[發明專利]基于多參數旁路分析的集成電路硬件木馬檢測方法

有效

• 申請號: 202011107123.7
• 申請日: 2020-10-16
• 公開（公告）號: CN112231776B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 王泉;黃釗;杜茂繁;劉鴻瑾;李亮;楊鵬飛
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F21/76
• 分類號: G06F21/76;G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于多參數旁路分析的集成電路硬件木馬檢測方法。本發明方法的具體步驟為：(1)對集成電路網表進行扇區劃分；(2)生成多參數旁路特征向量；(3)得到貝葉斯分類器；(4)檢測待測集成電路；(5)對預測標簽進行判定。本發明通過扇區劃分與生成多參數旁路特征向量，提高了集成電路硬件木馬檢測的準確率并實現了木馬的定位。

技術領域

本發明屬于電子器件技術領域，更進一步涉及集成電路可信任性檢測技術領域中的一種基于多參數旁路分析的集成電路硬件木馬檢測方法。本發明可以用于檢測集成電路生產工藝中可能插入的硬件木馬。

背景技術

隨著物聯網技術的加速發展，嵌入式設備在人們日常生活中無處不在，并通過網絡連接彼此，實現數據交換與信息處理，并且，大多數嵌入式設備都使用到集成電路。目前，集成電路設計中所面臨的主要安全問題是硬件木馬攻擊。特別地，這一事實已經影響到一些關鍵領域，如移動通信、航空航天、醫療、軍工、核反應堆等。

南京航空航天大學在其申請的專利文獻“基于機器學習的混合模式多層級的門級硬件木馬檢測方法”(申請號：2020102063424，公開號：CN111523116A)中公開了一種基于機器學習的混合模式多層級的門級硬件木馬檢測方法。該方法的步驟為，1、在第一層級本申請通過分析門級木馬電路的整體結構和特性，提出兩種有效的木馬電路特征并結合傳統的木馬特征，通過機器學習算法對待測可疑電路實施靜態檢測，初步分離出木馬電路和正常電路。2、在第二層級本申請提出兩種掃描鏈結構的木馬特征，并使用掃描鏈檢測方法繼續對第一級分離出的正常電路進行靜態檢測。3、對第二級分離出的正常電路進行動態檢測，綜合三層級的檢測結果得到最終的木馬電路。該方法存在的不足之處是：由于該方法是以整個集成電路為單元進行檢測，導致只能檢測電路整體有沒有木馬，但是無法得到木馬在電路網表中的具體位置。

中國電子產品可靠性與環境試驗研究所在其申請的專利文獻“硬件木馬檢測與定位方法及系統”(申請號：2020101849478，公開號：CN111460529A)中公開了一種硬件木馬檢測與定位方法及系統。所述方法包括：施加激勵信號；包括在待檢芯片的時鐘輸入端輸入方波信號，電源輸入端和地線之間施加工作電壓VDD；檢測所述待檢芯片的每個區域在所述激勵信號下的電磁輻射信號；獲取正常芯片所述每個區域的電磁數據，將每個所述區域的所述電磁輻射信號與所述電磁數據進行比較，若每個所述區域的所述電磁輻射信號均未超出所述電磁數據的上下限，則判定所述待檢芯片無硬件木馬；若存在電磁輻射信號超出所述上下限的區域，則判定這些區域存在硬件木馬；其中，所述電磁數據是通過測試正常芯片在所述激勵信號下的電磁輻射得到。該方法存在的不足之處是：只選取了電磁輻射信號一個特征，特征選取少，導致硬件木馬的檢測準確度低。

發明內容

本發明的目的是針對上述現有技術存在的不足，提出一種基于多參數旁路分析的集成電路硬件木馬檢測方法，用于解決檢測集成電路生產工藝中可能插入的硬件木馬的問題。

本發明實現的目的具體思路是：將集成電路網表劃分成不同的扇區，生成每個扇區的多參數旁路特征值，所有扇區的特征值組成整個集成電路的特征向量，利用機器學習方法，對集成電路中所有扇區的多參數旁路特征向量進行訓練，得到一個貝葉斯分類器，利用貝葉斯分類器對待測集成電路進行預測，由此實現通過扇區劃分和生成多參數旁路特征向量來檢測集成電路生產工藝中可能插入的硬件木馬的方法。

本發明的具體步驟包括如下：

(1)對集成電路網表進行扇區劃分：

(1a)選取1個不含木馬的集成電路(Integrated Circuit,IC)網表和2個含有木馬的集成電路網表，以集成電路網表的每個主輸出端為起點，并沿該主輸出端與門電路之間的連線進行逆向搜索，到達與該主輸出端對應的主輸入端停止，將搜索到的所有門電路以及它們之間的連線劃分成一個扇區；

(1b)選取每個扇區中路徑延時最長的一條路徑作為關鍵路徑；

(2)生成多參數旁路特征向量：