SafeTune: RTL 코드 생성을 위한 LLM 파인튜닝中的数据 독소 공격 완화

요약

SafeTune은 대형 언어 모델(LLMs)을 사용하여 RTL 코드와 같은 하드웨어 코드를 생성할 때 발생할 수 있는 데이터 독소 공격에 대응하기 위해 설계된 프레임워크입니다. 이 프레임워크는 구조적 속성을 모델링하는 그래프 신경망(GNN)과 텍스트 임베딩 및 XGBoost 분류기를 활용한 의미론적 검증 모듈을 결합합니다. SafeTune은 이러한 구조적 지식과 의미론적 지식을 통합하여, 학습 데이터의 무결성을 유지하면서도 독소 공격에 대한 LLM 기반 RTL 생성의 견고성과 신뢰성을 크게 향상시킵니다.

핵심 포인트

• LLMs가 하드웨어 코드(RTL) 생성에 사용되면서, 보안 검증이 부족한 데이터셋으로 인한 '데이터 독소 공격' 위험이 증가하고 있습니다.
• SafeTune 프레임워크는 LLM 기반 RTL 생성을 독소 공격에 강건하게 만드는 것을 목표로 합니다.
• 핵심 구성 요소로는 ① 이상 패턴 식별을 위한 그래프 신경망(GNN)과 ② 의미론적 보안 평가를 위한 검증 모듈이 있습니다.
• SafeTune은 구조적 지식과 의미론적 지식을 결합하여, 데이터 손실 없이도 독소 입력을 효과적으로 걸러낼 수 있습니다.