Can Agents Secure Hardware? Evaluating Agentic LLM-Driven Obfuscation for IP Protection
University of Arizona（亚利桑那大学）；Arizona State University（亚利桑那州立大学）
本文提出基于大语言模型的代理式硬件网表混淆框架，通过分阶段任务处理电路分析、综合、验证和攻击评估，验证了其在ISCAS-85基准上的有效性，展示了混淆技术的潜力与局限。
2026-04-14 cs.CR
Physical Design Obfuscation of Hardware: A Comprehensive Investigation of Device- and Logic-Level Techniques
硬件逆向工程的威胁对于大量的应用来说是一个日益增长的关注。针对逆向工程的主要防御策略是硬件混淆。在本文中，我们研究物理混淆技术，执行更改的电路元件是很难或不可能的对手观察。这种隐形操纵的例子是掺杂浓度或介电操纵的变化。因此，攻击者将提取不对应于受攻击设备的逻辑功能的网表。最近，这种方法在文献中引起了人们的关注。在本文中，我们阐述了这个有前途的方向进行系统的端到端的研究的超大规模集成电路的设计过程中，找到多种方法来混淆硬件安全的电路。本文有三个主要贡献。首先，我们提供了一个可用的物理混淆技术的分类，因为它涉及到各个设计阶段。有一个大的和多维的设计空间，引入混淆的元素和机制，所提出的分类是有帮助的系统化处理。其次，我们提供了一个审查的方法，已提出或使用。第三，我们提出了最近和新的设备和逻辑级技术的设计混淆。对于每种技术考虑，我们讨论的方法的可行性，并评估其检测的可能性。然后，我们把我们的重点开放的研究问题，并总结了未来的研究方向的建议。
2019-10-02 cs.CR
Scalable Attack-Resistant Obfuscation of Logic Circuits
过去几年，硬件知识产权保护一直是最关键的研究领域之一。最近，随着攻击者开发出复杂的技术，对硬件IP的攻击（例如逆向工程或克隆）已经发展。因此，硬件混淆已被引入作为一个强大的工具，以保护IP免受盗版攻击。然而，最近许多试图破解现有混淆方法的尝试都成功地解锁了IP并恢复了其功能。在本文中，我们提出了SARO，一个可扩展的抗攻击混淆，提供了一个强大的功能和结构设计转换过程。SARO将目标电路视为一个图，并执行分区算法产生一组子图，然后将我们的新的真值表变换（T3）过程应用于每个分区。我们还提出了$T3_{metric}$，这是量化的结构和功能设计的转换水平所造成的混淆过程。我们评估SARO ISCAS85和EPFL基准，并提供全面的安全性和性能分析，我们提出的框架。
2020-10-29 cs.CR
An Overview of FPGA-inspired Obfuscation Techniques
本文综述了FPGA启发的可重构硬件混淆技术，分析其开销、抗攻击能力及分类，并与逻辑锁定技术比较，指出硬件评估挑战和未来研究方向。
2023-05-25 cs.AR cs.CR
Cross-Layer Roots of Trust: Integrating Biometrics, PUFs, and Hardware Obfuscation
本综述整合生物特征、PUF与硬件混淆三类信任原语，构建人类-设备-功能统一信任视角，分析其安全问题并提出组合架构与研究议程，为跨层信任研究提供框架。
2026-08-25 cs.CR
Algorithmic Obfuscation over GF($2^m$)
伽罗瓦域算术块是许多安全应用中的关键组件，例如椭圆曲线密码（ECC）和高级加密标准（AES）密码的S盒。介绍了一种基于模糊处理的硬件知识产权保护技术，重点研究了基于复杂GF运算和椭圆曲线点运算的GF乘法的模糊处理。模糊GF乘法电路是很重要的，因为GF乘法中不可约多项式的选择对硬件设计的性能有很大的影响，并且因为大量的精力都花在为给定的字段找到最佳的不可约多项式上，这可以为一家公司提供比另一家公司更有竞争力的优势。
2018-09-17 cs.CR
ObfAx: Obfuscation and IP Piracy Detection in Approximate Circuits
Brno University of Technology（布尔诺理工大学）
本文提出ObfAx框架，通过统计误差分析检测近似电路中的知识产权盗版，分析不同近似乘法器对混淆攻击的抗性。
2026-05-11 cs.AR cs.CR
RTL Interconnect Obfuscation By Polymorphic Switch Boxes For Secure Hardware Generation
针对现有逻辑混淆易受攻击、门级实现成本高的问题，提出基于多态晶体管开关盒的RTL互连混淆方案，搭配安全感知高级综合算法，经SMT攻击验证具备更强的安全鲁棒性且不增加面积开销。
2024-04-11 cs.CR
Sphinx: A Secure Architecture Based on Binary Code Diversification and Execution Obfuscation
Sphinx，一个用于二进制代码和运行时混淆的软硬件协同设计架构。Sphinx架构使用二进制代码多样化和自可重构处理元素来维护应用程序功能，同时对攻击者混淆二进制代码和架构状态。这种方法极大地降低了攻击者利用从一个部署获得的信息攻击另一个部署的能力。我们的研究结果表明，Sphinx是能够解耦程序的执行时间，电源和内存和I/O活动从它的功能。它也是实用的，因为系统（软件和硬件）的开销是最小的。
2018-02-12 cs.AR cs.CR
