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.

VerilogLAVD: LLM-Aided Rule Generation for Vulnerability Detection in Verilog

Created by
  • Haebom

저자

Xiang Long, Yingjie Xia, Xiyuan Chen, Li Kuang

개요

본 논문은 하드웨어 취약점의 조기 탐지를 위해, Verilog 코드의 구조적 특징을 효과적으로 활용하는 LLM 기반의 새로운 접근 방식인 VerilogLAVD를 제안합니다. VerilogLAVD는 Verilog 코드를 통합적으로 표현하는 Verilog Property Graph (VeriPG)를 도입하여, AST 기반의 구문 정보와 제어 흐름 및 데이터 의존성 그래프로부터 얻은 의미 정보를 결합합니다. LLM을 활용하여 CWE 설명으로부터 VeriPG 기반의 탐지 규칙을 생성하고, 이 규칙들을 통해 VeriPG를 탐색하여 잠재적인 취약점을 찾아냅니다. 77개의 Verilog 설계(12가지 CWE 유형 포함)에 대한 실험 결과, VerilogLAVD는 0.54의 F1-score를 달성하여, LLM 단독 및 외부 지식 기반 LLM 기법 대비 각각 0.31 및 0.27 향상된 성능을 보였습니다.

시사점, 한계점

시사점:
LLM을 활용한 Verilog 취약점 탐지의 새로운 접근 방식 제시
Verilog Property Graph (VeriPG)를 통한 효과적인 Verilog 코드 표현 방식 제안
CWE 설명으로부터 자동화된 탐지 규칙 생성 가능성 확인
기존 LLM 기반 접근 방식 대비 성능 향상
한계점:
0.54의 F1-score는 아직 완벽한 수준은 아님. 향상의 여지가 있음.
사용된 데이터셋의 규모 및 다양성이 제한적일 수 있음. 더욱 다양하고 대규모의 데이터셋을 사용한 평가 필요.
특정 CWE 유형에 대한 성능이 다른 유형에 비해 상대적으로 낮을 수 있음. 각 CWE 유형에 대한 성능 분석 및 개선 필요.
👍