[공지사항]을 빙자한 안부와 근황 
Show more

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.

MARVEL: Multi-Agent RTL Vulnerability Extraction using Large Language Models

Created by
  • Haebom

저자

Luca Collini, Baleegh Ahmad, Joey Ah-kiow, Ramesh Karri

개요

MARVEL은 하드웨어 보안 검증을 위한 다중 에이전트 대규모 언어 모델(LLM) 프레임워크입니다. 설계 엔지니어의 인지 과정을 모방하여 RTL 코드의 보안 취약성을 찾습니다. 감독 에이전트는 SoC의 보안 정책을 수립하고, 실행 에이전트에게 검증 작업을 위임합니다. 각 실행 에이전트는 형식 검증 도구, 린터, 시뮬레이션 테스트, LLM 기반 탐지 방식, 정적 분석 기반 검사 등 다양한 전략과 도구를 사용하여 잠재적인 보안 버그를 식별하고 결과를 감독 에이전트에 보고합니다. OpenTitan 기반의 알려진 버그가 있는 SoC를 대상으로 실험한 결과, MARVEL이 보고한 48개의 문제 중 20개가 보안 취약성으로 판명되었습니다.

시사점, 한계점

시사점:
하드웨어 보안 검증 과정을 자동화하고 효율화할 수 있는 새로운 접근 방식 제시.
다양한 검증 도구와 LLM을 통합하여 보다 포괄적인 보안 분석 가능.
복잡한 SoC의 보안 취약성 발견에 효과적임을 실험적으로 증명.
한계점:
MARVEL의 정확도와 신뢰성에 대한 추가적인 검증 필요.
특정 SoC 아키텍처 및 도구에 대한 의존성 존재.
모든 유형의 보안 취약성을 완벽하게 탐지하지 못할 가능성.
LLM의 한계로 인해 발생할 수 있는 오류 가능성.
👍