💻 computer science

Disguising Topology and Side-Channel Information through Covert Gate- and ML-Enabled IP Camouflaging

Este artigo propõe uma estratégia de "enganação mimética" que disfarça a topologia e as informações de canais laterais de um IP funcional, fazendo-o parecer um IP diferente para enganar técnicas de engenharia reversa baseadas em aprendizado de máquina e análise de potência, garantindo assim a proteção da propriedade intelectual.

Autores originais: Junling Fan, David Koblah, Domenic Forte

Publicado 2026-03-30

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Junling Fan, David Koblah, Domenic Forte

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você construiu uma fortaleza secreta (um chip de computador) para proteger seus tesouros mais valiosos (seus dados e algoritmos). O problema é que os ladrões (hackers) são muito inteligentes: eles não apenas tentam arrombar a porta, eles desmontam a fortaleza tijolo por tijolo para ver como ela foi feita e roubar os planos.

Este artigo apresenta uma nova estratégia de defesa chamada "Engano Mimético". Em vez de apenas esconder os segredos, a ideia é fazer a fortaleza parecer ser algo completamente diferente.

Aqui está a explicação passo a passo, usando analogias do dia a dia:

1. O Problema: O Ladrão que Desmonta Tudo

Hoje, os ladrões usam técnicas avançadas (como microscópios superpotentes e Inteligência Artificial) para olhar dentro dos chips. Eles conseguem ver a "receita" de como o chip funciona. Se eles veem que você tem um cofre de banco (um algoritmo de criptografia), eles sabem exatamente onde procurar a chave.

2. A Solução: O Camaleão de Alta Tecnologia

Os autores propõem fazer o chip "mentir" sobre o que ele é.

A Ideia: Você tem um chip que na verdade é um Cofre de Banco (a função real). Mas, visualmente e estruturalmente, você o faz parecer exatamente como uma Caixa de Ferramentas (uma função falsa).
O Truque: Mesmo que o ladrão desmonte o chip e veja os fios e portas lógicas, ele verá apenas uma "Caixa de Ferramentas". Ele não saberá que, por dentro, está operando como um Cofre.

3. Como eles fazem isso? (As 3 Técnicas)

O artigo testa três maneiras diferentes de criar esse disfarce:

A. Camuflagem de IP (O "Mestre do Disfarce com IA"):
Imagine um artista que usa Inteligência Artificial para misturar a tinta de um quadro de um cofre com a tinta de uma caixa de ferramentas. O resultado é uma pintura que tem a estrutura de uma caixa, mas a função de um cofre. É muito criativo, mas às vezes precisa de "ajustes" manuais no final para garantir que o cofre realmente funcione.
B. Correspondência de Gráficos (O "Quebra-Cabeça Lógico"):
Aqui, eles pegam as peças do cofre e tentam encaixá-las na estrutura da caixa de ferramentas, peça por peça, usando regras rígidas. É como tentar montar um quebra-cabeça onde você é obrigado a usar as peças de um desenho de um gato para fazer um desenho de um cachorro, mas garantindo que o cachorro ainda consiga latir. É mais organizado e segue regras estritas de construção.
C. DNAS (O "Arquiteto Neural"):
Usam uma rede neural (uma IA que aprende) para criar o chip do zero, tentando ser ao mesmo tempo um cofre e uma caixa de ferramentas. É como se a IA aprendesse a ser um camaleão instantaneamente. Funciona muito bem para coisas simples, mas é difícil para coisas complexas como criptografia.

4. A Grande Vantagem: O "Erro de Modelagem" (O Pulo do Gato)

A parte mais brilhante do artigo é como isso protege contra um tipo de ataque chamado Análise de Consumo de Energia (DPA).

