SecTB-RTL 基准测试显示 AI 生成的 RTL 验证计划存在执行与生成规则不匹配的安全风险

该论文提出 SecTB-RTL 框架，用于审计 AI 生成的硬件描述语言（RTL）验证计划，发现模型输出符合提供者架构规范并不等同于通过生产环境语义验证。研究构建了包含 31 个任务和 124 个手工编写的硬件安全回归测试用例的基准，旨在区分基础设施行为与模型行为。

在关键实验中，一个确定性非 AI 基线在不同资源限制下分别杀死了 36、75 和 78 个变异体。首次确认运行（C1-R2）因提供者拒绝响应架构而在模型执行前失败；仅修复架构后，冻结的后续运行（C1-R3）完成了 1,860 次调用，提供者接受了 1,857 次响应，但仅有 9 次通过了生产语义验证器。这一结果直接证明编译和覆盖率仅是诊断指标，必须确保保存的工件完整通过生产路径。

事实层面，该研究记录了生成与执行规则不匹配的具体案例，并保留了故障保留合同及事件溯源数据。推断层面，这表明当前依赖架构合规性作为成功标准的评估体系存在严重缺陷，可能掩盖实际的安全漏洞。猜测层面，若行业继续忽视这种“伪成功”现象，可能导致自动化验证流程在关键硬件设计中引入未被检测到的回归错误。