NetDeTox: Adversarial and Efficient Evasion of Hardware-Security GNNs via RL-LLM Orchestration
Created by
Haebom
Category
Empty
저자
Zeng Wang, Minghao Shao, Akashdeep Saha, Ramesh Karri, Johann Knechtel, Muhammad Shafique, Ozgur Sinanoglu
개요
본 논문은 그래프 신경망(GNN) 기반 하드웨어 보안 시스템의 취약점을 공격하기 위한 새로운 프레임워크인 NetDeTox를 제시한다. NetDeTox는 대규모 언어 모델(LLM)과 강화 학습(RL)을 결합하여, GNN의 예측에 영향을 미치는 중요 netlist 구성 요소를 식별하고, 기능 보존적인 리라이팅(rewriting)을 수행한다. 이 프레임워크는 기존 공격 방법보다 적은 리라이팅과 낮은 면적 오버헤드로 GNN 기반 보안 시스템의 성능을 효과적으로 저하시킨다.
시사점, 한계점
•
시사점:
◦
NetDeTox는 LLM과 RL을 활용하여 GNN 기반 하드웨어 보안 시스템에 대한 효율적인 공격 방법을 제시한다.
◦
기존 공격 방법 대비 적은 리라이팅과 낮은 면적 오버헤드로 더 효과적인 공격이 가능하다.
◦
GNN4IP의 경우, 기존 벤치마크의 면적을 최적화/감소시키는 등 실용성과 확장성을 입증했다.
•
한계점:
◦
논문에서 구체적인 NetDeTox의 동작 방식 및 구현 세부 사항에 대한 설명이 부족할 수 있다.
