LAsset: An LLM-assisted Security Asset Identification Framework for System-on-Chip (SoC) Verification

1. Problemstellung

Die zunehmende Komplexität moderner System-on-Chip (SoC) und IP-Designs erschwert die Sicherheitsgarantie erheblich. Ein fundamentaler Schritt in der prä-silikon Sicherheitsverifikation ist die Identifizierung von Sicherheits-Assets (Schutzgütern). Diese Identifizierung ist die Voraussetzung für nachgelagerte Aufgaben wie Threat Modeling, Generierung von Sicherheits-Eigenschaften und Schwachstellenerkennung.

• Aktuelle Herausforderung: Traditionell erfolgt die Asset-Identifizierung manuell durch Sicherheitsexperten. Dies ist zeitaufwendig, fehleranfällig und skaliert schlecht für große SoC-Designs.
• Limitationen bestehender Tools: Bisherige Ansätze (z. B. SAIF oder LASHED) identifizieren Assets oft erst nach der Analyse von Schwachstellen oder basieren auf starren Namenskonventionen (Pattern Matching). Dies führt zu mangelnder Generalisierbarkeit und fehlender semantischer Begründung, warum ein Element ein Asset ist.
• Folge: Viele Sicherheitslücken bleiben bis zur Post-Silicon-Phase unentdeckt, wo die Behebung extrem ressourcenintensiv ist.

2. Methodik: Das LAsset-Framework

LAsset ist ein neuartiges, automatisiertes Framework, das Large Language Models (LLMs) nutzt, um Sicherheits-Assets sowohl aus technischen Spezifikationen (natürliche Sprache) als auch aus Register-Transfer-Level (RTL)-Beschreibungen zu identifizieren. Das Framework folgt dem Standard Security Annotation for Electronic Design Integration (SA-EDI) und den IEEE P3164-Richtlinien.

Der Prozess gliedert sich in drei sequenzielle Agenten-Schritte (siehe Abbildung 4 im Paper):

A. Input Pre-processing (Eingabevorverarbeitung)

Dieser Schritt bereitet die Daten für das LLM auf, um Kontextverluste und Halluzinationen zu vermeiden:

1. Modul-Extraktion: Das LLM filtert nicht-relevante Module aus dem RTL-Repository heraus und selektiert sicherheitskritische Module (z. B. CPU-PMP-Module vs. reine Bild-IPs).
2. Modulare Spezifikations-Zusammenfassung: Mittels Retrieval-Augmented Generation (RAG) werden SoC-weite Spezifikationen analysiert, um für jedes relevante Modul eine technische Zusammenfassung zu erstellen, die Sicherheitskontexte und Schnittstellen beschreibt.
3. Modulares RTL-Parsing: Zwei spezialisierte Parser extrahieren I/O-Ports sowie interne Signale/Register mit ihren Typen und Funktionen, um sicherzustellen, dass keine potenziellen Assets übersehen werden.

B. Asset Generation (Asset-Generierung)

Unter Verwendung von Few-Shot In-Context Learning und definierten Sicherheitszielen (CIA: Confidentiality, Integrity, Availability):

• Das LLM identifiziert zunächst konzeptionelle Assets (z. B. „Verschlüsselungsschlüssel" als abstraktes Objekt).
• Diese werden auf strukturelle Assets im RTL (z. B. spezifische Register oder Buffer) abgebildet.
• Es werden Primäre Assets (direkte Angriffsziele) und Sekundäre Assets (Komponenten, die den Zugriff auf Primäre Assets erleichtern oder Daten transportieren) unterschieden.

C. Asset Refinement (Asset-Verfeinerung)

Um False Positives zu eliminieren und die Zuverlässigkeit zu erhöhen (Beantwortung von RQ3), durchläuft die Liste drei Validierungsstufen:

1. Angriffsszenario-Analyse: Für jedes Kandidaten-Asset wird geprüft, ob plausible Angriffsszenarien (Side-Channel, Fault Injection, Hardware Trojan, etc.) existieren. Assets ohne solche Szenarien werden verworfen.
2. CWE-Mapping: Die Assets werden mit der MITRE-CWE-Datenbank abgeglichen. Nur Assets, die mit relevanten Common Weakness Enumerations (CWE) korrelieren, bleiben erhalten.
3. Self-Critique Revision: Ein weiterer LLM-Schritt überprüft die Konsistenz der Annotationen, die RTL-Referenzen und die Angriffslogik.
4. Berechnung des „Degree of Influence" (DoI): Für sekundäre Assets wird ein Metrikwert berechnet, der quantifiziert, wie stark sie primäre Assets beeinflussen (basierend auf der Bit-Konnektivität).

