#data-flow-graph

共收录 1 条相关安全情报。

← 返回所有主题
👥 作者: Jayanth Thangellamudi, Raghul Saravanan, Sudipta Paria, Swarup Bhunia, Sai Manoj P D

该论文关注的背景是:随着硬件木马(Hardware Trojan, HT)与系统级漏洞日益复杂,现代集成电路面临的风险不断上升;但研究界若要构造贴近真实的 HT 场景,负担非常沉重——研究者必须手工分析复杂的 RTL 结构、找出可能被利用的弱点,并撰写既隐蔽、又能综合、同时不破坏功能正确性的插入逻辑。为此作者提出 CITADEL 框架,其核心思路是把 CWE(常见弱点枚举)的结构化语义与数据流图(DFG)提供的结构上下文结合起来,交由大语言模型(LLM)驱动,实现以 CWE 为锚点的 HT 半自动/自动合成。CITADEL 的流程分为三步:首先借助 CWE 语义与 DFG 派生出的结构信息,帮助使用者识别与所选弱点类别相关的潜在漏洞位置;其次对选定插入点周边模块进行定位与上下文提取;最后执行“意图条件化”的 RTL 修改,生成体量最小、可综合、且保持原有接口的 HT,并赋予其极其罕见的触发条件。作者在多种 RTL 设计上进行了实验评估,报告称:所生成的 HT 全部通过语法正确性检查(100%),在大规模随机仿真下无法被检测出,同时在其预设的激活条件下确实可以被功能性触发。论文的贡献在于把“木马基准生成”从纯手工经验工程转变为可扩展、有原则、可复用的方法:既能为 HT 检测器提供高质量、贴近真实的评测样本,也能用于评估 RTL 供应链各环节的脆弱性。适合硬件安全、EDA 安全、IC 供应链信任与 LLM 辅助设计自动化方向的研究者与安全工程师阅读。需要说明的是,以上信息均来自摘要,具体实现细节、评测规模与基线对比未在摘要中给出。

💡 推荐理由: 它表明 LLM 结合 DFG 与 CWE 语义可以规模化生成语法正确、随机仿真下难以发现、且能被精准触发的硬件木马基准。对蓝队而言,这意味着 RTL/IP 供应链审查与 HT 检测器的评测难度都将上升,同时也可反向利用该方法来扩充检测训练集。

🎯 建议动作: 研究跟进

排序因子: 来自 arXiv 其他板块 (+2) | 命中热门研究主题 (+2) | Community 数据源 (+1) | LLM 评分加成 (+0.5)