【技术实现步骤摘要】
本专利技术涉及电子
,特别是涉及一种芯片硬件木马检测方法和系统。
技术介绍
硬件木马是指在集成电路中嵌入的某种电路结构。随着电子科学技术的发展,芯片的使用越来越广泛,其使用的安全性也越来越受到重视。然而,芯片在加工过程中不完全自主可控,攻击者可以很容易的对芯片嵌入硬件木马,当硬件木马激活时,可能造成电路系统暂时性瘫痪、芯片失效、功能紊乱或信息泄露等问题。为了加强芯片的安全性,需要对芯片进行硬件木马检测。传统的检测方法主要有:失效分析、逻辑功能检测和旁路信号分析。失效分析主要通过去除芯片封装,研磨芯片层,借助精密仪器设备反复扫描每一层电路,以便对芯片新路功能进行全面分析,判断是否存在木马;这种方法需要对芯片进行破坏性检测,过程繁琐且成本高,而且对于高集成度芯片难以实现。逻辑功能检测是在输入端施加测试向量,观察电路的输出信号与预期的输出之间的差异,从而判断是否存在硬件木马;该方法需要激活硬件木马,且耗时长;旁路信号分析主要通过采集芯片在工作时泄露的物理特征信息,利用信号处理技术进行空间变换和压缩实现特征提取,对基准芯片和待测芯片的物理特征进行刻画与差异判别,根据差异判断是否存在硬件木马;该方法易受到仪器精度和工艺噪声的影响,难以检测出小面积的硬件木马。故,传统的硬件木马检测方法检测能力差,效率低。
技术实现思路
基于此,有必要针对上述问题,提供一种检测能力强、效率高的芯片硬件木马检测方法和系统。一种芯片硬件木马检测方法,包括如下步骤:对所有的待测芯片进行参数旁路测试,采集所述待测芯片在工作状态下的旁路数据;根据所述旁路数据、采用融合K均值算法的遗传算法对所 ...
【技术保护点】
一种芯片硬件木马检测方法,其特征在于,包括如下步骤:对所有的待测芯片进行参数旁路测试,采集所述待测芯片在工作状态下的旁路数据;根据所述旁路数据、采用融合K均值算法的遗传算法对所述待测芯片进行聚类分析,得到聚类芯片集;提取所述聚类芯片集中的所述待测芯片进行反向分析,并根据反向分析的结果将所述聚类芯片集归为木马类芯片或非木马类芯片。
【技术特征摘要】
1.一种芯片硬件木马检测方法,其特征在于,包括如下步骤:对所有的待测芯片进行参数旁路测试,采集所述待测芯片在工作状态下的旁路数据;根据所述旁路数据、采用融合K均值算法的遗传算法对所述待测芯片进行聚类分析,得到聚类芯片集;提取所述聚类芯片集中的所述待测芯片进行反向分析,并根据反向分析的结果将所述聚类芯片集归为木马类芯片或非木马类芯片。2.根据权利要求1所述的芯片硬件木马检测方法,其特征在于,所述根据所述旁路数据、采用融合K均值算法的遗传算法对所述待测芯片进行聚类分析,得到聚类芯片集的步骤包括:根据预设聚类数目对所有的所述待测芯片进行编码得到序列号表示的个体,多次循环直到所述个体的数量等于预设个体数,并将所述个体的集合作为父代群体;根据所述旁路数据获取所述个体的适应度和选择算子;根据所述个体的选择算子从所述父代群体中选择对应个体,多次循环直到选择的个体的数量等于所述预设个体数,并复制选择的个体作为中间群体;根据预设交叉概率和预设变异概率对所述中间群体中的个体进行交叉和变异,得到下一代群体,并获取所述下一代群体中个体的适应度和选择算子;将预设的迭代次数加一得到新的迭代次数,判断所述新的迭代次数是否等于预设最大迭代次数;若否,将所述下一代群体作为新的父代群体,并返回所述根据所述个体的选择算子从所述父代群体中选择对应个体,多次循环直到选择的个体的数量等于所述预设个体数,并复制选择的个体作为中间群体的步骤;若是,则从所述下一代群体中选择适应度最大的个体作为最优个体,根据所述最优个体的编码对所述待测芯片进行分类,得到所述聚类芯片集。3.根据权利要求2所述的芯片硬件木马检测方法,其特征在于,所述根据预设聚类数目对所有的所述待测芯片进行编码得到序列号表示的个体的步骤包括:对每个所述待测芯片随机分配一个类号得到多位类号串成的个体,其中,所述类号的种类数等于所述预设聚类数目,且每一个所述类号对应一个基因位。4.根据权利要求3所述的芯片硬件木马检测方法,其特征在于,所述根据所述旁路数据获取所述个体的适应度和选择算子的步骤包括:根据所述类号对所述个体进行分类,并根据所述旁路数据获取每一个类的聚类中心,根据所述聚类中心获取所述个体的评估值;对所述个体的评估值进行大小排序,并根据排序的序号和预设影响因子获取对应个体的适应度;根据所述个体的适应度获取对应个体的选择算子。5.根据权利要求4所述的芯片硬件木马检测方法,其特征在于,所述根据所述旁路数据获取每一个类的聚类中心,根据所述聚类中心获取所述个体的评估值的步骤,具体为:X(ki)‾=1Ni(k)Σj=1Ni(k)Xj(ki);]]>m_pop(k).value=Σi=1centerNumΣj=1Ni(k)||Xj(ki)-X(ki)‾||2;]]>所述对所述个体的评估值进行大小排序,并根据排序的序号和预设影响因子获取对应个体的适应度的步骤具体为:m_pop(k).fitness=(1-α)index-1;根据所述个体的适应度获取对应个体的选择算子的步骤具体为:cFitness(k)=Σn=1km_pop(n).fitnessΣm=1popSizem_pop(m).fitness;]]>其中,Xjki表示第k个个体的第i类中第j个待测芯片的所述旁路数据对应的向量,Ni(k)表示第k个个体的第i类中所述待测芯片的数目,表示第k个个体中第i个类的聚类中心;centerNum表示所述预设聚类数目,m_pop(k).value表示第k个个体的评估值;α表示所述预设影响因子,index表示所述评估值的排序序号,m_pop(k).fitness表示第k个个...
【专利技术属性】
技术研发人员:何春华,恩云飞,刘燕江,侯波,雷登云,王力纬,
申请(专利权)人:工业和信息化部电子第五研究所,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。