Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SecFSM: Knowledge Graph-Guided Verilog Code Generation for Secure Finite State Machines in Systems-on-Chip

Created by
  • Haebom

저자

Ziteng Hu, Yingjie Xia, Xiyuan Chen, Li Kuang

개요

본 논문은 시스템온칩(SoC)의 제어 로직 구현에 중요한 역할을 하는 유한 상태 기계(FSM)의 Verilog 코드 생성을 자동화하기 위해 대규모 언어 모델(LLM)을 활용하는 새로운 방법인 SecFSM을 제안합니다. 기존의 LLM 기반 Verilog 코드 생성은 보안 취약성 문제를 가지고 있으나, SecFSM은 보안 지향 지식 그래프(FSKG)를 활용하여 LLM이 더 안전한 Verilog 코드를 생성하도록 유도합니다. FSKG를 기반으로 사용자 요구사항 분석을 통해 취약성을 식별하고, 이를 바탕으로 보안 지식을 활용하여 보안 프롬프트를 생성하여 LLM에 제공합니다. 학술 데이터셋, 인공 데이터셋, 논문 및 산업 사례에서 수집한 전용 데이터셋을 사용하여 SecFSM을 평가한 결과, 기존 방법보다 우수한 성능을 보였으며, 25개의 보안 테스트 사례 중 21개를 통과하는 높은 성공률을 달성했습니다.

시사점, 한계점

시사점:
LLM 기반 코드 생성의 보안 취약성 문제 해결에 대한 새로운 접근 방식 제시
보안 지향 지식 그래프를 활용한 LLM 안전성 향상
FSM Verilog 코드 생성 자동화를 통한 개발 효율 증대
실제 산업 사례를 포함한 광범위한 데이터셋을 활용한 실험적 검증
한계점:
FSKG의 완전성 및 정확성에 대한 의존도가 높음. FSKG에 포함되지 않은 취약성은 검출하지 못할 가능성 존재.
DeepSeek-R1을 이용한 평가의 일반화 가능성에 대한 추가적인 검토 필요. 다양한 보안 취약성 검사 도구를 활용한 평가가 필요.
특정 도구(DeepSeek-R1)에 대한 의존성이 높아 다른 도구를 사용할 경우 성능이 달라질 수 있음.
대규모 복잡한 FSM에 대한 적용성 및 확장성에 대한 추가 연구 필요.
👍