IC3‑Evolve: KI‑gestützte Offline‑Optimierung für Hardware‑Model‑Checking

Ein neues arXiv‑Veröffentlichung präsentiert IC3‑Evolve, ein automatisiertes Framework, das große Sprachmodelle nutzt, um die Heuristiken des weit verbreiteten IC3‑Algorithmus – auch bekannt als Property‑Directed Reachability (PDR) – zu verbessern. IC3 wird in der Hardware‑Sicherheitsprüfung eingesetzt und entscheidet, ob ein Zustandsübergangssystem einer vorgegebenen Sicherheitsbedingung genügt.

Der klassische IC3‑Ansatz liefert entweder die Antwort „SAFE“ zusammen mit einem prüfbaren induktiven Invariante als Beweis oder „UNSAFE“ mit einer nachvollziehbaren Gegenbeispiel‑Trace. In der Praxis ist die Leistung von IC3 stark von einer Vielzahl von Heuristiken und Implementierungsdetails abhängig, was manuelle Optimierungen teuer, fehleranfällig und schwer reproduzierbar macht.

IC3‑Evolve löst dieses Problem, indem es offline ein großes Sprachmodell einsetzt, um kleine, slot‑beschränkte und nachvollziehbare Patch‑Vorschläge für die IC3‑Implementierung zu generieren. Jeder Kandidaten‑Patch wird ausschließlich durch einen Beweis‑ bzw. Witness‑Gate validiert: SAFE‑Runs müssen ein Zertifikat ausgeben, das unabhängig geprüft wird, während UNSAFE‑Runs eine wiederholbare Gegenbeispiel‑Trace liefern müssen. Dadurch werden unsichere Änderungen verhindert und die Korrektheit des Resultats garantiert. Da das Sprachmodell nur offline zum Patch‑Design verwendet wird, bleibt das fertige Tool ein eigenständiger Checker ohne ML‑Inference‑Overhead oder Laufzeit‑Abhängigkeiten.

Die Autoren haben IC3‑Evolve auf dem öffentlichen Hardware‑Model‑Checking‑Competition (HWMCC) Benchmark entwickelt und anschließend die Generalisierbarkeit auf bislang unbekannte öffentliche sowie industrielle Benchmarks getestet. Die Ergebnisse zeigen, dass IC3‑Evolve zuverlässig praktikable Heuristikverbesserungen unter strengen Korrektheitsprüfungen entdecken kann, was die Effizienz und Zuverlässigkeit von Hardware‑Sicherheitsprüfungen erheblich steigert.