基于反向神经网络的硬件木马识别 |
| |
作者单位: | ;1.福州大学数学与计算机科学学院空间数据挖掘与信息共享教育部重点实验室;2.福州大学网络计算与智能信息处理重点实验室;3.福州大学网络系统信息安全重点实验室 |
| |
摘 要: | 针对侧信道、逻辑功能、逆向工程等硬件木马检测技术存在高成本、高设备要求、易受工艺噪声影响和不适用于大规模电路等问题,提出了一种基于反向神经网络的门级硬件木马识别方法。通过提取电路的门级网表特征,使用电路特征集构建全新反向神经网络,训练成门级硬件木马分类器。通过不断调整神经网络的隐藏层数和节点数,实现门级硬件木马识别,最终达到99.82%的正常电路识别率、87.83%的木马识别率和99.27%的线网准确度,在正常电路几乎完全识别的前提下,获得了较高的硬件木马识别效果。
|
关 键 词: | 集成电路 门级网表 硬件木马 反向神经网络 |
Hardware Trojan Recognition Based on Reverse Neural Network |
| |
Abstract: | |
| |
Keywords: | |
|
|