[发明专利]基于粒子群的硬件木马优化测试向量生成方法

摘要

本发明涉及集成电路可信任性技术领域，为提出挑选出能快速翻转的低活性节点的测试向量的技术方案，该测试向量可以有效的激活硬件木马，从而提高硬件木马的识别水平，对于硬件木马显化和旁路信号分析具有一定的实际意义和参考价值。本发明，基于粒子群的硬件木马优化测试向量生成方法，步骤如下步骤1搭建测试验证平台；步骤2统计电路节点的翻转情况与翻转概率；步骤3设置临界概率阈值；步骤4初始化粒子群；步骤5计算所有粒子的适应度函数；步骤6更新个体最优值和全局最优值；步骤7更新粒子的速度和位置；步骤8判断迭代条件是否满足，否则返回步骤5继续进行迭代运算。本发明主要应用于集成电路可信任性测试场合。

主权项

一种基于粒子群的硬件木马优化测试向量生成方法，其特征是，步骤如下：步骤1：搭建测试验证平台，随机产生测试向量并激励电路：围绕原始电路搭建测试验证平台，根据原始电路的功能和结构特点，利用仿真工具对原始电路进行仿真测试，并保留节点活动性文件；步骤2：统计电路节点的翻转情况与翻转概率：分析仿真过程中产生的节点活动性文件，统计电路各内部节点的翻转信息及节点信息，利用shell脚本编程语言统计内部节点的翻转情况和电路运行的相关状态，确定电路内部各节点的翻转概率，并剔除重复节点和不动节点；步骤3：设置临界概率阈值Pth，并确定低活性节点：根据内部节点各节点的翻转概率信息列表，设置临界阈值概率Pth，将翻转概率小于临界阈值概率Pth的认定为低活性节点，确定电路低活性节点列表；步骤4：初始化粒子群：根据测试向量和粒子群的设置规则，随机设定各粒子的初始位置和初始速度，其中初始位置为测试向量的大小，初始速度为测试向量的变化率；步骤5：计算所有粒子的适应度函数：施加各粒子群的初始位置，即测试向量，到待测电路，并分析各低活性节点的翻转率，依据粒子的适应度函数计算每个粒子的适应度函数值；步骤6：更新个体最优值和全局最优值：对于每个粒子，比较它的适应度值和它经历的最好位置的适应度值，如果当前适应度值大于最好位置的适应度值，则更新个体的最优适应度值。对于每个粒子，比较它的适应度值和种群的最优适应度值，如果当前的适应度值大于种群的适应度值，则会更新种群的最优适应度值，否则不更新；步骤7：更新粒子的速度和位置：根据位置变化公式和速度变化公式更新粒子群的每个粒子的速度和位置信息；步骤8：判断迭代条件是否满足：判断当前迭代过程是否满足迭代要求，如果是则输出当前的位置值为最优测试向量，否则返回步骤5继续进行迭代运算。