软件学报

作者：芮志清，凌祥，曹方泽，罗天悦，吴敬征

单位：芮志清，中国科学院 软件研究所 智能软件研究中心, 北京 100190;中国科学院大学, 北京 10004911,凌祥，中国科学院 软件研究所 智能软件研究中心, 北京 10019002,曹方泽，中国科学院 软件研究所 智能软件研究中心, 北京 100190;中国科学院大学, 北京 10004903,罗天悦，中国科学院 软件研究所 智能软件研究中心, 北京 10019004,吴敬征，中国科学院 软件研究所 智能软件研究中心, 北京 10019005

关键词：硬件安全|寄存器传输级|安全缺陷检测|大语言模型|多智能体系统

基金：国家自然科学基金(62202457); “源图”重大基础设施

随着开源RISC-V架构的迅猛发展, 其开放与模块化的特性在催生繁荣硬件生态的同时, 也给硬件电路的安全性保障带来巨大挑战. 在硬件设计流程的前期进行安全缺陷早期检测, 能够以最低成本在缺陷固化于物理芯片前将其消除. 尽管静态分析已用于硬件安全缺陷早期检测, 但由于规约知识未充分利用以及代码上下文语义理解不足, 现有检测方法存在高漏报率和高误报率的问题. 针对这些问题, 提出MARC, 一种基于大语言模型多智能体协同的硬件安全缺陷早期检测方法. 该方法通过构建设计依赖分析、文档分析、安全缺陷检测、安全缺陷确认这4类智能体及协同工作框架, 从补充跨模块上下文、结构化模块文档知识、快速初筛安全缺陷、深度推理安全缺陷风险分析等多维度协同作用, 有效降低硬件电路设计阶段早期安全缺陷检测的误报率, 提升检测准确性. 实验结果显示, MARC方法在工业级数据集上将早期缺陷检测的漏报率和误报率分别降低至0.3829和0.3695, 相较于基准方法分别降低了约18.2%和19.1%. 上述实验结果充分表明, MARC 有效缓解了硬件安全缺陷早期检测中的误报问题, 提升了安全缺陷检测的准确性与效率, 为硬件安全提供了更可靠的技术支撑. 另外, 还支撑作者团队夺得HACK@DATE 2025硬件漏洞挖掘竞赛全球冠军, 成功挖掘了1个获CVE编号的硬件漏洞, 在真实世界中验证了其有效性.

来源：2026年第6期

《软件学报》期刊编辑部

查看软件学报杂志2026年第6期