Sicherheitsbewertung mit maschinellem Lernen

Die Verbreitung von effizienten, einfach zu bedienenden und leicht zugänglichen Machine-Learning-(ML-)Modellen hat begonnen, einen tiefgreifenden Einfluss auf das Gebiet des Logic Lockings zu haben. Forscher haben erkannt, dass viele Sicherheitsmerkmale moderner Logic-Locking-Schemata fälschlicherweise als gegeben angenommen werden, insbesondere aufgrund erfolgreicher Angriffe durch ML-getriebene Entschlüsselungstechniken. Der Grund, dass diese Annahmen zuvor nicht überprüft wurden, ist, dass eine erfolgreiche Überprüfung oft das Erkennen von Mustern in komplexen, großen Datensätzen erfordert – eine Aufgabe, die für Menschen schwierig ist. Darüber hinaus ist die Verarbeitung von Hardware-(HW-)Designs auf verschiedenen Ebenen mit ML noch ein sich entwickelndes Forschungsfeld. Daher haben erst jüngste Entwicklungen Licht auf die Anwendung von ML in das Logic Locking geworfen.