Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

VerilogLAVD : Génération de règles assistée par LLM pour la détection des vulnérabilités dans Verilog

Created by
  • Haebom

Auteur

Xiang Long, Yingjie Xia, Xiyuan Chen, Li Kuang

Contour

Cet article propose VerilogLAVD, une nouvelle méthode de détection précoce des vulnérabilités matérielles. Afin de surmonter les limites des méthodes existantes nécessitant des connaissances spécialisées, cet article présente une approche utilisant un modèle de langage à grande échelle (LLM) pour détecter les vulnérabilités dans le code Verilog. Le graphe de propriétés Verilog (VeriPG), qui représente le code Verilog de manière intégrée, combine des informations syntaxiques et sémantiques. Grâce au LLM, des règles de détection basées sur VeriPG sont générées à partir de descriptions d'énumérations de faiblesses communes (CWE). Ces règles sont ensuite utilisées par un exécuteur de règles qui recherche des vulnérabilités potentielles dans VeriPG. Les résultats expérimentaux sur 77 conceptions Verilog montrent un score F1 de 0,54 pour 12 types de CWE, démontrant des améliorations du score F1 de 0,31 et 0,27 respectivement, par rapport au LLM seul ou à une base de connaissances externe.

Takeaways, Limitations

Takeaways:
Une nouvelle approche de la détection des vulnérabilités Verilog à l'aide de LLM
Représentation et analyse efficaces du code Verilog à l'aide de VeriPG
Création de règles de détection automatisées à l'aide des descriptions CWE
Amélioration des performances par rapport aux méthodes existantes basées sur LLM
Limitations:
La précision n'est pas encore élevée avec un score F1 de 0,54
ÉValuation sur des types et des ensembles de données CWE limités
Une vérification supplémentaire est nécessaire pour une application pratique.
👍