AttackonCTF: Defending Hardware Security Competition Benchmarks in the Age of LLMs
Technical University of Darmstadt（达姆施塔特工业大学）；Texas A&M University（德克萨斯农工大学）；University of Bristol（布里斯托大学）；Shenzhen University of Advanced Technology（深圳先进技术研究院）
针对LLM利用语法比较破解硬件安全竞赛基准的问题，提出首个面向LLM的语义保持混淆框架，将检测准确率降低78.6%，恢复基准可靠性。
2026-06-16 cs.CR
Programmable In-Network Obfuscation of Traffic
可编程交换机硬件的最新进展为保护用户隐私提供了新的机会。本文介绍了PINOT，一个轻量级的网络匿名解决方案，运行在硬件交换机的内存和处理限制内的线速率。PINOT使用有效的加密方案加密客户端的IPv4地址，以向下游AS和目的服务器隐藏地址。PINOT易于部署，不需要最终用户软件或来自其运行的可信网络以外的网络的合作。我们实现了赤脚Tofino交换机上的PINOT原型，在校园网络中部署PINOT，并提出了对公共DNS，NTP和WireGuard VPN服务保护用户身份的结果。
2020-05-29 cs.CR cs.NI
Stealthy Opaque Predicates in Hardware -- Obfuscating Constant Expressions at Negligible Overhead
不透明谓词是软件混淆的一个公认的基本构建块。简单地说，不透明谓词实现了一个提供常量布尔输出的表达式，但似乎具有用于静态分析的动态行为。尽管对软件中的不透明谓词已经有了广泛的研究，但对硬件中的不透明谓词的技术几乎没有探索。在这项工作中，我们提出了一种新的技术，在硬件中实例化不透明谓词，使他们（1）是资源有效的，（2）具有挑战性的逆向工程，即使有动态分析能力。我们证明了不透明谓词在硬件中的适用性，保护知识产权和混淆的加密硬件木马。我们的研究结果表明，我们能够实现隐形不透明的谓词在硬件中的面积开销最小，对延迟没有影响。
2019-10-01 cs.CR
ERIC: An Efficient and Practical Software Obfuscation Framework
现代云计算系统通过网络分发软件可执行文件，以使通常在安全关键集群中编译的软件源保密。我们开发ERIC，一个新的，高效的，通用的软件混淆框架。ERIC保护软件免受（i）静态分析，通过仅使软件可执行文件的加密版本对人眼可用，无论软件如何分发，以及（ii）动态分析，通过保证加密的可执行文件只能由单个认证设备正确解密和执行。ERIC包括关键的硬件和软件组件，以提供有效的软件混淆支持：（i）硬件解密引擎（HDE）能够有效地解密目标设备中的加密硬件，（ii）编译器可以无缝地加密软件可执行文件，只要给出唯一的设备标识符。硬件和软件组件都是独立于ISA的，这使得ERIC具有通用性。ERIC的核心思想是使用物理不可克隆函数（PUF），唯一的设备标识符，作为加密软件可执行文件的密钥。无法访问目标设备中的PUF的恶意方无法对加密的二进制文件执行静态或动态分析。我们在FPGA上开发ERIC的原型，以评估它的端到端。我们的原型扩展RISC-V火箭芯片与硬件解密引擎（HDE），以尽量减少软件解密的开销。我们增强了自定义的基于LLVM的编译器，以支持RISC-V可执行文件的部分/完全加密。HDE产生较小的FPGA资源开销，与Rocket Chip基线相比，它需要多2.63%的LUT和多3.83%的触发器。基于LLVM的软件加密将编译时间增加了15.22%，可执行文件大小增加了1.59%。ERIC是公开的，可以从…
2022-07-15 cs.AR cs.CR
Modeling Attack Resilient Reconfigurable Latent Obfuscation Technique for PUF based Lightweight Authentication
物理不可克隆函数（PUF）作为硬件安全原语，利用制造随机性来提取硬件实例特定的秘密。其中最流行的结构之一是基于时间延迟的仲裁器PUF，这归因于产生的大量挑战响应对（CRP）及其紧凑的实现。然而，建模构建攻击威胁到APUF的大多数变体，这些变体通常用于面向强PUF的应用-轻量级认证-而不依赖于基于标准密码协议的安全存储的数字秘密。在本文中，我们研究了一种可重构的潜在混淆技术赋予PUF的建设，创造OB-PUF，以保持基本的PUF CRP启用认证的CRP是从来没有使用超过一次的安全性。由所述随机模式确定的混淆隐藏并扭曲了挑战-响应对之间的关系，该挑战-响应对能够挫败需要知道挑战和响应之间的确切关系的建模对手。更进一步说，混淆是隐藏的，并根据需要重新配置，换句话说，模式不仅不可见，而且还充当一次性密码本，每次认证只使用一次，然后丢弃。因此，OB-PUF对最近发现的强大的基于评估策略（ES）的建模攻击表现出显著的抵抗力，其中挑战和响应之间的直接关系甚至不是必须的。OB-PUF的唯一性和可靠性指标也进行了系统的研究，然后正式的认证能力评估。
2017-06-20 cs.CR
High-level Intellectual Property Obfuscation via Decoy Constants
