Explainability Methods for Hardware Trojan Detection: A Systematic Comparison

Resumen Técnico: Métodos de Explicabilidad para la Detección de Troyanos de Hardware

Planteamiento del Problema
Los troyanos de hardware son circuitos maliciosos incrustados durante el diseño o la fabricación de circuitos integrados (IC). A diferencia de las vulnerabilidades de software, son permanentes en el silicio y no pueden parchearse, lo que requiere una detección temprana durante la fase de diseño. Aunque los modelos de aprendizaje automático (ML) pueden señalar puertas sospechosas en listas de conexiones (netlists) a nivel de compuerta, su naturaleza de "caja negra" suele generar soluciones basadas estadísticamente con altas tasas de falsos positivos. Los ingenieros de seguridad requieren explicaciones accionables fundamentadas en principios de diseño de circuitos para validar las alertas y planificar la remediación. Los métodos actuales de IA explicable (XAI), desarrollados para dominios generales como la clasificación de imágenes, suelen proporcionar puntuaciones genéricas de importancia de características que carecen del contexto específico a nivel de circuito requerido por los profesionales del hardware. Este trabajo aborda esta brecha comparando empíricamente la explicabilidad consciente del dominio frente a las técnicas agnósticas al modelo para aplicaciones de seguridad de hardware.

Metodología
El estudio utiliza el conjunto de datos de referencia Trust-Hub, que comprende 30 circuitos combinacionales digitales (periféricos RS232 y benchmarks ISCAS) con inserciones de troyanos etiquetadas a nivel de compuerta. El conjunto de datos exhibe un desequilibrio de clases extremo (aproximadamente 158 compuertas benignas por 1 compuerta de troyano).

La metodología evalúa cinco enfoques de explicabilidad a través de tres categorías, utilizando todos los mismos cinco rasgos estructurales derivados de Hasegawa et al.: Fanins de Compuertas Lógicas (LGFi), Entrada de Flip-Flop (FFi), Salida de Flip-Flop (FFo), Entrada Primaria (PI) y Salida Primaria (PO).

1. Análisis de Propiedades Consciente del Dominio (Método 1): Este enfoque construye un ensamble de 31 clasificadores XGBoost, cada uno entrenado en un subconjunto distinto y no vacío de las cinco características. Las explicaciones se generan identificando qué combinaciones específicas de propiedades (por ejemplo, alto fanin cerca de las salidas) votaron por una detección. Esto alinea las explicaciones con el vocabulario de la seguridad de hardware.
2. Razonamiento Basado en Casos Agnóstico al Modelo (Método 2): Este método utiliza un único clasificador XGBoost para la predicción, pero explica las decisiones recuperando los $k=5$ vecinos más cercanos del conjunto de entrenamiento. Las explicaciones se basan en precedentes, mostrando a los ingenieros ejemplos específicos de entrenamiento que coinciden con el perfil de características de la compuerta sospechosa.
3. Atribución de Características Agnóstica al Modelo (Métodos 3–5): Se aplican tres técnicas de atribución post-hoc estándar al clasificador XGBoost:
   • LIME: Explicaciones Locales Interpretables de Modelo Agnóstico mediante perturbación.
   • SHAP: Explicaciones Aditivas de Shapley (SHapley Additive exPlanations) utilizando valores de teoría de juegos (TreeExplainer).
   • Atribución de Gradiente: Análisis de sensibilidad de primer orden.

El rendimiento de la detección se evalúa principalmente utilizando XGBoost, mientras que Random Forest se utiliza para verificar la generalización. La línea base de SVM de Hasegawa se reimplementa bajo condiciones experimentales idénticas (mismo split, características y protocolos de umbralización) para una comparación justa.

