[發明專利]基于EMD降噪數據預處理的硬件木馬檢測優化方法

在審

• 申請號: 201811183928.2
• 申請日: 2018-10-11
• 公開（公告）號: CN109598152A
• 公開（公告）日: 2019-04-09
• 發明（設計）人: 趙毅強;馬浩誠;葉茂;劉燕江;何家驥
• 申請（專利權）人: 天津大學
• 主分類號: G06F21/76
• 分類號: G06F21/76
• 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EMD降噪數據預處理的硬件木馬檢測優化方法，其特征是，結合各本征模態函數IMF的自相關函數特點，確定噪聲主導模態和信號主導模態的分界點，針對高頻模態函數采用閾值選擇去噪方法進行降噪，對低頻模態函數采用Savitzky-Golay濾波器濾波，最后利用IMF分量進行重構得到降噪后的數據，并利用馬氏距離進行硬件木馬的判別。

2.如權利要求1所述的基于EMD降噪數據預處理的硬件木馬檢測優化方法，其特征是，具體步驟細化如下：

步驟1：對獲取的電路功耗數據x(t)進行EMD分解，得到N個IMF模態分量；

步驟2：分別計算各IMF的自相關函數xcorr(τ)＝E[imf_i(t)imf_i(t+τ)]；

步驟3：依據自相關函數的特點，判斷噪聲主導模態和信號主導模態的分界點k；

步驟4：對判定的噪聲起主導作用的高頻模態函數imf₁～imf_k進行軟閾值去噪，其中k為噪聲主導模態和信號主導模態的分界點，得到去噪后的各分量imf₁′～imf_k′；

步驟5：對低頻模態函數imf_k+1～imf_N進行Savitzky-Golay平滑濾波降噪，得到降噪后的各分量imf_k+1′～imf_N′；

步驟6：重構原信號：此即為最后得到的降噪預處理的功耗數據。

3.如權利要求1所述的基于EMD降噪數據預處理的硬件木馬檢測優化方法，其特征是，EMD分解的具體分解過程為：

步驟1：確定原信號所有的的局部極大值點和局部極小值點；

步驟2：用三次樣條函數將所有的局部極大值點擬合形成上包絡線，同理再用三次樣條函數將所有局部極小值點擬合形成下包絡線；

步驟3：求出上下包絡線的均值作為原信號x(t)的局部均值m₁，將原信號與局部均值的差記為h₁＝x(t)-m₁，如果h₁滿足IMF條件，那么h₁就是x(t)的第一個IMF分量；

步驟4：如果h₁不滿足IMF條件，把h₁作為原始數據，重復步驟1～步驟3，直到得到的h_1k滿足IMF條件為止，記imf₁＝h_1k，則imf₁為信號x(t)的第一個滿足IMF條件的分量；

步驟5：將imf₁從x(t)中分離出來得到

r₁＝x(t)-imf₁

將r₁作為原始數據重復步驟1～步驟4，得到x(t)的第2個滿足IMF條件的分量imf₂，重復循環n次，得到信號x(t)的n個滿足IMF條件的分量imf_i，i＝1，...，n；

記當r_n成為一個單調函數不能再從中提取滿足IMF條件的分量時，原始信號的分解結束，r_n稱為殘余函數，代表信號的平均趨勢。

4.如權利要求2所述的基于EMD降噪數據預處理的硬件木馬檢測優化方法，其特征是，步驟4更進一步地，采用軟閾值去噪法對判定的噪聲主導的高頻IMF函數進行降噪處理，其公式如下：

式中，t_j為第j個分量imf_j的閾值，由下式計算：

式中，N為信號長度，σ_j是噪聲在第j層的標準差，meida為第j個imf_j分量上的絕對中值；

步驟5更進一步地，為實現低頻噪聲的濾除，將EMD與平滑濾波器結合設計，采用Savitzky-Golay濾波器，該濾波器就是對每一數據點的一個領域即長度為n的窗口內各點的數據，用一元p階多項式擬合，一元p階多項式的系數根據最小二乘法準則使擬合誤差最小來確定，由此得出滑動窗口內中心點的最佳擬合值，即為去噪處理后的值，滑動數據窗口依次沿著每一點滑動，從而實現了平滑處理。