本文提出了一种高层次的电路混淆技术，以防止盗窃的知识产权（IP）的集成电路。特别是，我们的技术保护一类依赖于常数乘法的电路，如滤波器和神经网络，其中常数本身就是要保护的IP。通过利用诱饵常数和基于密钥的方案，使得在不可信的代工厂处的逆向工程对手无法从诱饵常数中辨别出真实常数。这种电路的时分复用常数乘法（TMCM）块，它实现了一个输入变量乘以一个常数的时间，被认为是我们的混淆的案例研究。此外，两个TMCM的设计架构被考虑在内，使用乘法器和无乘法器的移位加法实现的实施。优化方法也被用来降低这些架构的硬件复杂度。著名的可满足性（SAT）和自动测试模式生成（ATPG）攻击被用来确定混淆设计的脆弱性。据观察，所提出的技术在面积，功率和延迟方面的开销很小，与突出的逻辑锁定方法的硬件复杂性相当。然而，我们的方法的优势在于，常数-而不是任意的电路节点-成为密钥保护。
2021-05-13 cs.CR
A Modern Approach to IP Protection and Trojan Prevention: Split Manufacturing for 3D ICs and Obfuscation of Vertical Interconnects
分离制造（SM）和布局伪装（LC）是两种很有前途的技术，以掩盖集成电路（IC）的恶意实体在制造期间和之后。虽然这两种技术都可以保护IC的知识产权（IP），但SM可以进一步减少硬件木马（HT）的插入。在本文中，我们力求“两全其美”，也就是说，我们寻求结合SM和LC的个人优势。通过将SM和LC技术共同扩展到3D集成，这是一种基于多芯片堆叠和互连的新兴范例，我们建立了一种现代的硬件安全方法。为此，我们开发了一个安全驱动的CAD和制造流程的3D IC在两个变化，一个IP保护和HT预防。该流程的基本概念是（i）要保护的网表的“3D分割”，（ii）垂直互连的混淆（即，堆叠芯片之间的布线），以及（iii）用于HT预防的安全驱动合成级。我们对数百万门DARPA和OpenCores设计（以及其他设计）的DRC清洁布局进行了全面的实验。通过对IP保护和HT预防的广泛安全分析，我们认为进入第三个维度对于有效和高效的硬件安全性是非常重要的。
2019-08-11 cs.CR cs.ET
CLOAQ: Combined Logic and Angle Obfuscation for Quantum Circuits
Lehigh University（利哈伊大学）；University of California, Merced（加州大学默塞德分校）；Heriot-Watt University（赫瑞-瓦特大学）
CLOAQ通过结合逻辑和相位保护，提高量子电路混淆的鲁棒性，有效抵御攻击并破坏功能。
2026-02-27 cs.CR
Hardware/Software Obfuscation against Timing Side-channel Attack on a GPU
GPU越来越多地用于安全应用，特别是用于加速加密/解密。虽然GPU在性能方面是一个有吸引力的平台，但这些设备的安全性引起了许多担忧。其中一个漏洞是依赖于数据的时间信息，对手可以利用它来恢复加密密钥。存储器系统的功能经常被利用，因为它们创建可检测的定时变化。在本文中，我们的攻击模型是一个合并攻击，它利用了一个关键的GPU微架构功能-合并单元。由于多个并发GPU内存请求可以引用相同的缓存块，因此合并单元将它们折叠成单个内存事务。加密内核的访问时间取决于事务的数量。可以利用猜测的密钥值和相关联的定时样本之间的相关性来恢复秘密密钥。本文提出了一系列硬件/软件对策来混淆内存定时侧通道，使GPU更具弹性而不影响性能。我们的基于硬件的方法试图随机化的合并单元的宽度，以降低信噪比。我们提出了一个分层的未命中状态保持寄存器（MSHR）的设计，可以合并跨不同的线程束的事务。此功能可提高性能，同时保护执行。我们还提出了一种基于软件的方法来排列关键数据结构的组织，显着改变合并行为并引入高度的随机性。配备了我们的新保护，发动成功攻击的努力增加到1433倍。178 X，同时还将加密/解密性能提高了7%。
2020-07-31 cs.AR cs.CR
Set-based Obfuscation for Strong PUFs against Machine Learning Attacks
强物理不可克隆函数（PUF）是解决资源受限但易受机器学习攻击的设备认证问题的有效方法。为了抵抗这种攻击，近年来已经提出了许多防御措施。然而，这些防御招致高的硬件开销、退化的可靠性并且对于诸如近似攻击的高级机器学习攻击是低效的。为了解决这些问题，我们提出了一种基于随机集的混淆（RSO）强PUF抵抗机器学习攻击。其基本思想是从PUF本身导出几个稳定的响应，并将其预先存储为测试阶段的混淆集合，然后使用真随机数生成器来选择任意两个密钥，以通过XOR运算来混淆挑战和响应。当攻击者收集的挑战-响应对（CRP）的数量超过给定阈值时，该集合将立即更新。通过这种方式，可以以极低的硬件开销防止机器学习攻击。实验结果表明，对于一个64 × 64的Arbiter PUF，当集合大小为32时，即使攻击者收集了100万个CRP，Logistic回归、支持向量机、人工神经网络、卷积神经网络和协方差矩阵自适应进化策略的预测精度也在50%左右，与随机猜测相当。
2019-11-13 cs.AR cs.CR
Drndalo: Lightweight Control Flow Obfuscation Through Minimal Processor/Compiler Co-Design
二进制分析传统上用于恶意软件检测领域。然而，攻击者可以使用相同的技术来分析原始二进制文件，以便对其进行逆向工程并提取可利用的弱点。当二进制文件分发给最终用户时，它就成为一个常见的可远程利用的攻击点。代码混淆用于阻止可执行程序的逆向工程。在本文中，我们专注于保护二进制分发，攻击者可以访问分发到终端设备的二进制文件，以便对其进行逆向工程并找到潜在的漏洞。然而，攻击者没有手段来监视所述设备的执行。特别是，我们专注于控制流混淆-一种技术，防止攻击者恢复正确的可达性条件的基本块的程序。通过这样做，我们阻止了攻击者推断导致程序进入易受攻击状态的输入（例如，缓冲区溢出）。我们提出了一个编译器扩展混淆和动态去混淆，利用存储在硬件中的秘密密钥的最小硬件修改。我们评估我们的实验LLVM编译器工具链和BRISC-V开源处理器。在PARSEC基准测试中，我们的去混淆技术只会产生5%的运行时开销。我们通过对混淆和未混淆的二进制文件训练分类器来评估Drndalo的安全性。我们的研究结果照亮的困难，产生混淆的任意程序的二进制文件，以这样一种方式，他们是统计上无法区分从普通的二进制文件。
