities for Adversarial Resilience [50.460555688927826]
  グラフニューラルネットワーク(GNN)の脆弱性に対処するグラフエージェントネットワーク(GAgN)を提案する。 GAgNはグラフ構造化エージェントネットワークであり、各ノードは1-hop-viewエージェントとして設計されている。 エージェントの限られたビューは、悪意のあるメッセージがGAgNでグローバルに伝播するのを防ぎ、グローバル最適化ベースのセカンダリアタックに抵抗する。
  論文  参考訳（メタデータ） (2023-06-12T07:27:31Z)
• Graph Backdoor [53.70971502299977]
  GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。 GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。 トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
  論文  参考訳（メタデータ） (2020-06-21T19:45:30Z)

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。