[发明专利]一种基于机器学习的硬件木马定位方法

摘要

本发明涉及一种基于机器学习的硬件木马定位方法，包括以下步骤：分析其网表结构，选择并提取电路结构特征；探究硬件木马类型，将硬件木马分为信息泄露型和控制信号型；从待测芯片中选择若干样本作为训练数据，剩下的芯片作为测试数据；对于信息泄露型木马使用oneclasssvm算法检测，对于控制信号型硬件木马使用BP神经网络进行检测；使用训练数据训练分类器，使用测试数据进行测试，统计结果；将最后的识别结果与理想结果进行对比，找到已经识别的木马线网。上述基于机器学习的硬件木马定位方法不需要复杂的实验环境、大量的时间和实验成本就可以定位出一个网表中的硬件木马。

主权项

1.一种基于机器学习的硬件木马定位方法，其特征在于，包括以下步骤：步骤S1：从若干待测芯片的门级网表中提取电路候选特征；步骤S2：根据电路候选特征将待测芯片分为控制信号型芯片和信息泄露性芯片；步骤S3：控制信号型芯片和信息泄露性芯片均随机选择一个芯片的电路候选特征作为训练数据，剩余的芯片电路候选特征作为测试数据；步骤S4：构建一个BP神经网络，并使用控制信号型芯片的训练数据训练，得到训练后的BP神经网络；步骤S6：构建一个Oneclasssvm分类器，并使用信息泄露性芯片的训练数据训练，得到训练后的Oneclasssvm分类器；步骤S7：将控制信号型芯片的测试数据输入训练后的BP神经网络，将信息泄露性芯片测试数据输入训练后的Oneclasssvm分类器，得到测试结果；步骤S8：将测试结果与理想结果对比，得到硬件木马的位置定位。