게이트/셀 넷리스트 구조 기반 하드웨어 트로jan 탐지 연구

Hardware Trojan Detection Based on Gate/Cell Netlist Structural Analysis Research

연구 내용

게이트 레벨 넷리스트를 그래프 또는 연결 기반 영역으로 표현·분할하고, structural similarity와 학습 모델로 트로jan 신호를 구분하는 연구

본 연구는 IC 설계에서 하드웨어 트로jan이 내장될 경우 신뢰성 저하가 발생할 수 있다는 점을 전제로, 넷리스트 수준 탐지 기법을 구성합니다. 게이트 레벨에서는 GNN이 신호 간 숨은 관계를 학습하도록 적절한 회로 표현을 정의하고, 임의 생성 회로에서도 성능 저하를 완화하는 방향으로 접근합니다. 또한 넷 연결의 fanout 기반으로 영역을 분할한 뒤 영역 간 structural similarity로 트로jan 가능 넷을 구분합니다. FPGA의 셀 레벨 넷리스트에 대해서도 동일한 분할·유사도 분석 흐름을 적용합니다. 아울러 LFSR 기반의 새로운 트로jan 설계와 기존 탐지 알고리즘 확장으로 방어 가능성을 검토합니다.

관련 프로젝트

0건

연구 흐름

초기에는 2020년 연구에서 LFSR을 기반으로 한 새로운 하드웨어 트로jan을 정의하고, 기존 탐지 방법의 한계를 확인하면서 확장 탐지 알고리즘을 제안했습니다. 이후 2022~2023년에는 게이트 레벨 넷리스트를 연결 구조에 따라 영역으로 분할하고, 영역 간 구조 유사도를 기반으로 트로jan 후보를 판별하는 접근으로 탐지 정확도와 오탐률을 함께 개선하는 흐름으로 발전했습니다. 2023년에는 FPGA 셀 레벨 넷리스트로 적용 범위를 확장했습니다. 2024년에는 그래프 신경망을 적용해 신호 관계를 학습하는 방향으로 대표 모델을 전환하는 연구가 이어졌습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

게이트 레벨 넷리스트 기반 보안 검증
FPGA 공급망 신뢰성 점검
트로jan 가능 영역 자동 탐지
구조 유사도 기반 이상 신호 분류
GNN 기반 회로 표현 학습
임의 회로 일반화 탐지
넷리스트 분할 전처리 모듈
하드웨어 보안 검증 파이프라인
회로 위협 시나리오 대응
탐지 성능 평가 체계 구축