GHOST Hardware Trojan Benchmarks

github2025-10-08 更新2025-10-21 收录

下载链接：

https://github.com/NMSU-PEARL/GHOST_benchmarks

下载链接

链接失效反馈

官方服务：

资源简介：

一个使用GHOST框架创建的硬件木马基准测试集合，包含由GPT-4、Gemini-1.5-pro和LLaMA3生成的硬件木马。数据集包含14个可综合的硬件木马，针对3个RTL IP核（AES-128、SRAM、UART），涵盖3种木马类型：改变功能、泄露信息和拒绝服务。提供完整的验证套件，包括测试平台和综合结果

A hardware Trojan benchmark suite created using the GHOST framework, containing hardware Trojans generated by GPT-4, Gemini-1.5-pro, and LLaMA3. The dataset includes 14 synthesizable hardware Trojans targeting three RTL IP cores (AES-128, SRAM, UART), covering three types of hardware Trojans: function alteration, information leakage, and denial of service. A complete verification suite including testbenches and synthesis results is provided.

创建时间：

2025-10-08

原始信息汇总

GHOST硬件木马基准测试集

数据集概述

木马数量：14个可综合的硬件木马
目标RTL IP核：AES-128、SRAM、UART
木马类型：
- HT1：改变功能
- HT2：泄露信息
- HT3：拒绝服务
生成模型：GPT-4、Gemini-1.5-pro、LLaMA3-70B
验证套件：完整的测试平台和综合结果

目录结构

gpt-4/ ├── aes_128/ │ ├── worked/ │ │ ├── AES-HT100/ # 类型1木马（改变功能） │ │ ├── AES-HT110/ # 类型2木马（泄露信息） │ │ ├── AES-HT120/ # 类型3木马（拒绝服务） │ │ └── AES-HT_free/ # 参考设计 │ └── X/ # 失败尝试 ├── sram/ └── uart/ models_gemini-1.5-pro-latest/ # 结构同gpt-4 llama3-70b-8192/ # 结构同gpt-4 scripts/ # 自动化和生成工具

文件类型

核心文件

*_A1.v：原始木马插入RTL
*_cleaned.v：清理未注释版本
*_tb.v：功能验证测试平台
*_taxonomy.txt：木马分类和详细信息

综合输出

*_net_sky.v：SkyWater PDK网表
*_net_yosys.v：Yosys综合输出
*.vvp：编译仿真可执行文件

统计报告

*_stats_sky.txt：SkyWater综合统计
*_stats_yosys.txt：Yosys综合统计
all_*_stats_*.csv：统一统计数据

木马命名规则

第一位数字：大语言模型（1=GPT-4，2=Gemini，3=LLaMA3）
第二位数字：木马类型（0=类型1，1=类型2，2=类型3）
第三位数字：尝试次数（0=首次尝试）

示例：HT120 = GPT-4，类型3木马，首次尝试

综合流程

RTL编译器：Icarus Verilog v11.0
逻辑综合：Yosys 0.9
PDK：Google SkyWater 130nm
单元库：sky130_fd_sc_hd_tt_025C_1v80.lib

脚本工具

主要框架

LLM_HT_inserter.ipynb：核心GHOST框架笔记本
tb_generator_no_api.py：自动化测试平台生成器

自动化代码

compilation_check.py：Verilog代码编译验证
get_resource_util.py：资源利用率分析
include_submodules.py：子模块包含工具
xilinx_resource_util.py：Xilinx资源分析工具
synth_script_yosys.ys：Yosys综合脚本
signle_design_synth_sky130.ys：Sky130综合脚本
verilog_compilation_results.csv：编译结果数据库

引用信息

bibtex @article{faruque2024unleashing, title={Unleashing GHOST: An LLM-Powered Framework for Automated Hardware Trojan Design}, author={Faruque, Md Omar and Jamieson, Peter and Patooghy, Ahmad and Badawy, Abdel-Hameed A}, journal={arXiv preprint arXiv:2412.02816}, year={2024} }