2019-11-29 cs.CR cs.DC
A Neural Network-based SAT-Resilient Obfuscation Towards Enhanced Logic Locking
George Mason University（乔治梅森大学）；University of California, Davis（加州大学戴维斯分校）
逻辑混淆是集成电路（IC）上针对多种硬件威胁（包括逆向工程（RE）和知识产权（IP）盗窃）的关键防御。逻辑混淆的有效性受到最近引入的布尔可满足性（SAT）攻击及其变种的挑战。也提出了大量的对策来阻止SAT攻击。无论对SAT攻击实施何种防御，大功率、性能和面积开销都是不可或缺的。相比之下，我们提出了一个认知解决方案：一个基于神经网络的unSAT子句翻译器，SATConda，它产生了最小的面积和功率开销，同时保留了原始的功能与不可穿透的安全性。SATConda与一个unSAT子句生成器一起孵育，该生成器通过最小的扰动来翻译现有的合取范式（CNF），例如包含一对逆变器或缓冲器，或者根据所提供的CNF添加新的轻量级unSAT块。为了高效地生成unSAT子句，SATConda配备了一个多层神经网络，它首先学习特征（文字和子句）的依赖关系，然后是一个长短期记忆（LSTM）网络来验证和反向传播SAT硬度，以便更好地学习和翻译。我们提出的SATConda在ISCAS85和ISCAS89基准上进行了评估，并被认为可以抵御针对硬件RE设计的多个最先进的成功SAT攻击。此外，我们还评估了我们提出的SATCondas对MiniSAT，Lingeling和Glucose SAT求解器的经验性能，这些求解器构成了许多现有的去混淆SAT攻击的基础。
2022-09-13 cs.CR cs.LG
Hybrid Protection of Digital FIR Filters
数字有限脉冲响应（FIR）滤波器是数字信号处理应用中普遍存在的模块，其行为由其系数决定。为了保护滤波器系数免受攻击者的攻击，已经提出了有效的混淆技术，通过将它们隐藏在诱饵后面或用密钥位替换它们。在这篇文章中，我们首先介绍了一个查询攻击，可以发现这样的混淆FIR滤波器的秘密密钥，不能打破现有的突出攻击。然后，我们提出了第一种混合技术，包括硬件混淆和逻辑锁定使用点函数的保护并行直接和转置形式的数字FIR滤波器。实验结果表明，混合保护技术可以使FIR滤波器具有更高的安全性，同时保持与主要逻辑锁定方法锁定的滤波器相比具有竞争力或优越性的硬件复杂度。它还表明，受保护的乘法器块和FIR滤波器是弹性的现有的攻击。对不同形式和实现的FIR滤波器的仿真结果表明，并行直接形式FIR滤波器具有很好的安全设计潜力。
2023-01-26 cs.CR eess.SP
Deep RNN-Oriented Paradigm Shift through BOCANet: Broken Obfuscated Circuit Attack
这是第一个通过结合深度递归神经网络（D-RNN）来增强对混淆电路的硬件攻击的工作。逻辑加密混淆已用于阻止伪造、过度生产和逆向工程，但易受攻击。有一些有效的方案，例如，基于可满足性检查（SAT）的攻击，可能会危及硬件混淆电路。然而，不仅在现有技术中存在针对这种攻击的对策（包括DAC'17中的最近的延迟+逻辑锁定（DLL）方案），而且用于发起攻击的大量时间/资源可能阻碍其功效。在本文中，我们提出了一种面向深度RNN的方法，称为BOCANet，以（i）更有效地妥协混淆硬件至少一个数量级（> 20倍，成功率相对较高）;（ii）即使攻击者的资源仅限于微不足道的I/O对，也可以攻击此类锁定硬件（< 0.5\%）来重构秘密密钥;以及（iii）成功地打破了多个实验基准（ISCAS-85 c423、c1355、c1908和c7552）。
2018-03-08 cs.CR
Quantum Opacity, Classical Clarity: A Hybrid Approach to Quantum Circuit Obfuscation
针对NISQ时代第三方量子编译器的知识产权泄露风险，提出一种通过插入量子门+经典后处理校正的混合混淆方法，在五种基准算法上验证了良好的统计与功能混淆效果。
2025-05-20 cs.CR quant-ph
Obelix: Mitigating Side-Channels Through Dynamic Obfuscation
本文提出 Obelix 工具，通过将程序划分为不可区分的统一代码块并结合 Oblivious RAM 存储，首次实现对 TEE 中代码和数据在缓存攻击、单步跟踪及密文侧信道等广泛攻击下的整体防护，同时实现自动化以降低使用门槛。
2025-09-23 cs.CR
Threats on Logic Locking: A Decade Later
为了降低集成电路的成本并满足市场需求，包括硅制造，封装和测试在内的相当一部分制造供应链可能会被推向海外。利用全球IC制造供应链，以及在供应链中包含不受信任的方，引起了对安全和信任相关挑战的担忧，包括生产过剩、假冒、IP盗版和硬件木马等。为了降低不可信且全球分布式供应链中IC制造的风险，研究人员提出了各种锁定和模糊机制，用于在制造过程中隐藏IC的功能，这需要在制造后使用密钥激活IP只有IP/IC所有者知道的值。与此同时，许多这样提出的混淆和锁定机制被利用这些解决方案中的固有漏洞的攻击破坏。过去十年在这一领域的研究已经产生了许多这样的防御和攻击解决方案。在本文中，我们从攻击者的角度回顾了十年来对硬件混淆的研究，详细阐述了攻击和防御的经验教训，并讨论了未来可以用于构建更强大防御的方向。
