[論文レビュー] MuxLink: Circumventing Learning-Resilient MUX-Locking Using Graph Neural Network-based Link Prediction

Lilas Alrahis, Satwik Patnaik+2 more|arXiv (Cornell University)|Dec 14, 2021

Integrated Circuits and Semiconductor Failure Analysis被引用数 7

ひとこと要約

MuxLinkは、回路内の構造的リンク形成に着目したGNNベースのリンク予測攻撃を提案する。この攻撃は、学習に耐性を持つD-MUXおよび対称的Muxベースの論理ロックを、オракルや鍵漏洩なしに解読可能であり、ISCAS-85およびITC-99ベンチマークで最高100%の鍵予測精度と再現率を達成した。

ABSTRACT

Logic locking has received considerable interest as a prominent technique for protecting the design intellectual property from untrusted entities, especially the foundry. Recently, machine learning (ML)-based attacks have questioned the security guarantees of logic locking, and have demonstrated considerable success in deciphering the secret key without relying on an oracle, hence, proving to be very useful for an adversary in the fab. Such ML-based attacks have triggered the development of learning-resilient locking techniques. The most advanced state-of-the-art deceptive MUX-based locking (D-MUX) and the symmetric MUX-based locking techniques have recently demonstrated resilience against existing ML-based attacks. Both defense techniques obfuscate the design by inserting key-controlled MUX logic, ensuring that all the secret inputs to the MUXes are equiprobable. In this work, we show that these techniques primarily introduce local and limited changes to the circuit without altering the global structure of the design. By leveraging this observation, we propose a novel graph neural network (GNN)-based link prediction attack, MuxLink, that successfully breaks both the D-MUX and symmetric MUX-locking techniques, relying only on the underlying structure of the locked design, i.e., in an oracle-less setting. Our trained GNN model learns the structure of the given circuit and the composition of gates around the non-obfuscated wires, thereby generating meaningful link embeddings that help decipher the secret inputs to the MUXes. The proposed MuxLink achieves key prediction accuracy and precision up to 100% on D-MUX and symmetric MUX-locked ISCAS-85 and ITC-99 benchmarks, fully unlocking the designs. We open-source MuxLink [1].

研究の動機と目的

• 学習に耐性を持つ論理ロックにおけるギャップを埋めるために、既存の防御を回避できる構造的パターンを同定すること。
• 鍵漏洩や機能的アクセスに依存しないオラクルフリーの攻撃を構築すること。
• 変換された回路におけるリンクレベルの構造的パターンが、GNNによって秘密鍵の回復に利用可能であることを示すこと。
• 局所的なゲート特徴ではなく、グローバルな接続性を標的とする新しいGNNベースの攻撃に対して、D-MUXおよび対称的Muxロックの耐性を評価すること。

提案手法

• 鍵ゲートの周辺における非変換ワイヤーおよびその接続性に注目し、ロックされた回路の構造的トポロジーを学習するGNNモデルを訓練する。
• GNNからのノードおよびエッジ埋め込みを用いて、局所的およびグローバルな回路構造に基づき、欠落しているまたは変換されたリンク（Muxの秘密入力）を予測する。
• 精度と再現率のバランスを図るために、信頼度の高いリンク予測のみを選択するための後処理しきい値（th）を適用する。
• 変換されたMuxゲートのhホップ近傍における部分グラフサンプリングを実施することで、攻撃のスケーラビリティを確保しながらも、予測精度を維持する。
• 100,000個のランダム入力パターンに対するハミング距離解析を実施し、回復された回路の機能的正しさを検証する。
• D-MUXおよび対称的Muxスキームの対称性と構造的不変性を活用し、複数ベンチマークにわたる汎用性のあるGNNモデルを訓練する。

実験結果

リサーチクエスチョン

• RQ1 GNNベースのリンク予測モデルは、鍵漏洩やオラクルアクセスに依存せずに、学習に耐性を持つD-MUXおよび対称的Muxロックを解読できるか？
• RQ2 D-MUXおよび対称的Muxスキームにおける対称性と局所的変換は、まだグローバルな接続性パターンとしての攻撃の余地を残しているか？
• RQ3 部分グラフサンプリングにおけるホップ距離と鍵サイズの増加に伴い、GNNベースの攻撃の性能はどのように変化するか？
• RQ4 真値ラベルが存在しない状況下で、後処理しきい値の設定が鍵予測の精度と再現率に与える影響はどの程度か？

主な発見

• MuxLinkは、D-MUXでロックされたISCAS-85およびITC-99ベンチマークで、100%の鍵予測精度と再現率を達成し、秘密鍵を完全に回復した。
• 対称的Muxベースのロックに対しては、鍵サイズが64から256に増加しても、平均94.65%の高い鍵予測精度を維持した。
• オリジナル回路と回復された回路の間のハミング距離は平均3.39%にとどまり、ほぼ完全な機能的回復が確認された。
• th=1.0という厳密なしきい値を適用しても、MuxLinkは100%の精度を維持したが、鍵ビットのうち30%しか予測しなかった。
• h=3のホップサンプリングで性能が飽和し、h=1からh=2への段階的性能向上が顕著に観察された。これは、1ホップ近傍解析で既に攻撃が成功することを示している。
• 鍵漏洩が存在しない状況下でも攻撃が有効であることを示しており、リンク形成が論理ロックにおける新たな攻撃可能な情報源であることを明らかにした。