論文の概要: Information Flow Paths from RTL Traces

• arxiv url: http://arxiv.org/abs/2606.13860v1
• Date: Thu, 11 Jun 2026 19:41:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.614843
• Title: Information Flow Paths from RTL Traces
• Title（参考訳）: RTLトレースからのインフォメーションフローパス
• Authors: Calvin Deutschbein, Owyn Wyatt,
• Abstract要約: 我々はレジスタ転送レベル(RTL)トレースデータから情報フロー経路を構築するための新しい手法を開発した。 ハードウェア分析を高速化する新しい技術を導入し,レジスタ転送レベル(RTL)トレースデータから情報フロー経路を構築する新しい手法を開発した。
• 参考スコア（独自算出の注目度）: 0.3437656066916039
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Security validation is an important yet challenging part of the hardware design process, yet, by convention, validation engineers are tasked with defining the threat model, specifying the relevant security properties, detecting any violations of those properties, and assessing the consequences to system security, each of which is manually intensive and may introduce errors. The combined technologies of information flow tracking and specification mining represent an automated approach to property generation and validation, but prior work on information flow tracking on RTL trace data was limited to find cases under which information flowed between registers, without reproducing full paths to capture how sensitive information propagates through a design. With the introduction of new technologies accelerating hardware analysis, we develop a novel approach for constructing information flow paths from register transfer level (RTL) trace data.
• Abstract（参考訳）: セキュリティ検証は、ハードウェア設計プロセスにおいて重要な課題であるが、慣例によって、検証エンジニアは脅威モデルの定義、関連するセキュリティプロパティの指定、それらのプロパティの違反の検出、システムのセキュリティへの影響の評価などを行う。 情報フロー追跡と仕様マイニングの複合技術は、プロパティ生成と検証の自動化手法であるが、RTLトレースデータに基づく情報フロー追跡に関する先行研究は、レジスタ間で情報の流れが流れるケースを見つけるために限られていた。 ハードウェア分析を高速化する新しい技術を導入し,レジスタ転送レベル(RTL)トレースデータから情報フロー経路を構築する新しい手法を開発した。

関連論文リスト

• Detecting Object Tracking Failure via Sequential Hypothesis Testing [80.7891291021747]
  ビデオにおけるリアルタイムのオンラインオブジェクト追跡は、コンピュータビジョンにおける中核的なタスクである。 本稿では,物体追跡を逐次的仮説テストとして解釈することを提案する。 本研究では,地中追跡情報と内部追跡情報の両方を活用することにより,教師なしと教師なしの両方の変種を提案する。
  論文  参考訳（メタデータ） (2026-02-13T14:57:15Z)
• Towards Verifiably Safe Tool Use for LLM Agents [53.55621104327779]
  大規模言語モデル(LLM)ベースのAIエージェントは、データソース、API、検索エンジン、コードサンドボックス、さらにはその他のエージェントなどのツールへのアクセスを可能にすることで、機能を拡張する。 LLMは意図しないツールインタラクションを起動し、機密データを漏洩したり、クリティカルレコードを上書きしたりするリスクを発生させる。 モデルベースセーフガードのようなリスクを軽減するための現在のアプローチは、エージェントの信頼性を高めるが、システムの安全性を保証することはできない。
  論文  参考訳（メタデータ） (2026-01-12T21:31:38Z)
• CANDoSA: A Hardware Performance Counter-Based Intrusion Detection System for DoS Attacks on Automotive CAN bus [45.24207460381396]
  本稿では,制御領域ネットワーク(CAN)環境向けに設計された新しい侵入検知システム(IDS)を提案する。 RISC-VベースのCAN受信機はgem5シミュレータを用いてシミュレートされ、AES-128暗号化によるCANフレームペイロードをFreeRTOSタスクとして処理する。 結果は、このアプローチがCANセキュリティを大幅に改善し、自動車サイバーセキュリティにおける新たな課題に対処する可能性があることを示唆している。
  論文  参考訳（メタデータ） (2025-07-19T20:09:52Z)
• SALAD: Systematic Assessment of Machine Unlearning on LLM-Aided Hardware Design [14.290310679329565]
  大規模言語モデル(LLM)は、ハードウェア設計自動化のための変換機能を提供する。 LLMは、Verilog評価データ汚染、知的財産権(IP)設計リーク、悪意のあるVerilog生成のリスクなど、重要なデータセキュリティ上の課題を提起する。 SALADは、機械学習を利用してこれらの脅威を緩和する包括的アセスメントである。
  論文  参考訳（メタデータ） (2025-06-02T13:59:08Z)
• Large Language Models as Realistic Microservice Trace Generators [48.730974361862366]
  本稿では,大規模言語モデル (LLM) を用いて, 合成作業負荷トレースを生成する手法を提案する。 我々はTraceLLMが様々な条件下で多様なリアルなトレースを生成し、精度と妥当性の両方において既存のアプローチよりも優れていることを示す。 TraceLLMは、キートレース機能を予測したり、欠落したデータを埋め込むといった、下流のトレース関連タスクに適応する。
  論文  参考訳（メタデータ） (2024-12-16T12:48:04Z)
• QTFlow: Quantitative Timing-Sensitive Information Flow for Security-Aware Hardware Design on RTL [0.3679557794795275]
  設計段階でのハードウェア情報漏洩を定量化する,タイミングに敏感なフレームワークQTFlowを紹介する。 QTFlowは、タイミングチャネルを自律的に識別し、時間に依存しない分析から生じるすべての偽陽性を減少させる。
  論文  参考訳（メタデータ） (2024-01-31T13:22:57Z)
• Secure Instruction and Data-Level Information Flow Tracking Model for RISC-V [0.0]
  不正アクセス、障害注入、およびプライバシー侵害は、信頼できないアクターによる潜在的な脅威である。 本稿では,実行時セキュリティがシステム完全性を保護するために,IFT(Information Flow Tracking)技術を提案する。 本研究では,ハードウェアベース IFT 技術とゲートレベル IFT (GLIFT) 技術を統合したマルチレベル IFT モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-17T02:04:07Z)
• Understanding the Challenges of Deploying Live-Traceability Solutions [45.235173351109374]
  SAFA.aiは、ほぼリアルタイムな環境で自動トレーサビリティを提供する、プロジェクト固有モデルを微調整するスタートアップである。 本稿では,ソフトウェアトレーサビリティを商業化する上での課題について述べる。
  論文  参考訳（メタデータ） (2023-06-19T14:34:16Z)
• Towards Automated Classification of Attackers' TTPs by combining NLP with ML Techniques [77.34726150561087]
  我々は,NLP(Natural Language Processing)と,研究におけるセキュリティ情報抽出に使用される機械学習技術の評価と比較を行った。 本研究では,攻撃者の戦術や手法に従って非構造化テキストを自動的に分類するデータ処理パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-07-18T09:59:21Z)

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。