2019-05-15 cs.CR
Cryptography without Long-Term Quantum Memory and Global Entanglement: Classical Setups for One-Time Programs, Copy Protection, and Stateful Obfuscation
本文利用仅支持经典查询的预言机与半量子令牌，在无长期量子存储器和全局纠缠条件下构造半量子 OTP、RAM 混淆，并进一步实现长命一次性程序与复制保护。
2025-05-13 cs.CR quant-ph
Preventing Distillation-based Attacks on Neural Network IP
Tallinn University of Technology (TalTech)（塔林理工大学（TalTech））
神经网络（NN）今天已经部署在硬件中，成为有价值的知识产权（IP），因为在其训练和优化上投入了大量时间。因此，攻击者可能对复制、逆向工程甚至修改此IP感兴趣。目前硬件混淆的实践，包括广泛研究的逻辑锁定技术，不足以保护经过良好训练的NN的实际IP：其权重。简单地将权重隐藏在基于密钥的方案后面是低效的（资源消耗）和不充分的（攻击者可以利用知识蒸馏）。本文提出了一种直观的方法来中毒的预测，防止蒸馏为基础的攻击，这是第一次考虑这样的中毒方法在硬件实现的神经网络。所提出的技术模糊神经网络，所以攻击者不能训练神经网络完全或准确。我们阐述了一个威胁模型，突出了随机逻辑混淆和神经网络IP混淆之间的差异。基于这种威胁模型，我们的安全分析表明，中毒成功地显着降低了被盗NN模型在各种代表性数据集上的准确性。此外，保持准确性和预测分布，不干扰功能，也不会产生高开销。最后，我们强调，我们提出的方法是灵活的，不需要操作NN工具链。
2022-04-01 cs.AR cs.CR cs.LG
Evaluating Efficacy of Model Stealing Attacks and Defenses on Quantum Neural Networks
The Pennsylvania State University（宾夕法尼亚州立大学）
本研究评估了量子机器学习模型面临模型窃取攻击时的脆弱性，发现克隆模型可达到极高测试准确率，并提出了基于硬件噪声的防御方法，最终发现含噪声硬件上训练的QML模型对扰动或混淆类攻击与防御具有天然抵抗力。
2024-02-18 cs.CR cs.LG quant-ph
Defensive ML: Defending Architectural Side-channels with Adversarial Obfuscation
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Yale University（耶鲁大学）
本文提出防御性机器学习方法，在架构层利用对抗性混淆（DefenderGAN）防御侧信道攻击，分别以硬件和软件防御器实现高安全性和低开销。
2023-10-14 cs.AR cs.CR cs.LG
HOACS: Homomorphic Obfuscation Assisted Concealing of Secrets to Thwart Trojan Attacks in COTS Processor
The University of Kansas（堪萨斯大学）
针对COTS处理器零信任场景下硬件木马窃取秘密的问题，提出基于剩余数编码的软件级全同态防御方案，无需修改硬件或信任供应链，通过LLVM插件集成到AES中，相比同类同态方案显著降低执行开销。
2024-02-15 cs.CR
Quantum Token Obfuscation via Superposition: A Post-Quantum Security Framework Using Multi-Basis Verification and Entropy-Driven Evolution
针对量子计算对传统令牌混淆的威胁，本文提出一种利用量子叠加、多基验证与熵驱动演化的后量子安全框架，实验证实其在防止未授权重构方面具有极高安全性与零攻击成功率。
2025-06-26 cs.CR quant-ph
BiShield-TEE: On the (In-)Security of Unilateral Weight Obfuscation in On-Device TEE-Shielded LLM Partition
Tsinghua University（清华大学）；Zhongguancun Laboratory（中关村实验室）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究针对设备端TEE防护LLM分区中单向权重混淆的漏洞，提出双向框架BiShield-TEE，可限制攻击准确率并提升推理效率，破解了GroupCover等方法的防护。
2026-10-30 cs.AI cs.CR
OPAQUE: Obfuscating Phase in Quantum Circuit Compilation for Efficient IP Protection
本文提出OPAQUE方法，利用旋转门连续角度作为密钥进行量子电路混淆，以抵御不可信编译器窃取IP，并能表示多个密钥比特且硬件开销低。
2025-02-23 cs.CR quant-ph