Como o ataque funciona normalmente:
Imagine que o ladrão observa o chip consumindo energia. Ele sabe: "Se for um Cofre, quando a chave for '1', o chip consome mais energia. Se for '0', consome menos." Com essa "receita de energia" correta, ele descobre a senha.
Como o engano funciona:
Como você enganou o ladrão fazendo o chip parecer uma Caixa de Ferramentas, ele usa a "receita de energia" da caixa de ferramentas para tentar abrir o cofre.
- Ele espera que a caixa de ferramentas consuma energia de um jeito.
- Mas o chip (que é um cofre) consome energia de outro jeito.
- Resultado: A matemática do ladrão falha. O gráfico de energia fica bagunçado e sem sentido. Ele tenta adivinhar a senha, mas como está usando a lógica errada, ele nunca chega perto da resposta certa. É como tentar abrir um cofre digital usando a chave de um carro antigo: a chave não encaixa, não importa quantas vezes você tente.

5. O Veredito

Os pesquisadores testaram isso e descobriram que:

A Inteligência Artificial (GNN) que tenta ler o chip fica confusa e diz: "Isso é uma caixa de ferramentas", mesmo sendo um cofre.
O ataque de energia falha completamente porque o ladrão está usando o modelo de energia errado.

Em resumo:
Este trabalho mostra que a melhor defesa não é apenas esconder a verdade, mas mentir de forma convincente. Ao fazer o chip parecer ser algo inofensivo e diferente, você força o ladrão a usar as ferramentas erradas, tornando o roubo impossível. É como colocar um cofre dentro de uma caixa de cereal: o ladrão nem vai pensar em abrir a caixa de cereal para procurar ouro.

Resumo Técnico: Camuflagem de IP Habilitada por ML e Portas Covertes para Enganar Topologia e Informações de Canal Lateral

1. O Problema

A integridade do hardware eletrônico moderno está sob ameaça crescente devido à Engenharia Reversa (ER) física invasiva. Ataques avançados permitem que adversários delayerem (remover camadas) e imagearem Circuitos Integrados (CI) para reconstruir netlists no nível de portas, extraindo Propriedade Intelectual (IP) sensível, identificando vulnerabilidades ou facilitando clonagem ilegal.

As defesas tradicionais de camuflagem de IC focam em ocultar a funcionalidade de portas locais (usando contatos fictícios ou variações de tensão), mas falham em fornecer engano em nível de sistema. Ferramentas de ER modernas, impulsionadas por Inteligência Artificial (como classificadores baseados em Redes Neurais de Grafos - GNN) e solucionadores SAT, conseguem, eventualmente, desobfuscar esses designs ao analisar a estrutura global do circuito. Além disso, ataques de Análise de Potência Diferencial (DPA) exploram vazamentos de energia para recuperar chaves secretas, dependendo da precisão do modelo de potência do algoritmo criptográfico alvo.

2. Metodologia Proposta: "Engano Mimético" (Mimetic Deception)

O artigo propõe um paradigma defensivo chamado Engano Mimético, onde uma Propriedade Intelectual funcional real (F) é projetada para se assemelhar estrutural e visualmente a uma Propriedade Intelectual completamente diferente (A). O objetivo é "envenenar" os dados estruturais e lógicos usados pelas ferramentas de ER, forçando a classificação incorreta das primitivas criptográficas.

O trabalho avalia três metodologias distintas para realizar essa síntese:

A. Camuflagem de IP (Baseada em ML - AIG-VAE):
- Utiliza um Autoencoder Variacional de Grafos AND-Inverter (AIG-VAE).
- O modelo codifica a estrutura e função do circuito em um espaço latente probabilístico.
- Gera um circuito "misto" interpolando entre os vetores latentes da função real ( $Z_F$ ) e da aparência enganosa ( $Z_A$ ).
- Requer uma fase de retificação pós-geração para corrigir discrepâncias lógicas, inserindo portas covertes (como Inversores Fictícios e Transmissores Universais) para garantir a funcionalidade correta.
- Limitação: Escalabilidade limitada a cones de lógica menores (~200 nós).
B. Correspondência de Grafos (Graph Matching):
- Opera diretamente em netlists de portas lógicas padrão (PDKs), sem decompor em AIGs abstratos.
- Utiliza uma heurística gananciosa (greedy) camada por camada para mapear nós da função real para a topologia da aparência.
- Otimiza custos assimétricos para garantir que a conectividade da função real seja um subconjunto estrutural da topologia de aparência, escondendo os fios funcionais dentro da estrutura do "isca".
- Vantagem: Garante equivalência formal e compatibilidade com fluxos de design industriais.
C. Otimização de Array de Portas NAND via DNAS:
- Utiliza Busca de Arquitetura Neural Diferenciável (DNAS) para sintetizar circuitos enganosos de ponta a ponta.
- Emprega uma rede "SelectorTNet" que aprende simultaneamente a função real e a aparência, governada por uma variável de seleção.
- Usa uma função de perda criptica para forçar a função real a estar "oculta" dentro da fiação da aparência.
- Limitação no estudo: Não foi aplicado a S-Boxes criptográficas neste trabalho devido ao alto custo de área necessário para aproximar funções altamente não lineares.

