| 研究課題/領域番号 |
19H04080
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
戸川 望 早稲田大学, 理工学術院, 教授 (30298161)
|
|---|
| 研究分担者 |
木村 晋二 早稲田大学, 理工学術院(情報生産システム研究科・センター), 教授 (20183303)
|
|---|
| 研究期間 (年度) |
2019-04-01 – 2022-03-31
|
| キーワード | ハードウェアトロイ / 機械学習 / レジスタトランスファレベル / ゲートレベル |
|---|
| 研究実績の概要 |
現在，集積回路設計・製造は低コスト化のため積極的に外注が利用され，外部の悪意ある設計・製造者により悪意ある回路を故意に侵入する「ハードウェアトロイ」が現実的な脅威として指摘されている．レジスタトランスファレベルやゲートレベルの集積回路設計データに挿入されたハードウェアトロイは，軽微な設計データ改変で重大な事象を引き起こす可能性がある．ハードウェアトロイはその対策技術が開発されると，それを回避するハードウェアトロイが開発される「いたちごっこ」が続いているのが現状である．本研究では，レジスタトランスファレベルやゲートレベルの集積回路設計データ中のハードウェアトロイの各種特徴量を学習することにより，既知・未知のハードウェアトロイを検知する技術を確立する．ハードウェアトロイの危険性がないセキュア集積回路チップの実現に寄与する．
ハードウェアトロイの学習では「ハードウェアトロイ回路の特徴量として何を学習するか」が最大のポイントとなる．研究代表者らは既存のベンチマークデータベースからハードウェアトロイ回路に含まれる膨大な信号線を実際に精査し，これらをデータベースとして蓄積している（『ハードウェアトロイビッグデータ』）．2020年度には，2019年度までの研究成果を踏まえ，ハードウェアトロイ回路が設計データに一様に分布せず特定の場所に局所的に集中することを利用し，ハードウェア記述中の関連がある複数箇所や，複数の信号線にまたがる特徴量を明らかにした．レジスタトランスファレベル記述や信号線についてこれらの特徴量を見出し，多段ニューラルネットワークならびにランダムフォレストを識別器に用い，特徴量の最適設計，識別器の最適設計を行った．レジスタトランスファレベルやゲートレベルの集積回路設計データ中で，比較的精度良くハードウェアトロイの識別に成功した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究計画で予定した研究について，予定通り研究が進んでおり，おおむね順調に進展していると考えている．
|
| 今後の研究の推進方策 |
前述の通り，ハードウェアトロイの学習では「ハードウェアトロイの特徴量として何を学習するか」が最大のポイントとなる．研究代表者らは既存のベンチマークデータベースからハードウェアトロイ回路に含まれる膨大な信号線を実際に精査し，これらをデータベースとして蓄積しており，j2020年度には，まず研究代表者らが持つ，これら『ハードウェアトロイビッグデータ』のもと，レジスタトランスファレベル記述や信号線についていくつかの特徴量を明らかにした．2021年度には，2020年度までの知見に加え，レジスタトランスファレベル記述や信号線の特徴量の最適化ならびに識別器の最適化を行い，さらに精度良くハードウェアトロイを識別することを目指す．
|
