Auf der Jagd nach Trojanern:
Best Paper Award für Professor Mehdi Tahoori

Das Team um Prof. Mehdi Tahoori gewinnt einen Best Paper Award IEEE Circuit and System Society. Die ausgezeichnete Arbeit stellt eine Methode vor, welche Trojaner in frühen Phasen des Designs und der Fertigung neuer Hardware findet. Die Aktivierung von Trojanern in diesen Phasen kann mithilfe von Methoden des maschinellen Lernens in nahezu allen Fällen entdeckt werden.

Digitale Preisverleihung für die drei Verfasser des ausgezeichneten Papers, Rana Osama Abdelelah Gaber Elnaggar (Duke University, USA), Krishnendu Chakrabarty (Duke University, USA) und Prof. Mehdi Tahoori (Karlsruher Institut für Technologie).

Mikroprozessoren sind aus der modernen Computertechnologie nicht mehr wegzudenken. Diese Prozessoren bestehen aus mehreren Siliziumplättchen, die mit bloßem Auge kaum erkennbar sind, den sogenannten Mikrochips, deren Bauteile aus Halbleitern gefertigt werden. Die zunehmende Komplexität von Schaltungen und Systemen von Mikroprozessoren hat Auswirkungen auf die gesamte Phase des Designs und der Produktion von Halbleitern.  

In den letzten Jahren gab es einen wachsenden Trend, verschiedene Aspekte des Halbleiterdesigns und der Fertigung weltweit auszulagern. Ein solches Outsourcing erhöht das Risiko, dass Hardware-Trojaner zum ursprünglichen Design hinzufügt werden können. Die zunehmende Komplexität moderner Mikroprozessoren erschwert zusätzlich die Erkennung von Hardware-Trojanern in den frühen Phasen der Fertigung. Hierdurch entsteht ein Bedarf an Laufzeit-Erkennungstechniken, um solche Trojaner zu erfassen. In der ausgezeichneten Arbeit stellte das Team um Professor Tahoori eine auf maschinellem Lernen basierende Methode zur Erkennung von Hardware-Trojanern zur Laufzeit für Mikroprozessorkernen vor. Dieser Ansatz verwendet einen auf Changepoint basierenden Algorithmus zur Erkennung von Anomalien. Dabei soll die Aktivierung von Trojanern entdeckt werden, die anormale Muster in die Datenströme einführen. Dabei wird das ursprüngliche Mikroprozessor-Design nicht verändert, um On-Chip-Überwachungssensoren zu integrieren. Die Ergebnisse zeigen, dass die Trojaneraktivierung mit einer Wahr-Positiv-Rate von über 99% und einer Falsch-Positiv-Rate von 0% für die meisten der implementierten Trojaner erkannt wird.

Im Rahmen der IEEE Circuits and Systems and Society Awards (CAS) 2021 erhielt das Paper „Hardware Trojan Detection using Changepoint-Based Anomaly Detection Techniques“ eine Auszeichnung als best Paper. Die Arbeit wurde unter Mitwirkung von Prof. Mehdi Tahoori vom Institut für Technische Informatik (ITEC) in “IEEE Transactions on Very Large Integration Circuits and Systems” (TVLSI)  eingereicht und ausgezeichnet.

Das ganze Paper ist hier zu finden.

IEEE TVLSI ist die wichtigste Publikation der IEEE Circuit and System Society mit einer sehr breiten thematischen Abdeckung. Die Auszeichnung basiert auf Qualität, Originalität, Relevanz und Aktualität. Der Preis ist mit einem Zertifikat und einem Preisgeld von 500 Dollar pro Autorin oder Autor dotiert.