[發明專利]基于粒子群的硬件木馬優化測試向量生成方法

在審

• 申請號: 201710623686.3
• 申請日: 2017-07-27
• 公開（公告）號: CN107478978A
• 公開（公告）日: 2017-12-15
• 發明（設計）人: 趙毅強;劉燕江;解嘯天;劉阿強
• 申請（專利權）人: 天津大學
• 主分類號: G01R31/28
• 分類號: G01R31/28
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 劉國威

1.一種基于粒子群的硬件木馬優化測試向量生成方法，其特征是，步驟如下：

步驟1：搭建測試驗證平臺，隨機產生測試向量并激勵電路：圍繞原始電路搭建測試驗證平臺，根據原始電路的功能和結構特點，利用仿真工具對原始電路進行仿真測試，并保留節點活動性文件；

步驟2：統計電路節點的翻轉情況與翻轉概率：分析仿真過程中產生的節點活動性文件，統計電路各內部節點的翻轉信息及節點信息，利用shell腳本編程語言統計內部節點的翻轉情況和電路運行的相關狀態，確定電路內部各節點的翻轉概率，并剔除重復節點和不動節點；

步驟3：設置臨界概率閾值P_th，并確定低活性節點：根據內部節點各節點的翻轉概率信息列表，設置臨界閾值概率P_th，將翻轉概率小于臨界閾值概率P_th的認定為低活性節點，確定電路低活性節點列表；

步驟4：初始化粒子群：根據測試向量和粒子群的設置規則，隨機設定各粒子的初始位置和初始速度，其中初始位置為測試向量的大小，初始速度為測試向量的變化率；

步驟5：計算所有粒子的適應度函數：施加各粒子群的初始位置，即測試向量，到待測電路，并分析各低活性節點的翻轉率，依據粒子的適應度函數計算每個粒子的適應度函數值；

步驟6：更新個體最優值和全局最優值：對于每個粒子，比較它的適應度值和它經歷的最好位置的適應度值，如果當前適應度值大于最好位置的適應度值，則更新個體的最優適應度值。對于每個粒子，比較它的適應度值和種群的最優適應度值，如果當前的適應度值大于種群的適應度值，則會更新種群的最優適應度值，否則不更新；

步驟7：更新粒子的速度和位置：根據位置變化公式和速度變化公式更新粒子群的每個粒子的速度和位置信息；

步驟8：判斷迭代條件是否滿足：判斷當前迭代過程是否滿足迭代要求，如果是則輸出當前的位置值為最優測試向量，否則返回步驟5繼續進行迭代運算。

2.如權利要求1所述的基于粒子群的硬件木馬優化測試向量生成方法，其特征是，以粒子的位置作為測試向量，粒子的速度作為測試向量的變化率，從而將測試向量與粒子群算法融合起來。

3.如權利要求1所述的基于粒子群的硬件木馬優化測試向量生成方法，其特征是，以低活性節點的翻轉次數為適度應函數，適應度函數f(t)如式3所示，當粒子的適應度函數值越大，則證明該測試向量能使低活性節點的翻轉能力越強：

f(t)=Σi=1nTCi(t)---(3)]]>

其中n為低活性節點的個數，TC_i(t)為第i個節點在第t次迭代的翻轉次數。