💻 computer science

Assertain: Automated Security Assertion Generation Using Large Language Models

يُعد Asscertain إطار عمل مؤتمتًا يستفيد من النماذج اللغوية الكبيرة مع تحسين التأمل الذاتي لتوليد تأكيدات أمان SystemVerilog دقيقة من تصميمات RTL، متفوقًا بشكل كبير على GPT-5 في تغطية الثغرات واكتشاف العيوب مع تقليل جهد التحقق اليدوي.

المؤلفون الأصليون: Shams Tarek, Dipayan Saha, Khan Thamid Hasan, Sujan Kumar Saha, Mark Tehranipoor, Farimah Farahmandi

نُشر 2026-04-03

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Shams Tarek, Dipayan Saha, Khan Thamid Hasan, Sujan Kumar Saha, Mark Tehranipoor, Farimah Farahmandi

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تقوم ببناء مدينة رقمية ضخمة ومعقدة للغاية تسمى النظام على شريحة (SoC). هذه المدينة تتكون من ملايين المنازل الصغيرة (الدوائر)، والطرق (مسارات البيانات)، وحراس الأمن (البوابات المنطقية). ومع زيادة حجم هذه المدن وترابطها، يصبح من المستحيل تقريبًا على المهندسين البشريين فحص كل باب ونافذة وجدار يدويًا بحثًا عن نقاط الضعف الخفية.

تقليديًا، إذا أردت تأمين هذه المدينة، سيتعين عليك توظيف فريق من الخبراء لكتابة آلاف القواعد المحددة (المعروفة باسم تأكيدات الأمان - Security Assertions) مثل: "إذا فُتح الباب الأمامي، يجب أن ينطلق الإنذار،" أو "لا يمكن لأحد دخول الخزنة بدون مفتاح." وإذا أغفل البشر قاعدة ما، يمكن للمخترق التسلل؛ وإذا كتبوا قاعدة بشكل خاطئ، فقد يتعطل نظام الأمان أو يتجاهل تهديدات حقيقية.

إليك "Assertain": المعماري الأمني بالذكاء الاصطناعي.

يقدم هذا البحث أداة Assertain، وهي أداة تعمل كمعماري ذكي للغاية ولا يكلّ. بدلًا من انتظار البشر لكتابة كل قاعدة، يقوم Assertain بكتابة قواعد الأمان لمدينتك الرقمية تلقائيًا. وإليك كيف يعمل ذلك، مقسمًا إلى خطوات بسيطة:

1. "ورقة الغش" (رسم خرائط المعرفة)

تخيل أنك تحاول العثور على جميع نقاط الضعف في قلعة ما. بدلًا من التخمين، لديك موسوعة ضخمة لنقاط ضعف القلاع المعروفة (تسمى CWE، أو التعداد الشائع لنقاط الضعف).

ما يفعله Assertain: ينظر إلى مخططات مدينتك الرقمية (تصميم RTL) ويتساءل: "ما نوع هذا المبنى؟ هل هو بنك؟ أم برج اتصالات؟"
ثم يقوم بمطابقة ذلك مع قائمة بالتهديدات التي تخشى منها (مثل "هل يمكن لأحدهم سرقة المفاتيح؟" أو "هل يمكن لأحدهم التنصت؟").
ومن خلال الجمع بين نوع المبنى ونوع التهديد، ينشئ قائمة مستهدفة تحدد بالضبط نقاط الضعف التي يجب البحث عنها. فهو لا يضيع الوقت في البحث عن "حريق" في مبنى مصنوع من الماء؛ بل يركز على المخاطر الحقيقية.

2. "مرحلة المسودة" (التوليد المدرك للسياق)

الآن، يحتاج الذكاء الاصطناعي إلى كتابة قواعد الأمان الفعلية.

المشكلة: إذا طلبت من ذكاء اصطناعي قياسي فقط: "اكتب قاعدة أمان لهذا"، فقد يهلوس (يختلق أشياءً من خياله). قد يقول: "افحص الباب الأزرق"، بينما لا يوجد باب أزرق في تصميمك.
الحل: يعمل Assertain كمحرر صارم. فهو يغذي الذكاء الاصطناعي بالمخطط الكامل للمدينة، خطًا بأسطر. ويقول له: "أنت مهندس أمن محترف. انظر إلى هذه الأسلاك والمفاتيح المحددة. اكتب قاعدة تناسب تمامًا ما هو موجود هنا."
يقوم بتوليد قائمة ضخمة من القواعد المحتملة، مجربًا زوايا مختلفة لضمان عدم تفويت أي شيء.

