Resumen - SVAgent: Agente de IA para Verificación de Afirmaciones de Seguridad de Hardware

SVAgent: Agente de IA para Verificación de Afirmaciones de Seguridad de Hardware

2025-07-22 03:36:06

{"Rui Guo","Avinash Ayalasomayajula","Henian Li","Jingbo Zhou","Sujan Kumar Saha","Farimah Farahmandi"}

{cs.CR,cs.AI,cs.AR,cs.LG}

El documento presenta a SVAgent, un marco basado en inteligencia artificial (IA) para generar afirmaciones de SystemVerilog (SVA) para la verificación de seguridad en el hardware. SVA es un método popular para detectar vulnerabilidades de diseño de circuitos, pero los enfoques tradicionales tienen limitaciones en términos de eficiencia y escalabilidad. SVAgent aborda estos desafíos aprovechando grandes modelos de lenguaje (LLMs) y un mecanismo innovador de descomposición de requisitos. ### Desafíos en la Generación de SVA para la Seguridad del Hardware * **Complejidad de las Amenazas de Seguridad**: Las vulnerabilidades de seguridad en el hardware son inherentemente ocultas y complejas, a menudo requiriendo condiciones de activación específicas. * **Investigación Limitada en SVA Específica de Seguridad**: La investigación existente sobre la generación de SVA se centra principalmente en la verificación funcional, con poca exploración de SVA específica de seguridad. * **Ineficiencia y Escalabilidad**: Los enfoques tradicionales dependen del análisis manual y del modelado de amenazas extenso, lo que los hace laboriosos y difíciles de escalar para diseños complejos. ### SVAgent: Un Enfoque Innovador SVAgent aborda estos desafíos introduciendo las siguientes características clave: * **Técnicas de Sugerencias de Baja Granularidad**: SVAgent utiliza un mecanismo innovador de descomposición de requisitos para descomponer complejos requisitos de seguridad en subpreguntas más pequeñas y manejables. Esto permite a los LLMs generar código de SVA más preciso y confiable. * **Marco Incompatible con Modelos**: SVAgent está diseñado para ser compatible con varios LLMs, permitiendo a los investigadores y ingenieros elegir el modelo más adecuado para sus necesidades específicas. * **Mejora de la Precisión y la Consistencia**: SVAgent mejora significativamente la precisión y la consistencia del código de SVA generado en comparación con los marcos existentes, gracias a sus técnicas de sugerencias de baja granularidad y al mecanismo de descomposición de requisitos. * **Reducción de la Carga de Trabajo del Ingeniero**: SVAgent automatiza el proceso de generación de SVA, reduciendo la carga de trabajo para los ingenieros de verificación y permitiéndoles concentrarse en tareas más críticas. ### Componentes de SVAgent SVAgent consta de varios componentes clave: * **Descomponedor**: Este componente descompone complejos requisitos de seguridad en subpreguntas más pequeñas basándose en modelos de amenazas predefinidos. * **Generador de Sugerencias**: Este componente genera sugerencias para cada subpregunta, guiando al LLM para que genere respuestas precisas y relevantes. * **Reorganizador**: Este componente integra los fragmentos de código de SVA generados en un archivo de SystemVerilog estructurado y utilizable. ### Resultados Experimentales Las pruebas realizadas utilizando SVAgent demuestran su eficacia en la generación de código de SVA de alta calidad para diversas vulnerabilidades de seguridad en el hardware. Los resultados muestran que SVAgent mejora significativamente la precisión y la consistencia del código de SVA generado en comparación con los marcos existentes, al mismo tiempo que reduce la carga de trabajo para los ingenieros de verificación. ### Conclusión SVAgent representa un progreso significativo en el campo de la verificación de seguridad en el hardware. Al aprovechar los LLMs y un mecanismo innovador de descomposición de requisitos, SVAgent ofrece un enfoque más eficiente, preciso y escalable para generar código de SVA para la seguridad en el hardware. Esto tiene el potencial de mejorar considerablemente la seguridad y la confiabilidad de los circuitos integrados.