3. Wichtige Beiträge

• Pionierarbeit: LAsset ist das erste Framework, das LLMs für die automatisierte Identifizierung von Sicherheits-Assets in SoC- und IP-Designs nutzt.
• Robustheit und Vielseitigkeit: Das Framework funktioniert mit reinem RTL oder einer Kombination aus Spezifikation und RTL. Es unterstützt Verilog, SystemVerilog und VHDL und ist sowohl für IP-Blöcke als auch komplexe SoCs anwendbar.
• Umfassende Kontextualisierung: Jedes identifizierte Asset wird nicht nur aufgelistet, sondern mit Threat-Modeling-Details, Angriffsvektoren und Begründungen versehen.
• Vertrauenswürdigkeit: Durch die Validierung gegen die CWE-Datenbank und Selbstkritik-Checks wird eine hohe Genauigkeit erreicht.

4. Ergebnisse und Evaluation

Die Autoren evaluierten LAsset an realen Designs, darunter der NEORV32 RISC-V SoC und diverse Open-Source-IPs (OpenTitan, OpenCores, z. B. AES, SHA-3, GPIO).

• Genauigkeit (Recall):
  • Im SoC-Bereich (NEORV32): Erreichte eine Recall-Rate von 90,67 % (mit Spec + RTL).
  • Im IP-Bereich: Erreichte eine Recall-Rate von 93,21 % (mit Spec + RTL).
• Vergleich mit bestehenden Ansätzen:
  • LAsset übertrifft den aktuellen State-of-the-Art (Nath et al.) deutlich (93,21 % vs. 83,33 % Recall).
  • Ein kritischer Befund: Die „Gold-Standard"-Listen früherer Arbeiten enthielten oft kritische Assets nicht (z. B. Round Constants bei SHA-3), was zu einer Unterschätzung der Recall-Rate bei LAsset geführt hätte, wenn man sich blind auf diese Listen verlassen hätte. LAsset identifizierte diese korrekt.
• Einfluss der Eingaben: Die Kombination aus technischer Spezifikation und RTL liefert konsistent bessere Ergebnisse als RTL allein, da die Spezifikation den semantischen Kontext liefert.
• Ressourcenanalyse: Eine Analyse verschiedener LLM-Modelle (GPT-4o, GPT-5-Varianten) zeigte, dass ein Modell-agnostischer Ansatz möglich ist. Unter Berücksichtigung von Performance, Kosten und Zeit wurde ein optimaler Trade-off identifiziert (z. B. GPT-5-nano als effizienteste Wahl unter bestimmten Gewichtungsfaktoren).

5. Bedeutung und Ausblick

LAsset adressiert eine kritische Lücke im Hardware-Sicherheits-Workflow, indem es die manuelle, fehleranfällige Asset-Identifizierung automatisiert.

• Skalierbarkeit: Das Framework ermöglicht eine skalierbare Sicherheitsverifikation für komplexe SoCs, die für menschliche Experten kaum noch vollständig überblickbar sind.
• Standardisierung: Durch die Orientierung an SA-EDI und IEEE P3164 fördert LAsset die Standardisierung von Sicherheitsdokumentation in der Chipentwicklung.
• Früherkennung: Durch die frühe Identifizierung von Assets und deren Zuordnung zu Angriffsszenarien können Sicherheitslücken kostengünstig in der Designphase behoben werden, bevor teure Silizium-Prototypen gefertigt werden.

Zusammenfassend stellt LAsset einen Paradigmenwechsel dar: weg von manueller Expertenarbeit hin zu einem datengestützten, LLM-basierten Ansatz, der die Zuverlässigkeit und Effizienz der Hardware-Sicherheitsverifikation signifikant steigert.