.png){kind=icon}
返回
Structurally Secure Obfuscation: Assessing and Mitigating Structural Vulnerabilities in Circuits Obfuscation
.png){kind=icon}
PRE
AI
DOI：10.1145/3772062.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于IC制造的全球化以及为了保护知识产权的完整性和机密性，电路混淆技术得到了发展。这些方法通过混淆方法来保护电路。最近，引入了先进的基于机器学习（ML）的结构化攻击，这些攻击利用电路的结构来逆转混淆机制。这些攻击使用基于ML的方法来分析和中和混淆方案，而无需解锁功能电路，这对知识产权安全构成了重大挑战。为了对抗基于ML的攻击，本文首先分析了互连混淆技术中结构泄漏的来源，互连混淆技术是最强大的知识产权保护机制之一。我们对使用互连混淆技术混淆的电路网表图进行了开创性分析，以评估其抵抗链接预测技术的能力。基于我们的分析，我们引入了一个安全评估工具，该工具评估混淆技术在消除导致基于ML的攻击成功的结构泄漏方面的强度。我们的评估工具表明，以前的混淆方法未能达到其预期的安全级别。这导致了我们的第二个贡献，即提出ML-SafeConnect，一种互连混淆技术，通过完全消除基于距离的结构泄漏来保护混淆的子结构。使用我们的评估工具和最先进的基于ML的攻击，我们证明我们的混淆机制在防止结构泄漏方面优于以前的互连混淆技术。我们表明，ML-SafeConnect通过将最先进攻击的准确性降低到50%以下，完全挫败了所有基准电路的基于ML的攻击。
Keyword:
Circuit obfuscation
logic locking
interconnect-based obfuscation
structural attacks
machine learning-based attacks
期刊
A
IF:
2
论文数:
112
被引数:
1.2K
机构
引用论文
.png){kind=icon}
Valkyrie: Vulnerability Assessment Tool and Attack for Provably-Secure Logic Locking TechniquesValkyrie: 可证明安全的逻辑锁定技术的漏洞评估工具和攻击
PREAI
分享收藏
查看更多内容