3. "التصحيح الذاتي" (التحسين)

هذه هي الخدعة السحرية. حتى الذكاء الاصطناعي الذكي يرتكب الأخطاء.

العملية: بعد أن يكتب الذكاء الاصطناعي مسودة القاعدة، يقوم Assertain بتمريرها عبر فحص "التفكير الذاتي" (Self-Reflection). حيث يقارن القاعدة بالمخططات الفعلية مرة أخرى.
الفلتر (المصفاة): إذا كانت القاعدة تقول: "افحص السلك الأحمر"، بينما المخطط يحتوي فقط على سلك أخضر، يقوم Asscertain بحذف تلك القاعدة. إنه يصلح القواعد لغويًا، ويتأكد من أن المنطق منطقي، ويتأكد من أن القاعدة قابلة للتنفيذ فعليًا بواسطة أدوات التحقق.
فكر في الأمر كمدقق إملائي لا يكتفي بتصحيح الأخطاء المطبعية فحسب، بل يتحقق أيضًا مما إذا كانت الجملة منطقية في العالم الحقيقي.

لماذا يعد هذا أمرًا بالغ الأهمية؟ (النتائج)

اختبر الباحثون Assertain على 11 تصميمًا رقميًا مختلفًا (مثل فاحص كلمة مرور، وحدة ذاكرة، وشريحة اتصالات). وقارنوه بذكاء اصطناعي قوي قياسي (GPT-5) يعمل بمفرده.

قواعد أكثر، قواعد أفضل: وجد Asscertain قواعد أمان صحيحة أكثر بنسبة 61% من الذكاء الاصطناعي القياسي.
كشف العيوب الخفية: اكتشف عيوبًا هيكلية عميقة أكثر بنسبة 67%.
مثال من الواقع: في أحد الاختبارات، لاحظ الذكاء الاصطناعي أن نظام كلمة المرور لم يغير رمز "التحدي" الخاص به، مما يجعله سهل الاختراق، فقام بكتابة قاعدة لكشف ذلك. وفي اختبار آخر، لاحظ أن حارس الأمن يمكن أن يعمل بالخطأ كـ "رئيس" و"سجين" في نفس الوقت، وكتب قاعدة لمنع هذا الارتباك.

الخلاصة

Assertain يشبه توظيف مستشار أمني دؤوب فائق الملاحظة لا ينام أبدًا. فهو يقرأ المخططات، ويعرف أحدث حيل المخترقين، ويكتب تلقائيًا تعليمات حارس الأمن المثالية لمدينتك الرقمية.

إنه لا يتحقق فقط مما إذا كانت المدينة تعمل؛ بل يتحقق مما إذا كانت المدينة آمنة ضد أشياء لم نفكر فيها بعد. وهذا يوفر على المهندسين البشر كتابة آلاف القواعد المملة وعرضة للخطأ، ويساعدنا على بناء أجهزة آمنة بالتصميم، وليس بمحض الصدفة.

1. بيان المشكلة

تصبح تصميمات الأنظمة على شريحة (SoC) الحديثة معقدة بشكل متزايد، مما يضاعف مخاطر أمن الأجهزة. تواجه طرق التحقق التقليدية عقبات كبيرة:

العقبة اليدوية: تتطلب كتابة تأكيدات SystemVerilog (SVAs) المتمحورة حول الأمن خبرة عميقة في المجال وجهداً يدويًا، وهو أمر يستغرق وقتاً طويلاً وعرضة للخطأ.
مشكلات القابلية للتوسع: تعاني عملية التحقق القائم على التأكيد (ABV) التقليدية في التوسع مع نمو تعقيد التصميم وتطور مشهد التهديدات.
قيود النماذج اللغوية الكبيرة (LLMs): بينما تظهر النماذج اللغوية الكبيرة إمكانات في توليد الأكواد، تعاني النهج الحالية لتوليد الخصائص الأمنية من:
- الهلوسة (Hallucinations): توليد تأكيدات تشير إلى إشارات غير موجودة أو تستخدم بناءً لغوياً (Syntax) غير صالح.
- الافتقار إلى الوعي بالتهديدات: الفشل في ربط سلوكيات التصميم بفئات الثغرات المعيارية (مثل CWE).
- عدم اتساق السياق: تأكيدات غير قابلة للتنفيذ بواسطة أدوات التحقق الرسمي بسبب عدم التطابق الدلالي.

