bsuirДоклады БГУИРDoklady BGUIR1729-76482708-0382БГУИР10.35596/1729-7648-2025-23-6-71-79bsuir-4249Research ArticleСтатьиОбнаружение аппаратных троянов в устройствах криптографии с использованием машинного обученияDetecting Hardware Trojans in Cryptography Devices Using Machine LearningВороновА. Ю.VoronovA. Yu.

Воронов Алексей Юрьевич, асп. каф. микро- и наноэлектроники

220013, Минск, ул. П. Бровки, 6

Тел.: +375 29 353-52-74

Voronov Aleksey Yuryevich, Postgraduade of the Department of Micro- and Nanoelectronics

220013, Minsk, P. Brovki St., 6

Tel.: +375 29 353-52-74

voronov.drawtoon@gmail.comСтемпицкийВ. Р.StempitskyV. R.

канд. тех. наук, доц., проректор по научной работе, научный руководитель НИЛ «Компьютерное проектирование микрои наноэлектронных систем»

220013, Минск, ул. П. Бровки, 6

Cand. Sci. (Tech.), Associate Professor, Vice-Rector for Academic Affairs, Advicer of the R&D Laboratory “Computer-Aided Design of Micro- and Nanoelectronic Systems”

220013, Minsk, P. Brovki St., 6

Белорусский государственный университет информатики и радиоэлектроникиBelarusian State University of Informatics and Radioelectronics2025251220252367179Copyright © Воронов А.Ю., Стемпицкий В.Р., 20252025Воронов А.Ю., Стемпицкий В.Р.Voronov A.Y., Stempitsky V.R.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://doklady.bsuir.by/jour/article/view/4249

Современная гонка технологий, направленная на увеличение объемов получаемой, обрабатываемой и передаваемой информации, играет важную роль в безопасности любых стран, так как эти направления являются основными для разворачивания сложных языковых и экспериментальных моделей, или моделей переднего края (frontier), которые применяются в цифровых экосистемах и военном деле. Особенно это касается средств связи и стойкости их криптографического шифрования. Компрометация передаваемой информации, скрытая от официальных абонентов закрытой радиосети, способна нанести гораздо больший вред по сравнению с ее отказом. Учитывая большую скорость изменений и ввода новинок, страны, не имеющие собственных производственных мощностей, вынуждены изготавливать цифровые модули шифрования на территории других государств, что связано с рисками внедрения аппаратных закладок. В статье описаны результаты программного тестирования нейросети, способной обнаруживать компрометацию информации в модуле шифрования AES-256 (Advanced Encryption Standard) на основе анализа получаемой и передаваемой им информации без наличия «золотого образца».

The current technological race to increase the volume of received, processed, and transmitted information plays a crucial role in the security of any country, as these areas are fundamental for the deployment of complex linguistic and experimental models, or frontier models, used in digital ecosystems and military affairs. This is particularly true for communications equipment and the strength of their cryptographic encryption. Compromising transmitted information, hidden from official subscribers of a closed radio network, can cause far greater damage than its failure. Given the rapid pace of change and innovation, countries without their own manufacturing capabilities are forced to manufacture digital encryption modules in other countries, which carries the risk of introducing hardware Trojans. This article describes the results of software testing of a neural network capable of detecting information compromise in an AES-256 (Advanced Encryption Standard) encryption module based on the analysis of received and transmitted information without a “golden reference”.

цифровая электроникааппаратная безопасностьаппаратные трояныкриптографияAESмашинное обучениенейросетифункционально-логическое тестированиеdigital electronicshardware securityhardware TrojanscryptographyAESmachine learningneural networksfunctional testingReferencesTehranipoor, M. A Survey of Hardware Trojan Taxonomy and Detection / M. Tehranipoor, F. Koushanfar // IEEE Design & Test of Computers. 2010. Vol. 27, Iss. 1. Р. 10–25. DOI: 10.1109/MDT.2010.Tehranipoor M., Koushanfar F. (2010) A Survey of Hardware Trojan Taxonomy and Detection. IEEE Design & Test of Computers. 27 (1), 10–25. DOI: 10.1109/MDT.2010.Chen, Z. Deep Learning for Cybersecurity: A Review / Z. Chen // 2020 International Conference on Computing and Data Science (CDS), Stanford, CA, USA, 2020. Р. 7–18. DOI: 10.1109/CDS49703.2020.00009.Chen Z. (2020) Deep Learning for Cybersecurity: A Review. 2020 International Conference on Computing and Data Science (CDS), Stanford, CA, USA. 7–18. DOI: 10.1109/CDS49703.2020.00009.Hardware Trojan Detection Using Graph Neural Networks / R. Yasaei [et al.] // IEEE Trans. Comput.-Aided Design Integr. Circuits Syst. 2025. Vol. 44, No 1. Р. 25–38.Yasaei R., Chen L., Yu S.-Y., Al Faruque M. A. (2025) Hardware Trojan Detection Using Graph Neural Networks. IEEE Trans. Comput.-Aided Design Integr. Circuits Syst. 44 (1), 25–38.Hardware Trojan Detection Using Unsupervised Deep Learning on Quantum Diamond Microscope Magnetic Field Images / M. Ashok [et al.] // ACM Journal on Emerging Technologies in Computing Systems. 2022. Vol. 18, No 4. Р. 1–25.Ashok M., Turner M. J., Walsworth R. L., Levine E. V., Chandrakasan A. P. (2022). Hardware Trojan Detection Using Unsupervised Deep Learning on Quantum Diamond Microscope Magnetic Field Images. ACM Journal on Emerging Technologies in Computing Systems. 18 (4), 1–25.Xilinx Power Estimator User Guide (UG440). Santa Clara, California: AMD/ Xilinx, 2023.Xilinx Power Estimator User Guide (UG440). Santa Clara, California: AMD/ Xilinx, 2023.Vivado Design Suite User Guide (UG901). Santa Clara, California: AMD/ Xilinx, 2020.Vivado Design Suite User Guide (UG901). Santa Clara, California: AMD/ Xilinx, 2020.Тарасов, И. Е. ПЛИС Xilinx. Языки описания аппаратуры VHDL и Verilog, САПР, приемы проектирования / И. Е. Тарасов. М.: Горячая линия – Телеком, 2021.Tarasov I. E. (2021) Xilinx FPGAs. VHDL and Verilog Hardware Description Languages, CAD, and Design Techniques. Moscow, Goryachaya Liniya – Telekom Publ. (in Russian).Белоус, А. И. Программные и аппаратные трояны – способы внедрения и методы противодействия. Первая техническая энциклопедия в 2-х книгах / А. И. Белоус, В. А. Солодуха, С. В. Шведов. М.: Техносфера, 2019.Belous A. I., Soloduha V. A., Shvedov S. V. (2019) Software and Hardware Trojans – Methods of Deployment and Countermeasures. The First Technical Encyclopedia in Two Books. Moscow, Technosphera Publ. (in Russian).

The authors declare that there are no conflicts of interest present.