LoRD, 게이트레벨 트로이목마 탐지 — 휴리스틱으로 ML급 성능

위스콘신-매디슨대와 매리스트대 연구진이 'Demystifying Gate-Level Localization of RTL Trojans'라는 논문을 발표했다. 연구진은 RTL 트로이목마가 합성 이후에도 구조적·신호흐름 패턴을 안정적으로 유지한다는 점에 착안해, 범용 머신러닝 기반 특징 학습 대신 타깃형 휴리스틱으로 탐지하는 LoRD 기법을 제안했다. LoRD는 이러한 서브그래프 시그니처를 활용해 콘테스트 테스트케이스에서 거의 완벽한 탐지·위치추정 성능을 보였다. 트랜스포머 기반 ML 베이스라인 및 상위 5개 팀과 비교했을 때, LoRD는 데이터·튜닝 부담 없이 트로이목마 삽입 설계에 대해 평균 3점 만점에 2.957점을 기록했다.

이 글에 나온 것