Bài báo này đề cập đến các vấn đề bảo mật dữ liệu trong tự động hóa thiết kế phần cứng sử dụng Mô hình Ngôn ngữ Quy mô Lớn (LLM), đặc biệt là trong việc tạo mã Verilog. Việc tạo mã Verilog bằng LLM có thể gây ra những rủi ro bảo mật dữ liệu nghiêm trọng, bao gồm hỏng dữ liệu đánh giá Verilog, rò rỉ thiết kế sở hữu trí tuệ (IP) và nguy cơ tạo ra mã Verilog độc hại. Để giải quyết vấn đề này, bài báo này trình bày SALAD, một phương pháp đánh giá toàn diện giúp giảm thiểu các mối đe dọa này bằng cách sử dụng các kỹ thuật loại bỏ dữ liệu máy (machine unlearning). SALAD loại bỏ có chọn lọc các điểm chuẩn bị nhiễm, IP nhạy cảm và các hiện vật thiết kế, cũng như các mẫu mã độc hại khỏi các LLM đã được đào tạo trước mà không cần đào tạo lại. Thông qua một nghiên cứu điển hình chi tiết, bài báo này chứng minh cách các kỹ thuật loại bỏ dữ liệu máy giảm thiểu hiệu quả các rủi ro bảo mật dữ liệu trong các thiết kế phần cứng dựa trên LLM.
