SubNM-Technology-Node-Aware Hardware Trojan Detection via Multi-Library Netlist Synthesis and Modular Graph Neural Networks
تقترح هذه الورقة SubNM، وهو إطار عمل للكشف عن أحصنة طروادة للأجهزة مدرك لعقدة التصنيع، يستفيد من تركيب مخططات الشبكات متعددة المكتبات والشبكات العصبية الرسومية النمطية لتحقيق دقة كشف تقارب المثالية وتعميمًا قويًا عبر مختلف عقد العمليات أشباه الموصلات، متجاوزًا بذلك قيود طرق التقييم أحادية التكوين.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 عالم رقائق الكمبيوتر كمدينة صاخبة وعظيمة بناها آلاف المهندسين المعماريين المختلفين. لكل مهندس معماري أسلوبه الفريد، ومجموعته الخاصة من كتل البناء، وطريقته الخاصة في تخطيط الشوارع. في العالم الحقيقي، هؤلاء "المهندسون المعماريون" هم الشركات التي تصمم الترانزستورات والبوّابات المنطقية الدقيقة داخل هواتفنا وحواسيبنا، و"كتل البناء" هي مكتبات الخلايا القياسية المستخدمة لبنائها. عندما ينشئ مصمم الرقائق مخططاً (يسمى تصميم RTL)، فإنه غالباً ما يضطر لإعادة بناء نفس المدينة لأحياء مختلفة؛ فربما يستخدم أحد الأحياء طوباً ضخماً ومتيناً من حقبة الثمانينيات، بينما يستخدم حي آخر طوباً نانوياً فائق التقنية ودقيقاً من عصرنا الحالي.
المشكلة هي أن المجرمين المتسللين، المعروفين باسم "أحصنة طروادة العتادية" (Hardware Trojans)، يحبون الاختباء في هذه المدن. "طروادة" هو عبارة عن كود أو دائرة إلكترونية خبيثة صغيرة يتم إدراجها داخل الرقاقة لسرقة الأسرار، أو إيقاف النظام، أو التسبب في سلوك غريب. عادةً ما يكون هؤلاء المجرمون خبراء في التمويه؛ فهم يختبئون في وضح النهار، ويبدون تماماً مثل جزء طبيعي من المدينة. لفترة طويلة، تم تدريب حراس الأمن (أدوات الكشف) على رصد هؤلاء المجرمين في حي واحد محدد فقط. إنهم يعرفون تماماً كيف يبدو "الطوب الطبيعي" في منطقة الـ 180 نانومتر، ولكن إذا أُعيد بناء المدينة باستخدام طوب الـ 28 نانومتر، يصاب الحارس بالارتباك. يبدو المجرم مختلفاً لأن مواد البناء قد تغيرت، رغم أن خطة المجرم لم تتغير. تتناول هذه الورقة البحثية السؤال الصعب: كيف يمكننا الإمساك بلص يغير تنكره في كل مرة يُعاد فيها بناء المدينة؟
قرر الباحثون وراء هذه الدراسة، أنينديتا تشاتوبادهي، وسيدهارت بيساريا، وفياي كومار سوتراكار، بناء حارس أمن فائق الذكاء لا يحفظ مظهر حي واحد فحسب، بل يفهم "جوهر" المدينة بغض النظر عن نوع الطوب المستخدم. وقد أطلقوا على نظامهم الجديد اسم SubNM.
لفهم كيف فعلوا ذلك، تخيل أنك تحاول العثور على شجرة غريبة الشكل في غابة. إذا كنت تنظر دائماً إلى غابة مكونة من أشجار الصنوبر فقط، فقد تعتقد أن أي شجرة ذات شكل غريب هي الهدف. ولكن إذا تحولت الغابة فجأة إلى غابة من أشجار البلوط، فقد يبدو نفس ذلك الشكل الغريب مختلفاً تماماً. كانت حراس الأمن القدامى (أدوات الكشف السابقة) مثل الأشخاص الذين عرفوا غابات الصنوبر فقط؛ كانوا سيضيعون إذا تغيرت الأشجار.
