摘要 集成电路(IC)产业的全球化引发了对硬件木马(HT)的担忧,迫切需要有效的门级网表 HT 检测方法。在本文中,我们提出了一种基于图学习的门级木马节点检测方法。该方法不需要任何黄金模型,可以轻松集成到集成电路设计流程中。此外,我们进一步设计了一个联合 GNN 网络,将有向图的输入端、输出端和邻居端的信息结合起来,生成代表性节点嵌入。实验结果表明,在不同设计中,它可以达到平均 93.4% 的召回率、91.4% 的 F 度量和 90.7% 的准确率,优于最先进的 HT 检测方法。 关键词:硬件木马检测,图神经网络,无黄金参考,门级网表 分类:集成电路
合成至少 5 g PET/TH - 至少 15 kDa - 分解为至少 25 wt % 单体。 - 至少 1 g 回收的单体/低聚物将重新聚合至至少 1 kDa(通过 GPC)并通过 DSC 进行表征。
摘要 — 全球化的半导体供应链大大增加了片上系统 (SoC) 设计暴露于恶意植入物(俗称硬件木马)的风险。传统的基于模拟的验证不适合检测具有极其罕见触发条件的精心制作的硬件木马。虽然基于机器学习 (ML) 的木马检测方法因其可扩展性和检测准确性而很有前景,但基于 ML 的方法本身容易受到木马攻击。在本文中,我们提出了一种针对基于 ML 的木马检测算法的强大后门攻击,以证明这一严重漏洞。所提出的框架能够设计一个 AI 木马并将其植入 ML 模型中,该模型可以通过特定输入触发。实验结果表明,所提出的 AI 木马可以绕过最先进的防御算法。此外,我们的方法提供了一种快速且经济高效的解决方案,可实现 100% 的攻击成功率,其性能明显优于基于对抗性攻击的最先进的方法。
木马(后门)攻击是针对深度神经网络的一种对抗性攻击,攻击者向受害者提供一个在恶意数据上训练/再训练的模型。当正常输入带有某种称为触发器的模式时,后门就会被激活,从而导致错误分类。许多现有的木马攻击的触发器是输入空间块/对象(例如,纯色多边形)或简单的输入转换,如 Instagram 滤镜。这些简单的触发器容易受到近期后门检测算法的影响。我们提出了一种新颖的深度特征空间木马攻击,具有五个特点:有效性、隐蔽性、可控性、鲁棒性和对深度特征的依赖。我们对包括 ImageNet 在内的各种数据集上的 9 个图像分类器进行了大量实验,以证明这些特性,并表明我们的攻击可以逃避最先进的防御。
1尼特兰莱顿市莱顿大学医学中心外科部;荷兰; v.q.sier@lumc.nl(V.Q.S. ); m.r.de_vries@lumc.nl(M.R.D.V. ); j.r.van_der_vorst@lumc.nl(J.R.V.D.V. ); a.l.vahrmeijer@lumc.nl(a.l.v.) 2尼德兰莱顿大学医学中心肾脏科学系,荷兰莱顿2300; c.van_kooten@lumc.nl 3荷兰莱顿2300 RC Leiden RC Leiden University Center的转化纳米材料和成像集团放射学系; L.J.Cruz_ricondo@lumc.nl 4放射科,核医学科,莱顿大学医学中心,荷兰2300 RC Leiden; l.f.de_geus-oei@lumc.nl 5生物医学光子成像小组,Twente University,7522 NB NB Enschede,荷兰6荷兰6号研发部,Uniqure,Uniqure,1100 DA Amsterdam,荷兰,荷兰; v.sier-ferreira@uniqure.com 7 Percuros B.V. Leiden, 2333 CL Leiden, The Netherlands 8 Translational Molecular Imaging, Clinic of Hematology and Medical Oncology, Institute of Diagnostic and Interventional Radiology, University Medicine Center Göttingen and Max-Planck-Institute for Experimental Medicine, 37075 Göttingen, Germany; falves@gwdg.de 9 Sheffief Figfiled sheffinfinfinfinforn and Sheffiffinffinfinforn and Sheffinfinfinford s10 2RX,英国; m.muthana@sheffield.ac.uk *通信:c.f.m.sier@lumc.nl或k.sier@percuros.nl;电话。 : +31-71-526-26101尼特兰莱顿市莱顿大学医学中心外科部;荷兰; v.q.sier@lumc.nl(V.Q.S.); m.r.de_vries@lumc.nl(M.R.D.V.); j.r.van_der_vorst@lumc.nl(J.R.V.D.V.); a.l.vahrmeijer@lumc.nl(a.l.v.)2尼德兰莱顿大学医学中心肾脏科学系,荷兰莱顿2300; c.van_kooten@lumc.nl 3荷兰莱顿2300 RC Leiden RC Leiden University Center的转化纳米材料和成像集团放射学系; L.J.Cruz_ricondo@lumc.nl 4放射科,核医学科,莱顿大学医学中心,荷兰2300 RC Leiden; l.f.de_geus-oei@lumc.nl 5生物医学光子成像小组,Twente University,7522 NB NB Enschede,荷兰6荷兰6号研发部,Uniqure,Uniqure,1100 DA Amsterdam,荷兰,荷兰; v.sier-ferreira@uniqure.com 7 Percuros B.V. Leiden, 2333 CL Leiden, The Netherlands 8 Translational Molecular Imaging, Clinic of Hematology and Medical Oncology, Institute of Diagnostic and Interventional Radiology, University Medicine Center Göttingen and Max-Planck-Institute for Experimental Medicine, 37075 Göttingen, Germany; falves@gwdg.de 9 Sheffief Figfiled sheffinfinfinfinforn and Sheffiffinffinfinforn and Sheffinfinfinford s10 2RX,英国; m.muthana@sheffield.ac.uk *通信:c.f.m.sier@lumc.nl或k.sier@percuros.nl;电话。 : +31-71-526-26102尼德兰莱顿大学医学中心肾脏科学系,荷兰莱顿2300; c.van_kooten@lumc.nl 3荷兰莱顿2300 RC Leiden RC Leiden University Center的转化纳米材料和成像集团放射学系; L.J.Cruz_ricondo@lumc.nl 4放射科,核医学科,莱顿大学医学中心,荷兰2300 RC Leiden; l.f.de_geus-oei@lumc.nl 5生物医学光子成像小组,Twente University,7522 NB NB Enschede,荷兰6荷兰6号研发部,Uniqure,Uniqure,1100 DA Amsterdam,荷兰,荷兰; v.sier-ferreira@uniqure.com 7 Percuros B.V. Leiden, 2333 CL Leiden, The Netherlands 8 Translational Molecular Imaging, Clinic of Hematology and Medical Oncology, Institute of Diagnostic and Interventional Radiology, University Medicine Center Göttingen and Max-Planck-Institute for Experimental Medicine, 37075 Göttingen, Germany; falves@gwdg.de 9 Sheffief Figfiled sheffinfinfinfinforn and Sheffiffinffinfinforn and Sheffinfinfinford s10 2RX,英国; m.muthana@sheffield.ac.uk *通信:c.f.m.sier@lumc.nl或k.sier@percuros.nl;电话。: +31-71-526-2610
太阳签名线(SSIG 12 170,SSIG 12 230,SSIG 12 255,SSIG 06 235,SSIG 06 255 SSIG 06 290,SSIG 06 405,太阳标志线,太阳能签名线(SSAG 12 95