Gradient Leakage Attacks

梯度泄露攻击对电路设计中的GNN构成安全风险

研究人员发现，在电路设计和硬件安全中使用的图神经网络（GNN）面临着与梯度泄露攻击（GLAs）相关的重大安全和隐私风险。这些攻击可能暴露敏感信息，如门类型和硬件木马属性，可能帮助对手进行逻辑锁定分析或逃避检测。虽然一些防御技术效果有限，并且会降低模型性能，但像注意力机制（GAT）这样的架构选择会加剧泄露，而注入式聚合（GIN）则提供了更好的弹性。