一种基于神经网络的硬件木马识别方法

摘要

本发明提出了一种基于神经网络的硬件木马芯片识别方法，解决了现有识别方法中需人工观察，效率低的问题，实现了硬件木马芯片识别的智能化。该方法包含以下步骤：首先获取所有待检测芯片的侧信道信息并对其进行数据预处理；选取部分待检测芯片进行反剖分析，确定反剖芯片是否含有硬件木马；利用不含硬件木马的反剖芯片经预处理之后的侧信道信息建立芯片特征空间；将所有待检测芯片经预处理后的侧信道信息矩阵投影到该特征空间，得到侧信道信息特征数据矩阵；利用反剖芯片的侧信道信息特征数据及相应的目标输出值建立并训练神经网络；将测试芯片的侧信道信息特征数据送入到已训练完成的神经网络进行判别输出，实现对硬件木马芯片的识别。

主权项

一种基于神经网络的硬件木马识别方法，其特征在于，包括以下步骤：步骤一、针对所有待检测芯片，对其侧信道信息进行数据预处理，得到一个预处理后的所有待检测芯片的侧信道信息矩阵；步骤二、选取待检测芯片的一部分作为反剖芯片，其它剩余待检测芯片称为测试芯片，对所述反剖芯片进行反向分析，确定每一个反剖芯片是否含有硬件木马；步骤三、从步骤一所述的侧信道信息矩阵中取出经步骤二确定的不含有硬件木马的反剖芯片所对应的侧信道信息，利用此侧信道信息建立芯片的特征空间；步骤四、将经预处理后的待检测芯片的侧信道信息矩阵投影到步骤三所述特征空间，得到所有待检测芯片的侧信道信息特征数据矩阵；步骤五、从经过步骤四处理后得到的侧信道信息特征数据矩阵中取出反剖芯片所对应的特征数据作为神经网络的训练样本，其中，涵盖不含有硬件木马的正类样本和含有硬件木马的负类样本，利用这两类样本以及其对应的两类目标输出值建立并训练神经网络步骤六、从经过步骤四处理后得到的侧信道信息特征数据矩阵中取出测试芯片所对应的侧信道信息特征数据，将所述数据送入步骤五训练完成的神经网络中进行判别输出，根据判别输出值区分出相应测试芯片是否含有硬件木马。