基于图注意力网络的门级网表功能识别研究

作     者：秦永旺 张洋 胡星 刘胜 李少青 

作者机构：国防科技大学计算机学院先进微处理器芯片与系统重点实验室 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2024年

学科分类：080903[工学-微电子学与固体电子学] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金重点项目“嵌入式安全微处理器体系结构”(61832018) 

主　　题：集成电路 电路网表 功能识别 深度学习 图神经网络 

摘      要：随着集成电路设计复杂度的急剧攀升，其呈现出全球化和分工化的发展趋势，需要越来越多的第三方知识产权核（IP）提供者的参与。而第三方IP的广泛使用会引入硬件木马，为了检测和评估第三方IP核是否存在硬件木马以及硬件木马的功能，迫切需要探索出一种可行的IP核硬件安全评估方法，数字电路模块的功能识别作为硬件木马分析的基础研究引起了人们的广泛关注。本文将电路功能检测任务转换为多分类任务，结合电路结构和图数据结构的特点，提出了一种基于图注意力网络的门级电路功能分类和检测方法。首先，针对门级网表缺乏功能识别数据集的问题，本文通过搜集具有代表性的RTL代码并综合生成门级网表，构建了一个规模适当、种类多样的门级电路数据集。随后，为了提取和处理电路特征信息，本文开发了一种基于文本识别的软件工具，将复杂的电路互连结构映射为结构简洁的JSON（JavaScript Object Notation）格式，便于神经网络处理。最后，本文采用图注意力神经网络，利用构建的门级网表数据集对多分类器进行训练，经过训练后的多分类器能够对未知门级电路进行分类和识别。实验结果表明，此分类器通过对自建数据集中6种类型，共计3千余条网表数据进行学习后，最终对6种共645个网表能够达到90%以上的分类正确率。