延时特征分析识别硬件木马

作     者：宋钛 黄正峰 闫爱斌 Song Tai;Huang Zhengfeng;Yan Aibin

作者机构：安徽大学集成电路学院合肥230601 合肥工业大学微电子学院合肥230009 安徽大学计算机科学与技术学院合肥230601 

基　　金：国家自然科学基金(61874156) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2022年第34卷第4期

页      码：515-521页

摘      要：针对芯片生产链长、安全性差、可靠性低,导致硬件木马防不胜防的问题,提出一种改进的机器学习分类算法.首先采集不同电压下电路的延时信号,通过KNN分类算法找出延时差异,若延时与干净电路相同,则判定为干净电路,否则判定有木马;然后联合多项式回归算法对木马延时特征进行拟合,基于回归函数建立木马特征库,最终实现硬件木马的准确识别.实验结果表明,对2 000组延时单元的19个不同电压进行延时提取,同时考虑电压数目、K值与识别准确率,则电压数目与木马的识别准确率成正比,而参数K与识别准确率成反比;综合考虑的电压数目为19时,其预测准确率达到最高的95.2%;所提算法能明显地提升硬件木马的识别准确率和自动化程度.

主 题 词：硬件木马 机器学习 干净电路 多项式回归 

学科分类：0809[工学-计算机类] 08[工学] 080203[080203] 0714[0714] 0802[工学-机械学] 0811[工学-水利类] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2022.19438

馆 藏 号：203110490...