2. المنهجية: إطار عمل Assertain

يقترح البحث إطار عمل Assertain، وهو إطار عمل مؤتمت يدمج تحليل تصميم RTL، وربط تصنيف نقاط الضعف الشائعة (CWE)، وذكاء نموذج التهديد. يعمل إطار العمل عبر ثلاث مراحل متميزة:

المرحلة الأولى: رسم خرائط المعرفة (المحاذاة الدلالية)

تعمل هذه المرحلة على ترسيخ عملية التوليد في الواقع من خلال محاذاة سياقات التصميم والتهديد مع وجود دلالي (Ontology) معياري (CWE).

المحاذاة الهيكلية ( $M_{rtl}$ ): يقوم نموذج لغوي كبير بتصنيف تصميم RTL المدخل إلى فئات أجهزة محددة مسبقاً (مثل "مكونات الذاكرة"، "واجهات الاتصال"). يقوم هذا بربط التصميم بقاعدة معرفية ثابتة من الـ CWEs التمثيلية، مما يمنع النموذج اللغوي من هلوسة ربط الثغرات.
تكامل ناقل التهديد ( $M_{threat}$ ): يتم تطبيع نماذج التهديد المعرفة من قبل المستخدم (مثل "هجوم القناة الجانبية") وربطها بمعرفات CWE محددة عبر قاعدة بيانات بحث.
تقاطع السياق: يتم تحديد مساحة البحث المستهدفة ( $C_{target}$ ) كتقاطع بين نقاط الضعف الضمنية هيكلياً ونقاط الضعف المستمدة من التهديدات. يضمن ذلك أن الخصائص المولدة ذات صلة وثيقة بسطح الهجوم المحدد.

المرحلة الثانية: التوليد المدرك للسياق

يتم نشر نموذج لغوي كبير لتوليد تأكيدات مرشحة بناءً على نقاط الضعف المستهدفة.

هندسة الأوامر (Prompt Engineering): يتضمن الأمر ثلاثة طبقات من السياق:
1. الدور: مهندس أمن أجهزة خبير.
2. الثغرة: تعريف وأمثلة على الـ CWE المحدد.
3. التصميم: كود المصدر RTL كاملاً (حرفياً) لضمان دقة ربط الإشارات.
التوليد التكراري: يتم استعلام النموذج اللغوي $N$ من المرات لكل نقطة ضعف لزيادة التغطية. يخرج النموذج ثلاثيات مهيكلة (سيناريو أمني، خاصية بلغة طبيعية، SVA مرشح) في تنسيق جدول Markdown.
القيود القائمة على القواعد: يفرض الأمر قواعد نحوية وسلوكية صارمة، بما في ذلك:
- الاستخدام الإلزامي لتنسيقات المقدمة والنتيجة (|-> ، |=>).
- منطق التوقيت الصارم (متزامن مقابل توافقي).
- فحص سلامة الإشارات (استخدام إشارات RTL الموجودة فقط).
- منع الخصائص الفارغة (التي تكون صحيحة بشكل بديهي/تافه).

المرحلة الثالثة: صقل التأمل الذاتي

للتخفيف من الهلوسة وضمان قابلية التنفيذ، تقوم وحدة الصقل بمعالجة التأكيدات المرشحة الخام ( $P_{raw}$ ) مقابل مصدر RTL الكامل ( $D$ ).

التحقق: استخراج المعرفات الصالحة (الأسلاك، السجلات، المنافذ) من RTL والتحقق من أن جميع الإشارات المشار إليها في التأكيد موجودة في التصميم ( $Signals(a) \subseteq Signals(D)$ ).
التصفية: إزالة التأكيدات التي تشير إلى إشارات غير معرفة أو وحدات ماكرو (Macros).
التوليد النهائي: إصدار ملف .sva نظيف وقابل للتجميع مع الرؤوس المناسبة، وإعلانات النوع، ورسائل الخطأ.