أدرك الفريق وراء SubNM أنه لكي يمسكوا بالأشرار، عليهم تدريب حارسهم على كل نوع من أنواع الغابات في آن واحد. لقد أخذوا 21 "مخططاً" مختلفاً للدوائر الحاسوبية (بعضها بسيط وبعضها صناعي ضخم) وأعادوا بناء كل منها باستخدام أربع مجموعات مختلفة تماماً من كتل البناء، والتي تمثل تكنولوجيا تتراوح من 180 نانومتر وصولاً إلى 28 نانومتر. خلق هذا مكتبة ضخمة تضم 84 نسخة مختلفة من نفس الدوائر. الأمر يشبه أخذ تصميم منزل واحد وبنائه بالخشب، ثم بالصلب، ثم بالزجاج، ثم بالبلاستيك المستقبلي، فقط لترى كيف سيبدو "الرجل السيئ" المختبئ بداخله في كل نسخة.
بعد ذلك، علموا نوعاً خاصاً من الذكاء الاصطناعي، يسمى "الشبكة العصبية الرسومية" (GNN)، أن ينظر إلى هذه الدوائر ليس فقط كقوائم من الأجزاء، بل كخرائط من الاتصالات. فكر في الدائرة كخريطة مترو أنفاق حيث المحطات هي البوابات المنطقية والمسارات هي الأسلاك. تعلم الذكاء الاصطناعي رصد "المحطات السيئة" (أحصنة طروادة) من خلال مراقبة كيفية اتصالها ببقية الخريطة. ولكن إليكم الخدعة السحرية: لقد أعطوا الذكاء الاصطناعي نظارات خاصة. هذه النظارات لم تكن ترى الاتصالات فحسب، بل كانت ترى أيضاً "نوع مادة البناء" التي صنعت منها كل محطة. سمح هذا للذكال الاصطناعي بفهم أن "الاتصال الغريب" في غابة الـ 180 نانومتر قد يبدو مختلفاً في غابة الـ 28 نانومتر، لكن "نمط الجريمة" يظل كما هو.
كانت النتائج مبهرة. عندما اختبروا الذكاء الاصطناعي على نوع واحد فقط من مواد البناء، كان جيداً بالفعل، حيث كشف حوالي 93% إلى 85% من الأشرار اعتماداً على المادة. ولكن عندما استخدموا طريقة التدريب "متعددة المواد" (SubNM)، أصبح الذكاء الاصطناعي محققاً بارعاً. بدأ في ضبط ما بين 98.8% و99.5% من أحصنة طروادة، بغض النظر عن مادة البناء التي صُنعت منها المدينة.
والأكثر إثارة هو أنهم اختبروا ما إذا كان بإمكان الذكاء الاصطناعي التعلم من مجموعة من الأحياء ثم البدء فوراً في القبض على المجرمين في حي جديد لم يره من قبل. هذا يشبه تدريب حارس على مدن مصنوعة من الخشب والصلب، ثم إرساله إلى مدينة زجاجية لم يسبق له رؤيتها. لم يقم الذكاء الاصطناعي بالتخمين فحسب؛ بل عمل بثقة عالية، حيث أمسك بنحو 97% من الأشرار في هذه البيئات الجديدة. وهذا يثبت أن الذكاء الاصطناعي تعلم "الشكل الحقيقي للجريمة"، وليس مجرد مظهر الطوب.
كما قارنت الورقة نظامهم الجديد مع غيرهم من حراس الأمن الأفضل في هذا المجال. وبينما كان الآخرون بارعين في رصد أحصنة طروادة في الدوائر البسيطة، إلا أنهم غالباً ما تعثروا عندما تصبح الدوائر ضخمة ومعقدة، أو عندما تكون أحصنة طروادة صغيرة جداً ومختبئة. أما SubNM، فقد حافظ على هدوئه، حيث أمسك بكل مجرم تقريباً في أكبر وأكثر الدوائر تعقيداً التي اختبروها، بما في ذلك تصميم صناعي ضخم يحتوي على أكثر من 100,000 جزء.
باختصار، تشير هذه الورقة إلى أنه من خلال تعليم أنظمة الأمان لدينا كيف يغير التطور التكنولوجي مظهر الدائرة، يمكننا بناء درع أقوى ضد سرقة العتاد. لم يجد الباحثون طريقة أفضل للنظر إلى نوع واحد من الرقائق فحسب؛ بل بنوا أداة مرنة وقابلة للتكيف تعمل عبر كامل طيف التكنولوجيا الحديثة، مما يضمن أنه حتى مع صغر حجم رقائقنا وزيادة تعقيدها، لن يستطيع الأشرار الاختباء خلف تغيير ملابسهم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.