结构安全的混淆技术：评估与缓解电路混淆中的结构漏洞

《ACM Transactions on Design Automation of Electronic Systems》：Structurally Secure Obfuscation: Assessing and Mitigating Structural Vulnerabilities in Circuits Obfuscation

电路混淆技术为应对IC制造全球化下的IP保护提供了有效方案，但ML结构攻击通过分析电路互连关系破解混淆。本文提出新型安全评估工具，发现传统方法存在结构性泄漏漏洞，并设计ML-SafeConnect技术消除基于距离的泄漏，使ML攻击准确率降至50%以下。

　　

摘要

由于集成电路制造的全球化以及保护知识产权的完整性和保密性，人们开发出了电路混淆技术。这些方法通过混淆手段来保护电路。最近，出现了基于先进机器学习（ML）的结构攻击，这类攻击利用电路的结构来破解混淆机制。这些攻击利用基于ML的方法分析和中和混淆方案，而无需解密电路的功能部分，这对知识产权安全构成了重大威胁。

为了应对基于ML的攻击，在本文中，我们首先分析了互连混淆技术（一种最强大的知识产权保护机制）中结构信息泄露的来源。我们对使用互连混淆技术进行混淆后的电路网表图进行了首次分析，以评估其对抗链接预测技术的鲁棒性。基于我们的分析，我们开发了一种安全评估工具，用于评估混淆技术在防止导致基于ML的攻击成功所需的结构信息泄露方面的有效性。我们的评估工具表明，之前的混淆方法未能达到预期的安全水平。这促使我们提出了第二项贡献：ML-SafeConnect，这是一种互连混淆技术，它通过完全消除基于距离的结构信息泄露来保护被混淆的子结构。利用我们的评估工具和最先进的基于ML的攻击方法，我们证明了我们的混淆机制在防止结构信息泄露方面优于之前的互连混淆技术。我们展示了ML-SafeConnect能够彻底挫败基于ML的攻击，将最先进攻击方法的成功率降低到50%以下。