In de verborgen wereld van computerchips gaat beveiliging niet alleen over complexe softwarecodes; het gaat ook over de fysieke realiteit van het silicium zelf. Zelfs het meest veilige digitale slot kan worden doorbroken als een aanvaller fysiek in de hersenen van de machine kan prikken op exact het juiste moment. Dit vakgebied, bekend als hardwarebeveiliging, houdt zich bezig met het proberen te begrijpen hoe een chip zich gedraagt wanneer deze wordt blootgesteld aan minuscule, precieze verstoringen, zoals een flits van licht of een magnetische puls. Deze verstoringen kunnen ervoor zorgen dat de chip een stap in zijn berekening vergeet, een beveiligingscontrole overslaat of een geheime sleutel onthult. Decennialang was het testen van deze kwetsbaarheden een traag, handmatig proces. Het vereist een menselijke expert om het ontwerp van de chip te bestuderen, te raden waar een zwakte zich zou kunnen verbergen, en vervolgens zorgvuldig een laser op die plek te richten terwijl de resultaten worden geobserveerd. Het is een delicate dans van redeneren en precisie, waarbij één verkeerde gok uren tijd verspilt en één gemiste moment betekent dat het geheim veilig blijft.

Een nieuwe studie van onderzoekers van Mines Saint-Etienne en CEA in Frankrijk introduceert een andere manier om dit werk te doen. Ze hebben een kunstmatige intelligentie-agent gebouwd die dit hele proces kan begeleiden, van de eerste gok tot het definitieve bewijs. Deze agent vervangt de menselijke expert niet, maar fungeert als een onvermoeibare partner die het zware werk van planning en uitvoering op zich neemt. Het systeem werkt door eerst elk beschikbaar document over een chip te lezen, inclusief de handleiding en de code die er op draait. Vervolgens kijkt het naar afbeeldingen van de interne structuur van de chip om te begrijngen waar verschillende onderdelen zich bevinden. Met behulp van deze informatie vormt de AI een lijst met hypothesen over waar een laserpuls een fout zou kunnen veroorzaken. Vervolgens ontwerpt het een reeks experimenten om deze ideeën te testen, waarbij strikte regels worden gesteld voor wat als een succes en wat als een mislukking wordt beschouwd. Cruciaal is dat de menselijke expert de controle behoudt over de veiligheid en de uiteindelijke goedkeuring, optredend als een poortwachter die elke stap autoriseert voordat de machine verdergaat.

De onderzoekers testten dit systeem op twee zeer verschillende soorten computerchips om te zien of het breed inzetbaar was. Het eerste doelwit was een veelvoorkomende microcontroller, een kleine chip die vaak in alledaagse elektronica wordt gevonden. De AI-agent begon met het analyseren van de firmware van de chip, oftewel de software die de chip vertelt wat hij moet doen. De agent identificeerde een specifieke beveiligingscontrole waarbij de chip een persoonlijke identificatiecode, of PIN, verifieert. De agent formuleerde de hypothese dat een laserpuls de chip zou kunnen misleiden om een onjuiste PIN te accepteren. Om dit te testen, richtte de agent een laser op de chip terwijl deze de beveiligingscontrole uitvoerde. Na een reeks zorgvuldig getimede pulsen slaagde de agent erin de chip een onjuiste PIN te laten accepteren. De agent gokte niet alleen; de agent verifieerde het resultaat door de chip naar zijn interne status te vragen, waarmee werd bevestigd dat de chip nu geloofde dat hij ontgrendeld was. De agent testte ook het vermogen van de chip om complexe wiskunde voor encryptie uit te voeren. Het slaagde erin de output van een encryptieproces op een herhaalbare manier te corrumperen, waarbij in veertien van de veertien pogingen exact dezelfde fout werd geproduceerd, terwijl een controlegroep van tests zonder de laser geen fouten vertoonde.

