扫描链水印技术：一种基于图神经网络的方法

《ACM Transactions on Design Automation of Electronic Systems》：Scan Chain Watermarking : A Graph Neural Network based approach

本文提出基于图神经网络（GNN）的集成方法优化VLSI扫描链并嵌入抗攻击性水印，通过加权图建模同步实现低功耗转换密度和鲁棒水印保护，实验验证在ISCAS-89基准套件上显著降低转换密度。

　　

摘要

确保超大规模集成电路（VLSI）设计中扫描链的完整性对于硬件安全及知识产权（IP）保护至关重要。本文提出了一种基于图神经网络（GNN）的方法，用于优化扫描链，同时嵌入一个强大的水印以验证设计的真实性。主要目标是降低扫描链中的转换密度，从而减少功耗，并确保水印能够抵御恶意攻击。

扫描链优化是VLSI测试的关键环节，其目的是在保证可测试性的同时降低功耗。传统方法将扫描链重排序和水印嵌入分为两个独立步骤进行，这往往导致在安全性和功耗效率方面都无法达到最佳效果。本文提出了一个统一框架，将扫描链优化和水印嵌入整合为一个步骤，利用图神经网络（GNN）来实现。通过将扫描链表示为加权图，优化过程以最小化转换密度为目标，并在边权重中嵌入加密水印。这样可以确保扫描链在遭受恶意修改时仍然保持完整性，同时实现高效的重新排序。所提出的方法采用基于PyTorch Geometric的GNN模型从扫描链图中提取空间、时间和结构特征。

该方法在ICAS-89基准测试套件上进行了验证，结果显示多个电路的转换密度显著降低。