[論文レビュー] A Survey and Perspective on Artificial Intelligence for Security-Aware Electronic Design Automation

David S. Koblah, Rabin Yu Acharya+6 more|arXiv (Cornell University)|Apr 19, 2022

Advancements in Semiconductor Devices and Circuit Design被引用数 6

ひとこと要約

この論文は、セキュリティに配慮した電子設計自動化（EDA）のためのAI/ML技術を調査し、AIがハードウェアセキュリティを強化する可能性を提起している。具体的には、リアルタイムでの脆弱性検出、パフォーマンスとセキュリティのトレードオフを最適化する支援、およびトレーニングを受けたエンジニアが理解可能なモデルを提供することで、ハードウェアを信頼の基盤として確立する。データ不足やブラックボックスモデルの不透明性といった主な課題を特定し、セキュリティネイティブなAI駆動EDAツールの開発を提言している。

ABSTRACT

Artificial intelligence (AI) and machine learning (ML) techniques have been increasingly used in several fields to improve performance and the level of automation. In recent years, this use has exponentially increased due to the advancement of high-performance computing and the ever increasing size of data. One of such fields is that of hardware design; specifically the design of digital and analog integrated circuits~(ICs), where AI/ ML techniques have been extensively used to address ever-increasing design complexity, aggressive time-to-market, and the growing number of ubiquitous interconnected devices (IoT). However, the security concerns and issues related to IC design have been highly overlooked. In this paper, we summarize the state-of-the-art in AL/ML for circuit design/optimization, security and engineering challenges, research in security-aware CAD/EDA, and future research directions and needs for using AI/ML for security-aware circuit design.

研究の動機と目的

• ハードウェアセキュリティの脅威が増加する中、電子設計自動化（EDA）ツールにおけるセキュリティ意識の欠如というギャップを是正すること。
• AI/MLを活用してIC設計ライフサイクルの初期段階で脆弱性を特定し、シリコン実装後の高コストな修正を回避すること。
• 従来のEDAの目的（面積、消費電力、遅延）にセキュリティメトリクスを統合することで、設計のトレードオフを改善すること。
• 非専門の設計エンジニアがセキュリティリスクを認識し、適切に対応できるよう、説明可能なAI（XAI）技術を活用すること。
• AI/MLをEDAに応用するための研究ニーズを特定すること。具体的には、データ不足、モデルの解釈可能性、サプライチェーンセキュリティにおけるツール連携の課題。

提案手法

• EDA分野における最新のAI/ML技術を調査・統合し、特にディープラーニング、強化学習、説明可能なAI（XAI）に焦点を当てる。
• AI/MLの応用を、ハードウェアトロイの検出、サイドチャネル脆弱性、フォールトインジェクション攻撃の検出に活用する。
• RTL設計段階でエンジニアにリアルタイムでフィードバックを提供するAI駆動のフィードバックシステムを提案し、ソフトウェアベースの脆弱性検出に類似した動作を実現する。
• モデルに依存しないおよびモデルに依存する解釈技術（例：特徴量の寄与度、サリエンシーマップ）を統合し、AI予測の解釈を可能にする。
• 後処理による説明手法を用いて、セキュリティに配慮した設計におけるAI意思決定の局所的およびグローバルな解釈を生成する。
• 信頼性と使いやすさを向上させるために、解釈可能なモデル（例：決定木、ベイジアンモデル）の導入の必要性を強調する。

(a)

実験結果

リサーチクエスチョン

• RQ1 AI/MLは、特にRTLレベルにおいて、IC設計プロセスの初期段階でハードウェアセキュリティ脆弱性をどのように検出できるか？
• RQ2 説明可能なAI（XAI）は、セキュリティ専門外の設計エンジニアが新たな脅威を認識し、適切に対応できるようにするために果たす役割は何か？
• RQ3 AIベースのEDAツールは、従来の設計指標（面積、消費電力、遅延）と新たなセキュリティ制約の両立をどのように実現できるか？
• RQ4 現在のAI/MLモデルには、特にデータ不足とモデルの解釈可能性という点で、どのような限界があるか？
• RQ5 新たな攻撃ベクトルが出現する中で、リアルタイムフィードバックと継続的再訓練を可能にするAI駆動EDAシステムは、どのように設計できるか？

主な発見

• ディープラーニングや強化学習といったAI/ML技術は、解析的に扱いにくいセキュリティメトリクスを含む、パフォーマンスとセキュリティの複雑なトレードオフを効果的にモデル化できる。
• ソフトウェアセキュリティ分野で開発されたAIモデルを応用することで、RTLコードにおけるリアルタイム脆弱性検出が可能となり、シリコン実装後の修正コストを最大1000倍まで削減できる。
• 特徴量の寄与度やサリエンシーマップといった説明可能なAI（XAI）手法は、エンジニアがAIによるセキュリティ推奨事項を解釈するのを支援するが、入力の摂動に対して説明の信頼性が低下する脆弱性を有する。
• AI駆動EDAツールにおける信頼性と透明性を向上させるために、解釈可能なモデル（例：決定木、ベイジアンモデル）の導入が不可欠である。
• 現在のAI/MLベースのハードウェアセキュリティ防御は、ハードウェアトロイやサイドチャネル攻撃といった進化する脅威に追いついておらず、AIネイティブなEDAフレームワークの開発が急務である。
• EDAへのAIの統合には、データ不足、機密性、ツールチェーンとの互換性といった課題を解決する必要があり、産業応用の実現に不可欠である。

(b)