3. Contribuições Chave

Defesa contra Canal Lateral (DPA): O artigo demonstra que o engano mimético cria uma defesa inédita contra ataques DPA. Ao fazer com que um algoritmo (ex: PRESENT) pareça ser outro (ex: AES ou DES), o adversário é induzido a usar um modelo de potência incorreto. Como o sucesso do DPA depende da correlação precisa entre o traço de potência e a lógica específica do algoritmo, essa classificação funcional errada faz com que o ataque falhe, mantendo a chave oculta.
Envenenamento de Ferramentas de IA: Mostra que a topologia enganosa "envenena" os classificadores baseados em GNN, forçando-os a identificar erroneamente a função do circuito com alta confiança.
Avaliação Comparativa: Apresenta uma análise detalhada das compensações (trade-offs) entre abordagens baseadas em aprendizado de máquina generativo (AIG-VAE) e heurísticas de correspondência de grafos (Graph Matching).

4. Resultados Experimentais

Os experimentos focaram em S-Boxes de cifras criptográficas (PRESENT, DES, AES) sintetizadas em tecnologia de 90nm.

Resiliência ao DPA:
- Cenário Base (Modelo Correto): O ataque DPA recupera a chave rapidamente (Entropia de Adivinhação $\approx$ 2.2 bits com 32k traços).
- Cenário Enganoso (Modelo Incorreto): Quando o atacante usa o modelo da aparência (ex: tentando quebrar um PRESENT disfarçado como DES), o ataque falha em convergir. A entropia permanece alta ( $\approx$ 3.4 bits), indicando que a chave correta permanece perdida entre um grande pool de candidatos.
- Score de Resiliência DPA: Ambos os métodos alcançaram scores entre 0.38 e 0.47, aproximando-se do ideal teórico de 0.5 (onde o atacante está apenas chutando aleatoriamente).
Resiliência Estrutural (GNN):
- Camuflagem de IP (AIG): Alcançou scores "Infinitos" em alguns casos (ex: DES $\to$ AES), indicando que o classificador GNN falhou completamente em identificar a lógica funcional ( $F1_{expose} \to 0$ ).
- Correspondência de Grafos (GM): Alcançou scores consistentemente altos (ex: 84.6 para DES $\to$ AES), provando que o mapeamento de portas padrão é eficaz para confundir classificadores de ER.
Overhead (PPA):
- AIG: Apresentou maior eficiência de área (1.02x - 1.12x), gerando estruturas compactas.
- Graph Matching: Teve um overhead ligeiramente maior (1.14x de área, 1.25x de potência) devido à necessidade de inserir cadeias de portas covertes para satisfazer restrições de conectividade estritas.

5. Significado e Conclusão

Este trabalho estabelece uma nova fronteira na segurança de hardware, demonstrando que a proteção não precisa ser apenas sobre "esconder" a lógica, mas sim sobre mentir ativamente sobre ela.

Ao desacoplar a função lógica da topologia física, o "Engano Mimético" torna ineficazes tanto as ferramentas de engenharia reversa baseadas em IA quanto os ataques de canal lateral baseados em estatística. A principal inovação é a capacidade de forçar o adversário a aplicar modelos de ataque incompatíveis com a realidade física do chip, invalidando a premissa fundamental de ataques como o DPA. Embora existam compensações entre a eficiência de área e a garantia de equivalência formal, as metodologias propostas oferecem uma defesa robusta contra a cadeia de ferramentas de ER moderna.