De tweede test betrof een complexere chip die wordt gebruikt voor geavanceerde computertaken. Hier was de uitdaging anders, omdat de interne lay-out van de chip niet zo eenvoudig in kaart te brengen is. De agent gebruikte een andere aanpak, waarbij een visuele scan van de achterkant van de chip werd gecombineerd met een digitale kaart van het ontwerp om het specifieke gebied te lokaliseren dat verantwoordelijk is voor encryptie. Vervolgens voerde de agent een enorm aantal tests uit, waarbij de laser op duizenden verschillende plekken werd afgevuurd. Het systeem registreerde bijna 183.000 individuele testresultaten. Het ontdekte dat de chip bij bepaalde locaties en met specifieke instellingen een foutief antwoord zou produceren. De agent was in staat om onderscheid te maken tussen een simpele glitch en een echt beveiligingsfalen, waarbij werd opgemerkt dat sommige fouten herhaaldelijk optraden terwijl andere willekeurig waren. Dit toonde aan dat de AI de complexiteit van een moderne chip kon navigeren zonder dat een mens elke enkele schot handmatig hoefde te begeleiden.

Wat dit werk belangrijk maakt, is niet alleen dat de AI deze fouten vond, maar hoe het dat deed. Het systeem vuurde niet simpelweg willekeurig een laser af totdat er iets kapot ging. In plaats daarvan bouwde het een mentale kaart van de chip, waarbij de kennis over de code koppelde aan wat het zag in de fysieke afbeeldingen. Wanneer het met verwarrende resultaten werd geconfronteerd, zoals een signaal dat niet aan de verwachtingen voldeed, pauzeerde het en evalueerde het het plan opnieuw. Het corrigeerde zijn eigen fouten, zoals het oplossen van een bedradingsprobleem dat het tijdens het proces ontdekte, en ging vervolgens verder. De menselijke operator stelde de grenzen vast, besliste wat veilig was om te testen en stopte het proces zodra het doel was bereikt. De AI handelde de routinematige beslissingen af, waarbij het de volgende plek om te testen koos op basis van de resultaten van de vorige. Dit creëerde een gesloten lus waarbij de machine in realtime leerde van zijn eigen acties.

De studie laat zien dat deze methode op verschillende soorten hardware kan werken, van eenvoudige microcontrollers tot complexe programmeerbare logische apparaten. De onderzoekers ontdekten dat de AI-ondersteunde aanpak een experiment in ongeveer één dag kon voorbereiden, terwijl een menselijke expert alleen een week of langer nodig zou hebben. Deze snelheid komt voort uit het vermogen van de AI om snel enorme hoeveelheden documentatie en afbeeldingen te verwerken om het zoekgebied te verkleinen. De onderzoekers benadrukken echter dat dit een hulpmiddel is voor evaluatie, en geen toverstaf die alle beveiligingsproblemen oplost. De AI vond specifieke manieren om de chips in het laboratorium te breken, maar heeft niet de geheime sleutels teruggevonden of het elektrische mechanisme achter elke fout volledig verklaard. Sommige van de gevonden fouten bleven nog steeds een mysterie, en de onderzoekers merkten op dat er meer onderzoek nodig is om precies te begrijpen hoe het licht de chip deed falen.

Het uiteindelijke doel van dit werk is om hardwarebeveiligingstesten betrouwbaarder en efficiënter te maken. Door de automatisering van de verbinding tussen het theoretische begrip van een chip en de fysieke test ervan, stelt het systeem experts in staat zich op het grote plaatje te concentreren terwijl de machine de details afhandelt. De mens blijft de rechter, die bepaalt wanneer een bevinding significant is en wanneer het proces gestopt moet worden. De studie concludeert dat deze samenwerking tussen menselijk oordeel en kunstmatige intelligentie een levensvatbaar pad vooruit is. Het bewijst dat een AI niet alleen de instructies van een chip kan lezen, maar er ook fysiek mee kan interageren om de zwakheden te vinden, terwijl strikte veiligheidsregels worden gevolgd. Dit betekent niet dat chips nu minder veilig zijn; het betekent dat de mensen die ze bouwen een krachtige nieuwe manier hebben om hun gebreken te vinden en te herstellen voordat ze door anderen kunnen worden misbruikt. Het werk staat als een demonstratie van het feit dat de toekomst van hardwarebeveiliging waarschijnlijk zal rusten op systemen die kunnen denken, plannen en handelen in de fysieke wereld, geleid door menselijk toezicht.