Pre-Fabrication to Post-Deployment: A Unified ML-Driven Pipeline for IC Logic Locking
Dieses Paper präsentiert eine einheitliche, vierstufige, durch maschinelles Lernen gesteuerte Pipeline, die die Auswahl optimaler Logic-Locking-Techniken automatisiert, einen leichtgewichtigen und kryptographisch robusten STREAMLOCK-Mechanismus mit Dynamic Partial Reconfiguration für Laufzeit-Updates integriert und eine überlegene Hardwareeffizienz sowie Sicherheit über den gesamten Lebenszyklus des IC-Schutzes hinweg erreicht.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der modernen Welt werden die Chips, die alles von Smartphones bis hin zu medizinischen Geräten antreiben, selten von einem einzigen Unternehmen an einem einzigen Ort hergestellt. Stattdessen sind das Design, die Verifizierung und die Fertigung dieser integrierten Schaltkreise auf verschiedene Teams und Fabriken auf der ganzen Welt verteilt. Während diese globale Zusammenarbeit die Technologie billiger und schneller in der Produktion gemacht hat, hat sie auch eine gefährliche Schwachstelle geschaffen. Unzuverlässige Fabriken oder Drittanbieter könnten das geistige Eigentum stehlen, bösartige Hardware einbauen oder die Designs rückentwickeln, um unbefugte Kopien zu erstellen. Um dies zu verhindern, nutzen Ingenieure eine Technik namens Logic Locking. Stellen Sie sich einen Schaltkreis wie eine komplexe Maschine vor; Logic Locking fügt eine geheime Schalttafel hinzu, die die Maschine daran hindert zu funktionieren, sofern nicht der richtige Geheimcode eingegeben wird. Ohne diesen Code sieht die Maschine zwar intakt aus, liefert aber fehlerhafte Ergebnisse. Über Jahre hinweg wies diese Verteidigung jedoch drei große Mängel auf. Erstens war die Wahl der richtigen Art von Schloss für einen spezifischen Chip ein manueller, auf Raterei basierender Prozess. Zweitens ist das Schloss, sobald der Chip gebaut ist, statisch und unveränderlich, was ihn anfällig für Angreifer macht, die ihn über die Zeit hinweg untersuchen. Drittens gab es keine gute Möglichkeit, die Sicherheit zu aktualisieren, wenn der Chip bereits im Einsatz ist.
Ein Team von Forschern der University of North Carolina at Charlotte hat ein neues System entwickelt, um alle drei Probleme gleichzeitig zu lösen. Sie haben eine einheitliche Pipeline geschaffen, die maschinelles Lernen nutzt, um sichere Chips vom Fabrikboden bis zum Endnutzer automatisch zu entwerfen, zu bauen und zu warten. Der Prozess beginnt mit einem Computerprogramm, das wie ein Experte-Architekt fungiert. Es untersucht den Rohbauplan eines Schaltkreises und sagt unter Verwendung eines trainierten Modells der künstlichen Intelligenz voraus, welche von fünf verschiedenen Locking-Strategien für dieses spezifische Design am besten funktionieren wird. Dies macht es überflüssig, dass menschliche Ingenieure manuell eine Sicherheitsmethode entscheiden müssen, und stellt sicher, dass jedes Mal das richtige Werkzeug für die Aufgabe verwendet wird.
Sobald die beste Strategie gewählt wurde, baut das System das Schloss. Für viele Standard-Schaltkreise verwendet es eine Methode, die geheime Gates an den kritischsten Punkten einfügt, um maximale Verwirrung für einen Angreifer zu erzeugen. Für Schaltkreise, die einen stärkeren Schutz benötigen, setzt das System eine neue, leichtgewichtige Sicherheitsengine namens STREAMLOCK ein. Im Gegensatz zu herkömmlichen Schlössern, die einen einzelnen, unveränderlichen Geheimcode verwenden, generiert STREAMLOCK einen ständig wechselnden Strom von Zufallszahlen. Dieser Strom wird in die Logik des Schaltkreises gemischt, was bedeutet, dass die Beziehung zwischen Eingabe und Ausgabe nie zweimal dieselbe ist. Dieses dynamische Verhalten überlistet Angreifer, die versuchen, das feste Verhalten des Chips zu studieren, um den Code zu knacken. Die Forscher testeten diese neue Engine an einer Vielzahl von Standard-Benchmark-Schaltkreisen und bestätigten, dass sie perfekt funktioniert, wenn das korrekte Geheimnis angewendet wird, während sie bei Verwendung eines falschen Schlüssels die Ausgabe vollständig verstümmelt.
Die Forscher verglichen diesen neuen Ansatz auch mit älteren Methoden und mit der Verwendung eines leistungsstarken Verschlüsselungsstandards namens AES, der oft für hochsichere Daten verwendet wird, aber sehr teuer in Bezug auf Chipfläche und Stromverbrauch ist. Ihre Tests zeigten, dass die neue STREAMLOCK-Methode eine viel stärkere Sicherheit als die alten, statischen Schlösser bietet, aber bis zu neunmal weniger Platz und zwanzigmal weniger Energie als die schwere AES-Methode verbraucht. Dies platziert sie in einen idealen Bereich: Sie ist weita viel sicherer als die alten Wege, aber viel effizienter als die schwergewichtigen Alternativen.
Das letzte Puzzleteil adressiert das Problem von Chips, die bereits in Gebrauch sind. Selbst ein starkes Schloss kann schließlich geknackt werden, wenn es sich nie ändert. Um dies zu lösen, integrierte das Team eine Funktion namens Dynamic Partial Reconfiguration. Dies ermöglicht es, die Sicherheitseinstellungen des Chips zu aktualisieren, während er läuft, ohne das System herunterzufahren. Es ist vergleichbar damit, die Kombination eines Tresors zu ändern, während der Tresor noch verschlossen und in Gebrauch ist, anstatt den Tresor öffnen zu müssen, um ihn zurückzusetzen. Die Forscher fanden heraus, dass das Hinzufügen dieser Fähigkeit, die Sicherheit im laufenden Betrieb zu aktualisieren, fast keine zusätzlichen Kosten für die Größe oder den Stromverbrauch des Chips verursacht. Durch die Kombination von automatisiertem Design-Auswahl, einer leistungsstarken neuen Verschlüsselungsengine und der Fähigkeit, die Sicherheit in Echtzeit zu aktualisieren, bietet diese Pipeline eine vollständige, automatisierte Lösung zum Schutz der Hardware während ihres gesamten Lebenszyklus – vom Moment des Designs bis zu dem Tag, an dem sie schließlich außer Betrieb genommen wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.