Contribuciones Clave

1. Comparación Sistemática: El artículo proporciona la primera comparación empírica del análisis de propiedades consciente del dominio, el razonamiento basado en precedentes y la atribución de características genérica específicamente para la detección de troyanos de hardware a nivel de compuerta.
2. Mejora del Rendimiento de Detección: El trabajo demuestra que los clasificadores optimizados de XGBoost y Random Forest superan significativamente a la línea base de SVM reimplementada. XGBoost logra un 48.08% de precisión y un 69.44% de recall (F1 = 0.568), lo que representa una mejora de precisión de 4.25 veces y una reducción de la densidad de falsos positivos de 7.4 veces en comparación con la línea base de SVM (11.33% de precisión, 35.0 falsos positivos por cada 1,000 compuertas).
3. Análisis de Compromiso de Explicabilidad:
   • Consciente del Dominio vs. Agnóstico al Modelo: Los métodos conscientes del dominio ofrecen explicaciones en términos de circuitos familiares (por ejemplo, "alta complejidad de fanin cerca de las salidas"), mientras que los métodos agnósticos al modelo (LIME, SHAP) producen puntuaciones de importancia genéricas.
   • Correspondencia: El razonamiento basado en casos logra una correspondencia del 96.51% entre las predicciones y los ejemplares de entrenamiento, proporcionando una justificación intuitiva.
   • Consistencia de Atribución: LIME y SHAP muestran solo una moderada concordancia por compuerta (Spearman $\rho = 0.30$), lo que indica que no producen clasificaciones de importancia idénticas a pesar de ser ambos agnósticos al modelo.
   • Eficiencia: Se encontró que la atribución basada en gradientes es 7 veces más rápida que SHAP (0.16 ms vs. 1.10 ms por explicación) mientras ofrece clasificaciones de características similares, aunque carece de las garantías formales de consistencia de SHAP.

Resultados

• Detección: En un conjunto de prueba reservado de 11,392 compuertas, XGBoost con un umbral optimizado (0.940) logró un 48.08% de precisión y un 69.44% de recall. Random Forest logró puntuaciones F1 comparables (0.555) con la mitad de la densidad de falsos positivos de XGBoost (2.37 vs. 4.74 FP por cada 1,000 compuertas).
• Explicabilidad:
  • Basada en Propiedades (M1): Aunque la ponderación inicial del ensamble (EPARS) arrojó una precisión baja (1.7%), la reponderación con MCC en un umbral optimizado logró un 78.1% de precisión a costa de un menor recall (34.7%). Esto resalta que el rendimiento "limitado" de los métodos basados en propiedades en este entorno de baja dimensionalidad es una función de la ponderación y el punto de operación, no un techo inherente del enfoque.
  • Basada en Casos (M2): Logró una alta correspondencia (96.51%) y proporcionó la procedencia completa de la lista de conexiones para los vecinos recuperados, permitiendo a los ingenieros inspeccionar los ejemplos de entrenamiento reales.
  • Atribución (M3–M5): LIME y SHAP proporcionaron pesos de características genéricos sin contexto explícito de circuito. La atribución de gradiente ofreció una ventaja de velocidad pero compartió la misma limitación de carecer de interpretación específica del dominio.
• Generalización: La validación de dejar una arquitectura fuera (Leave-one-circuit-out o LOCO) mostró una fuerte generalización dentro de la familia RS232 (F1 = 0.80), pero falló a través de distintas familias de benchmarks ISCAS (F1 = 0.06), indicando que los cinco rasgos estructurales escalares son insuficientes para la generalización entre arquitecturas sin representaciones de grafos locales más ricas.

Significancia y Reivindicaciones
El artículo sostiene que, para los profesionales de la seguridad de hardware, el análisis de propiedades consciente del dominio y el razonamiento basado en casos ofrecen ventajas complementarias sobre la atribución de características genérica. Los métodos basados en propiedades se alinean con la forma en que los ingenieros razonan sobre los circuitos, mientras que los métodos basados en casos proporcionan interpretabilidad basada en precedentes sin requerir experiencia en el dominio para interpretar la explicación en sí.

Los autores afirman que la eficiencia computacional (por ejemplo, los métodos de gradiente) no puede sustituir la interpretabilidad consciente del dominio; las puntuaciones de importancia genéricas (de LIME/SHAP) carecen del contexto a nivel de circuito necesario para la validación y la planificación de la remediación. El trabajo concluye que, si bien los métodos agnósticos al modelo son útiles para el análisis exploratorio, los enfoques alineados con el dominio o basados en precedentes son superiores para generar conocimientos accionables en la seguridad de hardware. Los hallazgos sugieren que, en dominios de baja dimensionalidad y limitados en características, combinar el ML agnóstico al modelo con explicaciones basadas en precedentes puede ser más efectivo que depender únicamente de ensambles de propiedades.