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

1. Il Problema

La crescente complessità dei moderni System-on-Chip (SoC) e dei progetti IP (Intellectual Property) ha reso la garanzia di sicurezza sempre più difficile. Un passo fondamentale nella verifica di sicurezza pre-silicio è l'identificazione degli asset di sicurezza (componenti hardware o dati la cui protezione è essenziale per la riservatezza, integrità o disponibilità del sistema).
Attualmente, questo processo è:

• Manualistico: Richiede esperti di sicurezza che analizzino manualmente specifiche e codice RTL (Register Transfer Level).
• Lento e costoso: Diventa proibitivo per progetti su larga scala.
• Soggeto a errori: La scala e la complessità aumentano il rischio di omissioni.
• Limitato nelle soluzioni esistenti: Strumenti precedenti (come SAIF o LASHED) identificano gli asset solo dopo aver analizzato le vulnerabilità o si basano su pattern di naming rigidi, fallendo nel generalizzare a design che non seguono convenzioni specifiche o nel fornire ragionamenti logici sulla natura dell'asset.

2. Metodologia: Il Framework LAsset

LAsset è un framework automatizzato che utilizza i Large Language Models (LLM) per identificare asset di sicurezza sia dalle specifiche di progettazione (in linguaggio naturale) che dalle descrizioni RTL. Il framework segue lo standard SA-EDI (Security Annotation for Electronic Design Integration) e le linee guida IEEE P3164.

Il processo è strutturato in tre agenti sequenziali (vedi Figura 4 del paper):

A. Pre-elaborazione degli Input (Input Pre-processing)

L'obiettivo è preparare i dati per l'LLM, riducendo il rumore e allineando le risorse.

1. Estrazione dei Moduli: L'LLM identifica e seleziona solo i moduli critici per la sicurezza dal repository RTL, scartando quelli irrilevanti (es. immagini di applicazione non critiche).
2. Sintesi delle Specifiche Modulari: Utilizzando un approccio RAG (Retrieval-Augmented Generation), l'LLM genera un riassunto tecnico per ogni modulo, integrando informazioni sulle interconnessioni e sul contesto SoC dalle specifiche di alto livello.
3. Parsing RTL: Due parser basati su LLM estraggono porte I/O, segnali interni e registri, garantendo che nessun elemento strutturale venga ignorato.

B. Generazione degli Asset (Asset Generation)

Utilizzando il paradigma Few-shot In-Context Learning, l'LLM analizza i dati pre-elaborati per:

• Identificare gli Asset Concettuali (il "cosa" da proteggere, es. una chiave crittografica).
• Mapparli sugli Asset Strutturali (il "dove" nel design, es. registri, buffer).
• Distinguere tra:
  • Asset Primari: Obiettivi diretti di un attacco (es. la chiave stessa).
  • Asset Secondari: Componenti che facilitano l'esposizione degli asset primari (es. bus di sistema, buffer di output).

C. Rifinitura e Validazione (Asset Refinement)

Per ridurre i falsi positivi e garantire l'affidabilità (rispondendo alla domanda di ricerca RQ3), un agente di raffinazione esegue tre controlli:

1. Analisi degli Scenari di Attacco: L'LLM genera scenari di attacco plausibili (es. side-channel, fault injection, Trojan hardware) per ogni asset candidato. Gli asset senza scenari di attacco validi vengono scartati.
2. Mappatura CWE: Gli asset vengono incrociati con il database CWE (Common Weakness Enumeration) di MITRE. Vengono mantenuti solo gli asset mappabili a vulnerabilità critiche specifiche.
3. Auto-Critica (Self-Critique): Un prompt di revisione verifica la coerenza logica, la pertinenza RTL e l'appropriatezza delle mappature CWE.

D. Calcolo del Grado di Influenza (DoI)

Per gli asset secondari, il framework calcola una metrica quantitativa chiamata Degree of Influence (DoI). Questa misura quanto un asset secondario influenza un asset primario basandosi sulla connettività a livello di bit nel RTL:
$$DoI = \frac{\text{Bit dell'asset secondario connessi all'asset primario}}{\text{Totale bit dell'asset primario}} \times 100\%$$

3. Contributi Chiave

• Novità: Primo framework che utilizza LLM per l'identificazione automatizzata e completa degli asset di sicurezza in design SoC e IP.
• Robustezza e Versatilità: Supporta input combinati (Spec + RTL) o solo RTL, funziona con Verilog, SystemVerilog e VHDL, ed è applicabile sia a IP singoli che a interi SoC.
• Completezza: Non si limita a elencare gli asset, ma associa a ciascuno dettagli di threat modeling, giustificazioni di sicurezza e mappature CWE.
• Affidabilità: Una fase di raffinazione rigorosa (CWE + Auto-critica) garantisce un'alta fedeltà dei risultati.

4. Risultati Sperimentali

Il framework è stato testato su:

• SoC: Il processore NEORV32 (RISC-V).
• IP: 21 blocchi IP open-source (OpenTitan, OpenCores), inclusi AES, SHA-3, GPIO, ecc.

Prestazioni:

• Tasso di Recall (SoC): Fino al 90% con l'approccio Spec + RTL.
• Tasso di Recall (IP): Fino al 93.21% con l'approccio Spec + RTL (vs 90.12% con solo RTL e 83.33% rispetto a strumenti precedenti come quello di Nath et al.).
• Confronto Modelli LLM: È stato valutato un trade-off tra costo, tempo e prestazioni (Recall) utilizzando diversi modelli (GPT-4o, GPT-5, ecc.). È stato definito un indice MAU (Model-Agnostic Utility) che, privilegiando le prestazioni, ha identificato GPT-5-nano come il modello più efficiente per questo compito specifico.

5. Significato e Impatto

LAsset rappresenta un cambiamento di paradigma nella verifica di sicurezza hardware:

1. Automazione Scalabile: Trasforma un processo manuale e soggettivo in un flusso automatizzato, riducendo drasticamente il carico di lavoro degli esperti.
2. Early-Stage Security: Sposta l'identificazione degli asset all'inizio del ciclo di vita (pre-silicio), permettendo di mitigare rischi costosi prima della produzione del chip.
3. Standardizzazione: Allinea la pratica di identificazione degli asset agli standard industriali (SA-EDI, IEEE P3164), fornendo un linguaggio comune per progettisti e verificatori.
4. Contesto Azionabile: Fornendo non solo l'elenco degli asset ma anche le relative vulnerabilità (CWE) e scenari di attacco, LAsset prepara il terreno per una generazione automatica di test di sicurezza e threat modeling più efficaci.

In sintesi, LAsset dimostra che gli LLM possono essere utilizzati in modo affidabile e controllato per comprendere la semantica della sicurezza hardware, superando i limiti degli approcci basati su regole statiche.