Advancing Obfuscation Strategies to Counter China's Great Firewall: A Technical and Policy Perspective
本文从技术与政策视角分析了中国防火长城的审查机制，评估了利用混淆、加密和路由创新规避限制的对抗措施，揭示了国家网络控制与个人访问自由间的持续博弈。
2025-03-03 cs.CR
Hardware-Efficient Compound IC Protection with Lightweight Cryptography
Tallinn University of Technology（塔林科技大学）；University of Tartu（塔尔图大学）
本文提出一种基于轻量密码学的复合IC保护机制，通过逻辑锁定和硬件混淆技术减少硬件复杂性，并抵御现有移除、代数和逻辑锁定攻击。
2026-04-13 cs.CR
Use of Cryptography in Malware Obfuscation
本文研究了密码学在恶意软件混淆中的应用，提出了恶意软件混淆的原则性定义并对其进行分类，发现难以去混淆的方案必然依赖环境密钥构造。
2023-09-08 cs.CR
Empirical Assessment of the Code Comprehension Effort Needed to Attack Programs Protected with Obfuscation
Università di Cagliari（卡利亚里大学）；Politecnico di Torino（都灵理工大学）
本文通过实验证实混淆技术对攻击者代码理解的阻碍作用，并揭示了复杂性度量与攻击成功率之间的相关性。
2025-11-26 cs.CR
An Empirical Study of Code Obfuscation Practices in the Google Play Store
University of New South Wales (UNSW)（新南威尔士大学）；University of Sydney（悉尼大学）
本文对 Google Play 商店八年内超 50 万个 Android APK 进行大规模实证分析，提出分类器检测混淆代码与工具，揭示混淆使用率增长 13% 的趋势及其在热门应用和游戏类中的更高普及度。
2025-02-07 cs.AI cs.CR cs.SE
Shield Bash: Abusing Defensive Coherence State Retrieval to Break Timing Obfuscation
本文研究了远程缓存行时间混淆（TORC）与延迟推测性更改（DSRC）两种防御措施的相互作用，发现DSRC导致一致性信息可被检索至核心引发安全漏洞，提出两种缓解方法并通过仿真验证，其中阻止远程E状态创建的方案平均开销低于2.8%。
2025-04-14 cs.AR cs.CR
Library-Attack: Reverse Engineering Approach for Evaluating Hardware IP Protection
针对现有硬件IP保护忽视特权攻击者风险的问题，提出Library-Attack反向工程技术，利用特权信息与结构比较恢复IP，并在ISCAS89上验证漏洞，更新威胁模型。
2025-01-21 cs.CR
Improving Network Intrusion Detection Classifiers by Non-payload-Based Exploit-Independent Obfuscations: An Adversarial Approach
基于机器学习的入侵检测分类器能够检测到未知的攻击，但同时，它们可能容易被混淆技术规避。一个对手入侵者，拥有一个保护系统的关键知识，可以很容易地绕过检测模块。我们的工作的主要目标是提高入侵检测分类器对这样的对手的性能能力。为此，我们首先提出了几种基于网络连接的各种属性的修改的远程攻击的混淆技术，然后我们进行了一组全面的实验，以评估入侵检测分类器对混淆攻击的有效性。我们通过一个基于NetEm和Metasploit的工具来实例化我们的方法，该工具在任何TCP通信上实现了我们的混淆操作符。这使我们能够为机器学习实验生成修改后的网络流量，这些实验采用用于评估网络统计数据和TCP连接行为的功能。我们执行五个分类器的评估：高斯朴素贝叶斯，高斯朴素贝叶斯与核密度估计，逻辑回归，决策树，和支持向量机。我们的实验证实了这样一个假设，即在没有关于混淆攻击的先验知识的情况下训练的所有分类器都可以逃避入侵检测能力，从而导致TPR从7.8%到66.8%的恶化。此外，当通过混淆攻击的子集扩大分类器的训练知识时，我们实现了TPR的4.21% -73.3%的显着改善，而FPR仅略有恶化（0.1% - 1.48%）。最后，我们测试了模糊感知分类器检测未知模糊攻击的能力，其中大多数模糊攻击的平均检测率超过90%。
2018-12-12 cs.CR
A Systematic Study on Static Control Flow Obfuscation Techniques in Java
控制流混淆（CFO）在不改变程序语义的情况下改变程序的控制流路径。现有的文献提出了几种技术;然而，快速调查显示，所提出的技术类型缺乏明确性，以及有多少是独特的。同样不清楚的是，CFO的理论和实践是否存在差异。在本文中，我们系统地研究CFO技术提出的Java程序，无论是从论文和商用工具。我们评估了13混淆使用的数据集的16个程序具有不同的软件特性，和不同的混淆参数。每个程序都经过仔细的逆向工程，以研究混淆的效果。我们的研究表明，有36个独特的技术提出的文献和7个工具。三个最流行的商业混淆器只实现了文献中36种技术中的13种。因此，在CFO的理论和实践之间似乎存在着差距。我们提出了一种新的分类的混淆技术的基础上的程序，被改造的基本组成部分。我们确定的技术，是有力的对逆向工程攻击，无论是从人类分析师和自动程序反编译器的角度来看。我们的分析表明，大多数工具都没有实现这些技术，从而击败了保护混淆提供。我们提供了选择技术的例子，并讨论我们的研究结果。据我们所知，我们是第一个进行这种研究的。这项研究将有助于软件设计人员根据他们的需求决定使用的最佳技术，研究人员了解最先进的技术和商业混淆器开发人员开发新技术。
