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

Titel: LAsset: Een door LLM ondersteund kader voor de identificatie van beveiligingsactiva in SoC- en IP-verificatie

1. Het Probleem

De toenemende complexiteit van moderne System-on-Chip (SoC) en IP-ontwerpen maakt beveiligingsgaranties steeds moeilijker. Een fundamentele stap in de pre-silicon beveiligingsverificatie is de identificatie van beveiligingsactiva (security assets). Deze activa vormen de basis voor downstream taken zoals dreigingsmodellering (threat modeling), het genereren van beveiligingseigenschappen en het detecteren van kwetsbaarheden.

• Huidige uitdagingen: Traditioneel worden activa handmatig geïdentificeerd door beveiligingsexperts. Dit proces is tijdrovend, foutgevoelig en schaalt niet goed naar grote SoC-ontwerpen.
• Beperkingen van bestaande tools: Bestaande methoden (zoals SAIF of LASHED) identificeren activa vaak pas na het analyseren van kwetsbaarheden, terwijl activaidentificatie eigenlijk de eerste stap moet zijn. Andere methoden vertrouwen op patroonmatching van namen in RTL-code, wat niet generaliseert naar ontwerpen die andere conventies volgen en geen redenering biedt over waarom een element een actief is.
• Doel: De auteurs willen een geautomatiseerde, schaalbare methode ontwikkelen die zowel specificaties als RTL-code begrijpt om veiligheidsrelevante componenten nauwkeurig te identificeren.

2. Methodologie: Het LAsset Framework

LAsset is het eerste kader dat Large Language Models (LLMs) gebruikt voor de geautomatiseerde identificatie van beveiligingsactiva. Het framework volgt de SA-EDI (Security Annotation for Electronic Design Integration) standaard en IEEE P3164 richtlijnen. Het proces is opgebouwd uit drie sequentiële "agenten" (stappen):

A. Input Pre-processing
Het framework accepteert twee inputs: Design Specificaties (natuurtaal) en RTL-code (Verilog, SystemVerilog, VHDL).

• Modulaire Extractie: LLM's filteren niet-relevante modules en selecteren beveiligingskritische modules.
• Samenvatting Specificaties: Met behulp van Retrieval-Augmented Generation (RAG) worden technische samenvattingen gegenereerd die beveiligingscontext over modules heen verbinden.
• RTL Parsing: LLM's parseren I/O-poorten en interne signalen/registers om geen elementen over het hoofd te zien.

B. Asset Generatie
Met behulp van few-shot in-context learning (gebaseerd op CIA-doelstellingen: Confidentiality, Integrity, Availability) identificeert het model:

• Conceptuele Activa: Hoge-level informatie-elementen (bijv. een encryptiesleutel).
• Structurele Activa: De fysieke hardware-elementen die deze concepten opslaan of verwerken (bijv. registers, buffers).
• Classificatie: Activa worden onderverdeeld in Primair (direct doelwit van een aanval) en Secundair (ondersteunende elementen die de primaire activa kunnen blootstellen).

C. Asset Refinement (Verfijning)
Om valse positieven te elimineren en de betrouwbaarheid te vergroten, doorloopt de lijst drie verfijningsstappen:

1. Aanvalsscenario Analyse: Het model genereert plausibele aanvalsscenario's (bijv. side-channel, fault injection) voor elk kandidaat-actief. Zonder een geldig scenario wordt het element verworpen.
2. CWE Mapping: Activa worden gekoppeld aan de MITRE Common Weakness Enumeration (CWE) database. Alleen activa die een directe link hebben met bekende zwaktes worden behouden.
3. Zelf-critiek (Self-critique): Een laatste controle waarbij het model de relevantie, RTL-referenties en aanvalsscenario's opnieuw beoordeelt.
4. Berekening Invloedgraad (Degree of Influence - DoI): Voor secundaire activa wordt een metriek berekend die aangeeft hoe sterk ze de primaire activa beïnvloeden, gebaseerd op bit-connectiviteit in de RTL.

3. Belangrijkste Bijdragen

• Novelty: LAsset is het eerste framework dat LLM's inzet voor de volledige automatisering van beveiligingsactiva-identificatie in SoC en IP-ontwerpen.
• Robuustheid en Veelzijdigheid: Het werkt met zowel Specificatie + RTL als alleen RTL, en ondersteunt meerdere hardware-talen. Het is toepasbaar op zowel IP-blokken als complete SoC's.
• Comprehensive Context: Het framework koppelt niet alleen activa aan elkaar, maar levert ook dreigingsmodellen, aanvalsscenario's en CWE-justificaties, wat direct bruikbaar is voor verificatie-engineers.
• Betrouwbaarheid: Door cross-referencing met CWE en zelf-critiek wordt een hoge nauwkeurigheid bereikt.

4. Experimentele Resultaten

De auteurs hebben LAsset getest op de NEORV32 RISC-V SoC en 21 open-source IP-blokken (o.a. uit OpenTitan en OpenCores, inclusief AES, SHA-3, GPIO).

• Prestaties:
  • SoC-niveau: De combinatie van Specificatie + RTL bereikte een recall van 90,67%, terwijl alleen RTL 78,33% haalde.
  • IP-niveau: De Spec + RTL benadering bereikte een recall van 93,21%, vergeleken met 90,12% voor alleen RTL.
  • Vergelijking: LAsset presteert significant beter dan eerdere tools (zoals die van Nath et al.), die een recall van ongeveer 83,33% haalden. De auteurs merken op dat de "ground truth" van eerdere studies mogelijk onvolledig was, wat LAsset's resultaten als "false positives" liet lijken, terwijl het in werkelijkheid waardevolle activa waren.
• Kostenefficiëntie: Een analyse van verschillende LLM-modellen (GPT-4o, GPT-5-nano, etc.) toonde aan dat GPT-5-nano de beste balans biedt tussen prestaties, tijd en kosten voor deze taak.

5. Betekenis en Conclusie

LAsset biedt een schaalbare oplossing voor een langdurig probleem in de hardwarebeveiliging: de handmatige en inefficiënte identificatie van beveiligingsactiva.

• Versnelling: Het reduceert de manuele overhead aanzienlijk en versnelt de pre-silicon verificatiecyclus.
• Standaardisatie: Het helpt bij het standaardiseren van beveiligingsannotaties in IP- en SoC-flows volgens industriestandaarden (SA-EDI).
• Toekomstperspectief: Door het koppelen van activa aan concrete aanvalsscenario's en CWE's, creëert het een betrouwbaar fundament voor daaropvolgende beveiligingstaken zoals threat modeling en countermeasure ontwikkeling.

Het paper concludeert dat LAsset een cruciale stap is naar een meer geautomatiseerd, betrouwbaar en schaalbaar ecosysteem voor de beveiliging van complexe hardwareontwerpen.