许可证

MIT许可证

致谢

Google SkyWater PDK：https://github.com/google/skywater-pdk
开源EDA工具：Yosys、Icarus Verilog、GTKWave
原始RTL设计：AES-128、UART、SRAM开源硬件设计

搜集汇总

数据集介绍

构建方式

在集成电路安全领域，GHOST硬件木马基准数据集通过先进的大语言模型技术构建而成。该数据集采用GPT-4、Gemini-1.5-pro和LLaMA3-70B三种大模型，针对AES-128加密模块、SRAM存储单元和UART通信接口三类核心电路，系统生成14种可综合硬件木马。构建过程依托GHOST框架的自动化流程，通过精心设计的提示工程引导大模型生成具有特定恶意功能的硬件代码，并采用分层验证机制确保木马行为的准确实现。

使用方法

研究人员可通过克隆代码库快速部署该数据集，使用Icarus Verilog进行RTL级仿真验证，配合GTKWave实现波形可视化分析。数据集提供完整的自动化脚本支持，包括Yosys综合流程和SkyWater PDK专用配置。用户可根据需要选择特定木马类型进行安全漏洞分析，或利用预生成的统计数据进行横向对比研究。数据集的结构化组织方式便于集成到现有硬件安全验证流程中，为硬件木马检测算法提供标准化评估基准。

背景与挑战

背景概述

GHOST硬件木马基准数据集诞生于2024年，由Md Omar Faruque等学者联合构建，标志着集成电路安全领域迈入智能化研究新阶段。该数据集聚焦硬件木马检测这一核心议题，通过集成GPT-4、Gemini-1.5-pro与LLaMA3三大语言模型，在AES-128、SRAM和UART三类典型集成电路模块中植入了功能篡改、信息泄露及拒绝服务三种木马类型。其创新性地将大语言模型与硬件安全研究相结合，为构建动态化、智能化的硬件木马检测体系提供了关键数据支撑，显著推动了硬件安全防御机制从被动响应向主动预测的范式转变。

当前挑战

在硬件木马检测领域，传统方法难以应对新型木马在触发机制与载荷行为上的高度隐蔽性。GHOST数据集通过生成多样化木马变体，直面检测模型泛化能力不足的困境。构建过程中，研发团队需攻克多模态木马行为建模的技术壁垒，确保三大语言模型生成的木马在保持功能完整性的同时具备语义一致性。此外，跨平台验证流程需协调Icarus Verilog、Yosys等开源工具链，在保持原始电路性能指标的前提下实现木马行为的可观测性，这对测试向量生成与功耗特征分析提出了精确度与覆盖度的双重挑战。

常用场景

经典使用场景

在硬件安全研究领域，GHOST基准数据集为硬件木马检测技术提供了标准化的评估平台。该数据集通过集成三种主流大语言模型生成的硬件木马，覆盖了功能篡改、信息泄露和拒绝服务等典型攻击类型，研究人员能够利用其丰富的测试案例验证检测算法的有效性。数据集包含完整的验证套件和综合结果，为硬件安全研究提供了可靠的实验基础。

解决学术问题

该数据集有效解决了硬件安全研究中缺乏标准化基准的关键问题。通过系统化地构建包含多种木马类型和攻击目标的测试案例，研究人员能够客观评估检测方法的性能。数据集提供的综合统计数据和网表文件，为分析木马对电路面积、功耗和时序的影响提供了量化依据，推动了硬件可信性研究从定性分析向定量评估的转变。

实际应用

在集成电路供应链安全实践中，GHOST数据集为芯片制造过程中的安全验证提供了重要参考。设计公司可利用该数据集训练自动化检测工具，识别第三方IP核中潜在的安全威胁。测试工程师能够基于数据集构建的测试模式，开发针对性的功能验证方案，确保芯片在部署前排除恶意电路，提升电子产品的整体安全水平。

数据集最近研究