[發明專利]基于神經網絡的硬件木馬檢測方法

在審

• 申請號: 201711114865.0
• 申請日: 2017-11-13
• 公開（公告）號: CN108052840A
• 公開（公告）日: 2018-05-18
• 發明（設計）人: 趙毅強;解嘯天;劉燕江;高翔
• 申請（專利權）人: 天津大學
• 主分類號: G06F21/76
• 分類號: G06F21/76;G06N3/04;G06N3/08;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

本發明涉及集成電路可信任性檢測技術領域，為提高硬件木馬的檢測效率，實現兩類電路數據的明顯區分，從而實現硬件木馬的檢測，本發明，基于神經網絡的硬件木馬檢測方法，利用訓練神經網絡算法來處理旁路信息，從而實現硬件木馬的識別，其中神經網絡為自組織神經網絡，通過尋找輸入樣本中的內在規律，不斷地對網絡參數進行自動修正，實現對輸入樣本的自動分類，其網絡學習規則采用競爭學習；結構上，自組織神經網絡只包含兩層神經元，第一層為輸入層，第二層為競爭層即輸出層，兩層之間神經元間實現全互連。本發明主要應用于集成電路檢測。

技術領域

本發明涉及集成電路可信任性檢測技術領域，具體涉及一種基于神經網絡學習算法的硬件木馬檢測方法，結合旁路分析技術可有效檢測出硬件木馬。

背景技術

隨著電子設計自動化技術和半導體制造工藝的飛速發展，單個集成電路芯片集成的晶體管數目越來越多，其功能越來越強大，從而集成電路芯片廣泛的應用于現代科技的各個領域，特別在金融設備，移動通信，交通運輸，政府和能源等敏感領域，集成電路對社會的進步和經濟的發展起著越來越大的推動作用。

而隨著集成電路產業的發展，設計與制造逐漸分離。在設計與制造的過程中，可能會有部分惡意攻擊者參與其中，在不受控的電路設計與制造過程中會植入惡意的電路，即硬件木馬。硬件木馬主要是指在芯片或電子系統中故意植入的特殊模塊或者設計者無意留下的缺陷模塊。這部分電路會在特殊條件下觸發，從而被攻擊者利用。硬件木馬可以獨立完成攻擊功能，如泄露信息給攻擊者、改變電路功能、甚至直接破壞電路，也可能與軟件協同破壞系統功能。硬件木馬能夠實現對專用集成電路(ASIC)、微處理器、微控制器、網絡處理器、數字信號處理器(DSP)等硬件的修改，也能實現對FPGA比特流等固件的修改

硬件木馬可能存在于集成電路全生命周期的各個階段，硬件木馬為攻擊者打開攻擊之門，使攻擊者可以輕松繞過各種傳統測試和加密等堅固壁壘，硬件木馬問題正在成為集成電路的重要安全隱患，一旦被硬件木馬影響的芯片被應用于軍用裝備及國民經濟核心領域中，將會帶來嚴重的災難和不可估計的經濟損失，因此開展硬件木馬的檢測與防護技術研究，保證集成電路的安全可信是世界各國的共同關注的話題。

近年來，隨著研究的逐漸深入，在硬件木馬檢測技術方面取得了卓越的成果。目前硬件木馬檢測分為逆向工程，邏輯功能分析和旁路信號分析三種，其中以旁路分析研究最為廣泛。

旁路信號分析主要是通過采集芯片在工作時泄漏的旁路信息(如功耗、溫度、電磁輻射等)，利用信號處理技術(相關性分析、主成份分析、投影尋蹤等)進行空間變換和壓縮實現特征提取，對基準芯片和待測芯片的旁路特征進行差異判別，如果差異超出閾值，則待測芯片中存在硬件木馬，否則，待測芯片不存在硬件木馬。旁路信號分析具有檢測成本低、精度高、移植性好等優點，一經提出就展示出較為樂觀的應用前景，成為當前硬件木馬檢測方法的主流。但隨著硬件木馬設計技術的發展，現階段新型硬件木馬植入方式巧妙，且體積更小，對電路旁路信息的影響愈加不明顯，并且在測試過程中由于測量儀器的精度限制和工藝噪聲的影響，小面積的硬件木馬的物理特征表征的不明顯，容易被噪聲所淹沒，這就為硬件木馬的旁路信息檢測技術帶來了困難。

參考文獻

[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.