2018-09-28 cs.CR
DNN-Alias: Deep Neural Network Protection Against Side-Channel Attacks via Layer Balancing
通过基于硬件的侧通道提取给定深度神经网络（DNN）的层的架构，允许对手窃取其知识产权，甚至对目标系统发动强大的对抗攻击。在这项工作中，我们提出了DNN-tunnel，这是一种DNN的混淆方法，它迫使给定网络中的所有层都具有相似的执行轨迹，从而防止攻击模型在层之间进行区分。为此，DNN-DNF执行各种层混淆操作，例如，层分支、层加深等，以在保持功能的同时改变运行时轨迹。DNN-SSL部署了一种进化算法来找到混淆操作的最佳组合，以最大化安全级别，同时保持用户提供的延迟开销预算。我们通过混淆运行在多个Nvidia RTX 2080 TI GPU机器上的700个随机生成和混淆的DNN的架构来证明我们的DNN-DNN技术的有效性。我们的实验表明，最先进的侧信道架构窃取攻击不能准确地提取原始DNN。此外，我们混淆了各种DNN的架构，例如VGG-11，VGG-13，ResNet-20和ResNet-32网络。使用标准的CIFAR 10数据集训练DNN，我们证明了我们的DNN-RNN通过保持原始的推理准确性来保持原始DNN的功能。此外，实验强调了对混淆的DNN的对抗攻击是不成功的。
2023-03-12 cs.CR
CIPHR: Cryptography Inspired IP Protection through Fine-Grain Hardware Redaction
University of Florida（佛罗里达大学）
本文提出CIPHR，一种受密码学不可区分性启发的细粒度硬件擦除方法，通过新颖的启发式随机化技术提升IP保护的鲁棒性和抗结构性攻击能力。
2026-04-04 cs.CR
A Look at the Dark Side of Hardware Reverse Engineering -- A Case Study
对现代和复杂的IC生产链的一个巨大威胁是使用不受信任的离岸代工厂，这些代工厂能够侵犯有价值的硬件设计IP或注入硬件特洛伊木马程序，造成严重的安全损失。同样，市场上占主导地位的基于SRAM的FPGA也容易受到这两种攻击，因为对于大多数部署的器件系列，即使在现场也可以检索关键的门级网表。为了执行IP侵权或特洛伊木马注入，有必要对硬件设计（部分）进行逆向工程，以了解其内部工作原理。尽管存在IP保护和混淆技术来阻止这两种攻击，但大多数技术的安全性是值得怀疑的，因为逆向工程的实际能力往往被忽视。我们的工作的贡献是双重的：首先，我们仔细审查了IP水印方案量身定制的FPGA和提高其安全性，通过使用不透明的谓词。此外，我们提出了新的逆向工程战略不透明的谓词实现，再次使自动检测和改变水印。其次，我们演示了专门为第三方加密IP门级网表定制的硬件木马的自动注入。更确切地说，我们扩展我们的理解对手的能力，提出如何块和流密码实现可以被暗中削弱。
2019-10-01 cs.CR
A Mean-Field Stackelberg Game Approach for Obfuscation Adoption in Empirical Risk Minimization
由于在线跟踪、可穿戴计算和物联网的发展，数据生态系统变得越来越大、越来越复杂。但隐私问题正威胁着这些系统的潜在好处。最近，用户已经开发出了模糊技术，这些技术可以发布虚假的搜索引擎查询，破坏位置跟踪算法或逃避政府监视。有趣的是，这些技术引发了两个冲突：一个是每个用户和跟踪用户的机器学习算法之间的冲突，另一个是用户本身之间的冲突。在本文中，我们使用博弈论捕捉的第一个冲突与Stackelberg游戏和第二个冲突的平均场游戏。我们结合成一个动态的和战略的双层框架，量化的准确性，使用经验的风险最小化和隐私使用差分隐私。在平衡中，我们确定了必要和充分条件，在这些条件下：1）如果其他用户正在混淆，则每个用户都被激励进行混淆，2）跟踪算法可以通过承诺一定程度的隐私保护来避免这种情况，以及3）这种承诺对于跟踪算法是激励兼容的。
2017-10-16 cs.CR
Attack of the Genes: Finding Keys and Parameters of Locked Analog ICs Using Genetic Algorithm
硬件知识产权（IP）盗窃是当今全球化供应链中的一个主要问题。为了解决这个问题，已经提出了许多逻辑锁定和混淆技术。虽然锁定最初集中在数字集成电路（IC）上，但最近有人试图将其扩展到模拟IC，因为模拟IC比数字IC更容易进行逆向工程和复制。在本文中，我们使用基于进化策略的算法来研究模拟混淆/锁定技术的安全性。我们提出了一种遗传算法（GA）的方法，这是能够完全打破锁定的模拟电路，找到其混淆密钥或混淆参数。我们实现的GA攻击，以及更天真的可满足性模理论（SMT）为基础的攻击混淆的组合锁定和参数偏置的常见模拟基准电路。我们发现GA攻击可以在几分钟内解锁所有的电路，只使用锁定的网表和解锁的芯片。另一方面，虽然SMT攻击收敛得更快，但它需要执行电路规范，并且还返回需要通过后处理步骤进行暴力破解的多个密钥。我们还讨论了如何GA攻击可以推广到其他最近的模拟锁定技术没有测试的文件
