دانلود ترجمه مقاله طراحی تروجان های هوش مصنوعی برای فرار از تشخیص تروجان های سخت افزاری

1. مقدمه 2. پیشینه و کارهای پژوهشی مرتبط 3. حمله پنهانی (در پشتی) با تروجان های هوش مصنوعی 4. آزمایش ها 5. نتیجه گیری

چکیده – زنجیره تامین جهانی نیمه هادی ها، خطر قرار گرفتن طراحی‌های سیستم روی تراشه (SoC) را در معرض کاشت های مخرب، که به طور کلی به عنوان تروجان های سخت افزاری شناخته می شوند، به طور قابل توجهی افزایش می دهد. اعتبارسنجی مبتنی بر شبیه سازی سنتی برای تشخیص تروجان های سخت افزاری با دقت طراحی شده و دارای شرایط فعال کننده بسیار نادر نامناسب است. در حالی که رویکردهای تشخیص تروجان مبتنی بر یادگیری ماشین (ML) به دلیل مقیاس پذیری و دقت تشخیص خود امیدوارکننده هستند، خود روش های مبتنی بر ML نیز در برابر حملات تروجان آسیب پذیر هستند. در این مقاله، ما یک حمله در پشتی قوی را بر روی الگوریتم های تشخیص تروجان مبتنی بر ML پیشنهاد می کنیم تا این آسیب پذیری جدی را نشان دهیم. چارچوب پیشنهادی قادر است یک تروجان هوش مصنوعی طراحی کند و آن را درون مدل ML کاشت کند که می تواند توسط ورودی های خاص فعال شود. نتایج تجربی نشان می دهد که تروجان های هوش مصنوعی پیشنهادی می توانند از الگوریتم های دفاعی پیشرفته عبور کنند. علاوه بر این، رویکرد ما یک راه حل سریع و مقرون به صرفه را برای دستیابی به نرخ موفقیت حمله 100% ارائه می دهد که به طور قابل توجهی از رویکردهای پیشرفته مبتنی بر حملات خصمانه پیشی می گیرد.

The globalized semiconductor supply chain significantly increases the risk of exposing System-on-Chip (SoC) designs to malicious implants, popularly known as hardware Trojans. Traditional simulation-based validation is unsuitable for detection of carefully-crafted hardware Trojans with extremely rare trigger conditions. While machine learning (ML) based Trojan detection approaches are promising due to their scalability as well as detection accuracy, ML-based methods themselves are vulnerable from Trojan attacks. In this paper, we propose a robust backdoor attack on ML-based Trojan detection algorithms to demonstrate this serious vulnerability. The proposed framework is able to design an AI Trojan and implant it inside the ML model that can be triggered by specific inputs. Experimental results demonstrate that the proposed AI Trojans can bypass state-of-the-art defense algorithms. Moreover, our approach provides a fast and cost-effective solution in achieving 100% attack success rate that significantly outperforms state-of-the art approaches based on adversarial attacks.

ترجمه این مقاله در 16 صفحه آماده شده و در ادامه نیز صفحه 5 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.