3. المساهمات الرئيسية

إطار عمل موحد: أول إطار عمل يوحد تحليل RTL الهيكلي مع ذكاء نموذج التهديد عبر ربط CWE الواعي بالتصميم.
آلية التأمل الذاتي: يقدم حلقة "التوليد ثم الصقل" المبتكرة حيث تقوم تمريرة ثانية للنموذج اللغوي بالتحقق من وجود الإشارات والنحو مقابل كود المصدر، مما يقلل بشكل كبير من الهلوسة.
تحليل الفجوة المعمارية: على عكس التحقق التقليدي الذي يتحقق مما إذا كان RTL يطابق المواصفات، يقوم Assertain بتوليد "اختبارات سلبية" لتقييم ما إذا كان التصميم يلتزم بمبادئ أمنية مثالية، مما يحدد الفجوات المعمارية (مثل نقص الحماية من الومضات أو ثغرات إعادة التشغيل) حتى لو كان الـ RTL الحالي صحيحاً وظيفياً.
تغطية شاملة: يولد خصائص متمحورة حول الأمن ووظائفية على حد سواء، مغطياً مجموعة واسعة من CWEs بدءاً من تسريب المعلومات وصولاً إلى تحمل الأخطاء.

4. النتائج التجريبية

تم تقييم إطار العمل على 11 تصميماً تمثيلياً للأجهزة (بما في ذلك AES و MIPS و UART وأنظمة فرعية لـ SoC) ومقارنته بنموذج أساسي باستخدام GPT-5 مباشرة.

مقاييس الأداء: تفوق Assertain على النموذج الأساسي GPT-5 بـ:
- 61.22% في عدد عمليات توليد التأكيدات الصحيحة.
  * 59.49% في تغطية CWE الفريدة.
- 67.92% في اكتشاف العيوب المعمارية.
النتائج المحددة:
- جودة التأكيد: حقق دقة نحوية تقترب من 100% في معظم الحالات، بينما عانى النموذج الأساسي من الهلوسة في الإشارات في التصميمات المعقدة (مثل SoC_Subsystem).
- اكتشاف العيوب: في تصميم MIPS، اكتشف Assertain 15 عيباً معمارياً مقارنة بـ 8 للنموذج الأساسي. وفي وحدة Store_Unit، ضاعف عدد العيوب المكتشفة (15 مقابل 9).
- دراسات الحالة: نجح في تحديد مشكلات حرجة مثل:
  - هجمات إعادة التشغيل (Replay Attacks): نقص دوران التحدي في التحقق من كلمة المرور.
  - تحمل الأخطاء (Fault Tolerance): عدم قدرة آلات الحالة المحدودة (FSMs) على التعافي من الحالات غير القانونية (SEU).
  - التابع المضلل (Confused Deputy): فشل عزل الأدوار في متحكمات I2C.
  - مقاومة الومضات (Glitch Resistance): نقص إزالة الارتداد (Debouncing) في خطوط التحكم.

5. الأهمية

يمثل إطار عمل Assertain تحولاً جذرياً في التحقق من أمن الأجهزة. من خلال أتمتة ترجمة نوايا التهديد عالية المستوى إلى خصائص رسمية صارمة وقابلة للتنفيذ، فإنه:

يقلل الجهد اليدوي: يقلص بشكل كبير الوقت المطلوب لتحديد الخصائص الأمنية.
يوسع التغطية: يكشف عن نقاط الضعف المعمارية الدقيقة والتهديدات الناشئة التي قد تغفل عنها الفحص اليدوي أو التحقق الوظيفي القياسي.
يضمن قابلية التنفيذ: تضمن آلية التأمل الذاتي أن التأكيدات المولدة صحيحة نحوياً ومتسقة دلالياً مع التصميم، مما يجعلها جاهزة للاستخدام الفوري في تدفقات التحقق من الخصائص الرسمية (FPV).
جاهزية المستقبل: يوفر حلاً قابلاً للتوسع لمواكبة التعقيد المتزايد للأنظمة على شريحة (SoCs) وتطور تهديدات الأجهزة الحديثة.

يخلص البحث إلى أن Assertain يطور حالة الفن الحالية بشكل كبير من خلال الانتقال من مجرد توليد الأكواد إلى تعريف بنية أمنية مؤتمتة، حيث يعمل بفعالية كمهندس معماري أمني مؤتمت يحدد الحالة "المستهدفة" للأنظمة المحصنة.