2020-03-31 cs.CR cs.NE
Hardware Reverse Engineering: Overview and Open Challenges
硬件逆向工程是一种通用的工具，可用于合法和非法目的。一方面，它支持确认IP侵权和检测电路恶意操作，另一方面，它为对手提供了抄袭设计，侵犯IP或将硬件木马植入目标电路的关键信息。虽然逆向工程在实践中是司空见惯的，但其复杂性的量化是迄今为止尚未解决的问题，因为必须考虑技术和人为因素。为了提供合理的威胁估计并制定合理的对策，即目标电路的混淆转换，以减轻现代IC环境的风险，对这种复杂性的深入理解至关重要。我们的工作的贡献是三方面的：第一，我们系统地研究了当前的研究分支相关的硬件逆向工程，从解封到门级网表分析。基于我们的概述，我们制定了几个开放的研究问题，以科学地量化逆向工程，包括技术和人为因素。其次，我们调查研究解决问题和专业知识的获取，并讨论其潜在的量化人为因素在逆向工程。第三，我们提出了新的方向，为未来的跨学科研究，包括技术和心理的角度，持有的承诺，从整体上捕捉硬件逆向工程的复杂性。
2019-10-01 cs.CR
ASNM Datasets: A Collection of Network Traffic Features for Testing of Adversarial Classifiers and Network Intrusion Detectors
Faculty of Information Technology, Brno University of Technology（布尔诺理工大学信息技术学院）
在本文中，我们提出了三个数据集，已建成的网络流量跟踪使用ASNM功能，设计在我们以前的工作。第一个数据集是使用最先进的数据集CDX 2009构建的，而其余两个数据集分别是我们在2015年和2018年收集的。这两个数据集包含几种对抗性混淆技术，这些技术在执行特定TCP网络连接期间应用于恶意和合法流量样本。对抗性混淆技术被用于规避基于机器学习的网络入侵检测分类器。此外，我们表明，这样的分类器的性能可以得到改善时，部分增加其训练数据的样本从混淆技术。详细地说，我们利用HTTP（S）协议中的隧道混淆和基于非有效载荷的混淆来修改网络流量的各种属性，例如，据我们所知，这是第一个包含对抗技术的网络流量元数据集合，用于基于非有效载荷的网络入侵检测和对抗分类。所提供的数据集使得能够测试使用ASNM特征的任意分类器的逃避抗性。
2019-10-23 cs.CR cs.LG
Deconstructing Obfuscation: A four-dimensional framework for evaluating Large Language Models assembly code deobfuscation capabilities
Research department Promon AS（Promon AS 研究部门）
本文首次系统评估商用大语言模型的汇编代码反混淆能力，提出四维理论框架和三层抗性模型，揭示其在复杂混淆下的根本局限，并倡导人机协作范式。
2025-06-05 cs.AI cs.CR cs.SE
Protecting Genomic Privacy by a Sequence-Similarity Based Obfuscation Method
Princeton University（普林斯顿大学）；The Hong Kong Polytechnic University（香港理工大学）
在后基因组时代，大规模的个人DNA序列被生产和收集用于基因医学诊断和新药发现，然而，这同时对个人基因组隐私的保护提出了严峻的挑战。现有的基因组隐私保护方法要么耗时，要么准确性低。为了解决这些问题，本文提出了一种基于序列相似性的混淆方法，即IterMegaBLAST，用于快速可靠地保护个人基因组隐私。具体来说，给定从DNA序列数据集中随机选择的序列，我们首先使用MegaBLAST从数据集中找到其最相似的序列。这两个比对的序列形成一个簇，通过DNA泛化晶格方案为该簇生成混淆序列。这些过程被迭代地执行，直到数据集中的所有序列被聚类并且它们的混淆序列被生成。在两个基准数据集上的实验结果表明，在相同的匿名程度下，IterMegaBLAST在效用准确度和时间复杂度方面都明显优于现有的最先进的方法.
2017-08-08 cs.CR cs.LG
Feature-level Malware Obfuscation in Deep Learning
我们考虑用深度学习模型检测恶意软件的问题，其中恶意软件可能与大量的良性代码相结合。这方面的例子包括对系统的捎带和特洛伊木马攻击，其中恶意行为隐藏在有用的应用程序中。这种增加恶意软件的灵活性使得代码混淆明显增加。因此，我们专注于静态功能的使用，特别是Intents、API和API调用，我们认为这些功能最终无法在Android系统中隐藏，而只能增加更多这样的功能。我们首先使用良性和恶意软件样本的特征来训练用于恶意软件分类的深度神经网络分类器。然后，我们证明了假阴性率的急剧增加（即，攻击成功），只需将良性应用程序的功能随机添加到恶意软件即可。最后，我们测试了使用数据增强来强化分类器以抵御此类攻击。我们发现，对于API调用，可以拒绝绝大多数攻击，而使用Intents或Intent则不太成功。
2020-02-10 cs.CR cs.LG stat.ML
The Privacy-Utility Tradeoff in Rank-Preserving Dataset Obfuscation
本文研究数据集混淆中秩保持与用户匿名性的权衡，通过大偏差理论刻画单字母机制的性能极限，并将最优混淆信道建模为可高效求解的凸优化问题。
2023-05-11 cs.CR cs.DB cs.IT
