基于遗传算法的少态节点活性提升方法

作     者：刘尚典 赵毅强 刘燕江 何家骥 原义栋 于艳艳 LIU Shang-dian;ZHAO Yi-qiang;LIU Yan-jiang;HE Jia-ji;YUAN Yi-dong;YU Yan-yan

作者机构：天津大学微电子学院天津300072 天津大学天津市成像与感知微电子技术重点实验室天津300072 北京智芯微电子科技有限公司北京市电力高可靠性集成电路设计工程技术研究中心北京100192 

基　　金：国家电网公司总部科技资助项目(546816170002) 

出 版 物：《浙江大学学报（工学版）》 (Journal of Zhejiang University：Engineering Science)

年 卷 期：2019年第53卷第8期

页      码：1546-1551页

摘      要：为了进一步提高对硬件木马的识别水平,利用遗传算法的全局搜索能力,提出基于遗传算法的少态节点活性提升方法,以少态节点的翻转次数代表活性,寻找能提升少态节点活性的测试向量集.在测试向量激励下,将被测电路中少态节点的翻转次数作为适应度,在整个测试向量空间内进行选择、交叉和变异操作,并比较父代与子代适应度,保留适应度较大的向量集,最终达到迭代终止条件,生成优化的测试向量集.以ISCAS 85基准电路c3540为研究对象进行仿真验证,实验结果表明,在算法运行前,以1000个向量为输入时,电路所有非少态节点的翻转次数之和为155158,少态节点的翻转次数之和为117;在算法运行后,以1000个向量为输入时,电路所有非少态节点的翻转次数之和为157146,少态节点的翻转次数之和为882.遗传算法生成的测试向量组将少态节点的翻转率提高了7.54倍,并将相对翻转率提升了7.44倍.

主 题 词：硬件木马 翻转率 少态节点 木马检测 逻辑测试 

学科分类：080903[080903] 0810[工学-土木类] 0809[工学-计算机类] 08[工学] 0805[工学-能源动力学] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3785/j.issn.1008-973X.2019.08.013

馆 藏 号：203705867...