[发明专利]基于神经网络的硬件木马检测方法

说明书

本发明涉及集成电路可信任性检测技术领域，为提高硬件木马的检测效率，实现两类电路数据的明显区分，从而实现硬件木马的检测，本发明，基于神经网络的硬件木马检测方法，利用训练神经网络算法来处理旁路信息，从而实现硬件木马的识别，其中神经网络为自组织神经网络，通过寻找输入样本中的内在规律，不断地对网络参数进行自动修正，实现对输入样本的自动分类，其网络学习规则采用竞争学习；结构上，自组织神经网络只包含两层神经元，第一层为输入层，第二层为竞争层即输出层，两层之间神经元间实现全互连。本发明主要应用于集成电路检测。

技术领域

本发明涉及集成电路可信任性检测技术领域，具体涉及一种基于神经网络学习算法的硬件木马检测方法，结合旁路分析技术可有效检测出硬件木马。

背景技术

随着电子设计自动化技术和半导体制造工艺的飞速发展，单个集成电路芯片集成的晶体管数目越来越多，其功能越来越强大，从而集成电路芯片广泛的应用于现代科技的各个领域，特别在金融设备，移动通信，交通运输，政府和能源等敏感领域，集成电路对社会的进步和经济的发展起着越来越大的推动作用。

而随着集成电路产业的发展，设计与制造逐渐分离。在设计与制造的过程中，可能会有部分恶意攻击者参与其中，在不受控的电路设计与制造过程中会植入恶意的电路，即硬件木马。硬件木马主要是指在芯片或电子系统中故意植入的特殊模块或者设计者无意留下的缺陷模块。这部分电路会在特殊条件下触发，从而被攻击者利用。硬件木马可以独立完成攻击功能，如泄露信息给攻击者、改变电路功能、甚至直接破坏电路，也可能与软件协同破坏系统功能。硬件木马能够实现对专用集成电路(ASIC)、微处理器、微控制器、网络处理器、数字信号处理器(DSP)等硬件的修改，也能实现对FPGA比特流等固件的修改

硬件木马可能存在于集成电路全生命周期的各个阶段，硬件木马为攻击者打开攻击之门，使攻击者可以轻松绕过各种传统测试和加密等坚固壁垒，硬件木马问题正在成为集成电路的重要安全隐患，一旦被硬件木马影响的芯片被应用于军用装备及国民经济核心领域中，将会带来严重的灾难和不可估计的经济损失，因此开展硬件木马的检测与防护技术研究，保证集成电路的安全可信是世界各国的共同关注的话题。

近年来，随着研究的逐渐深入，在硬件木马检测技术方面取得了卓越的成果。目前硬件木马检测分为逆向工程，逻辑功能分析和旁路信号分析三种，其中以旁路分析研究最为广泛。

旁路信号分析主要是通过采集芯片在工作时泄漏的旁路信息(如功耗、温度、电磁辐射等)，利用信号处理技术(相关性分析、主成份分析、投影寻踪等)进行空间变换和压缩实现特征提取，对基准芯片和待测芯片的旁路特征进行差异判别，如果差异超出阈值，则待测芯片中存在硬件木马，否则，待测芯片不存在硬件木马。旁路信号分析具有检测成本低、精度高、移植性好等优点，一经提出就展示出较为乐观的应用前景，成为当前硬件木马检测方法的主流。但随着硬件木马设计技术的发展，现阶段新型硬件木马植入方式巧妙，且体积更小，对电路旁路信息的影响愈加不明显，并且在测试过程中由于测量仪器的精度限制和工艺噪声的影响，小面积的硬件木马的物理特征表征的不明显，容易被噪声所淹没，这就为硬件木马的旁路信息检测技术带来了困难。

参考文献

[1]McLaughlin N,del Rincon J M,Miller P.Video Person Re-Identification for Wide Area Tracking based on Recurrent Neural Networks[J].IEEE Transactions on Circuits and Systems for Video Technology,2017.

[2]Bhunia S,Hsiao M S,Banga M,et al.Hardware Trojan Attacks:ThreatAnalysis and Countermeasures[J].Proceedings of the IEEE,2014,102(8):1229-1247.