一种基于计算机视觉辅助的硬件木马自动排查判读方法技术

一种基于计算机视觉辅助的硬件木马自动排查判读方法，属于芯片技术领域。本发明专利技术在中小规模芯片版图分析中，基于计算机视觉技术，通过版图比对快速高效的识别异常非设计电路结构，由于木马的设计和植入需要引入新的功能结构，如晶体管、三极管等，因此版图比对的重点在于排查新版图结构，重点分析可能被植入硬件木马的版图区域；通过开发自动化版图分析装置，简化芯片异常结构(木马)单元比对提取工作，形成基于计算机视觉辅助自动版图提取、比对模型，以便后续自动客观识别，缩短周期，提高检测效率，减小安全风险。减小安全风险。减小安全风险。

【技术实现步骤摘要】
一种基于计算机视觉辅助的硬件木马自动排查判读方法


[0001]本专利技术涉及一种基于计算机视觉辅助的硬件木马自动排查判读方法，属于芯片


技术介绍

[0002]加快深入对硬件木马的研究，提升硬件木马检测技术，为我国信息安全建立起坚实的防御堡垒。
[0003]由于硬件木马本身具有隐蔽性、功能多样性、难激活等特点，硬件木马检测尚未形成成熟的检测体系。目前硬件木马检测方法主要分为破坏性检测方法和非破坏性检测方法两大类。破坏性检测方法以基于反向解剖技术的检测方法为代表，非破坏性检测方法包括逻辑功能测试、旁路分析技术等方法。
[0004]当前破坏性检测方法主要是基于失效分析的方法，采用芯片逆向设计方法，将芯片横向解剖，提取芯片各层逻辑结构信息，分块整理逻辑结构电路，基于器件芯片的工艺类型及复杂程度，开展隐藏木马的关键逻辑电路整理及木马结构比对排查研究，将提取整理形成的实际芯片版图和原始设计版图比对，排查是否存在非设计的电路结构(木马)。该方法对于规模较小、版图简单的芯片，硬件木马的检出率理论上可以达到100％，但该方法是一种破坏性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于计算机视觉辅助的硬件木马自动排查判读方法，其特征在于，包括：S1，采集待验证器件芯片顶视图照片，并进行预处理；S2，对待验证的芯片设计版图进行逐层收集确认，并进行版图标注；S3，将标注后的各层芯片版图，进行仿芯片实物化的图形叠加，获得芯片版图相关信息；S4，对芯片顶视图照片进行图片分类，提取芯片顶视图照片相关信息；S5，对提取的分类信息结果进行颜色变换，后对变换过后的两张图片进行类别匹配比对，实现图像配准，对两张图片进行融合，生成容错热力图；S6，对容错热力图片进行判读；若结构差异超过80％，则返回S4，并对提取信息的算法参数进行修改优化；反之，则明确有无非设计异常结构，形成是否存在硬件木马的结论；S7，测算出芯片实物图和芯片设计版图两者的差异量及差异位置情况，给出生产工艺控制优劣的结论，获得芯片硬件木马的危害性评价结论。2.根据权利要求1所述的一种基于计算机视觉辅助的硬件木马自动排查判读方法，其特征在于，所述预处理包括拼接、去噪、归一化及图像校正。3.根据权利要求2所述的一种基于计算机视觉辅助的硬件木马自动排查判读方法，其特征在于，所述拼接包括：从输入图像中检测关键点并提取局部不变的特征描述；匹配两幅图像的特征描述，得到匹配的特征向量；根据匹配的特征向量，估计单应性矩阵；使用单应性矩阵对图像进行透视扭曲，并达到整体的亮度和颜色的一致性，完成拼接。4.根据权利要求3所述的一种基于计算机视觉辅助的硬件木马自动排查判读方法，其特征在于，所述估计单应性矩阵包括：随机抽取已采集的任意两幅芯片顶视局部分散图中不同的4对特征匹配坐标；利用这4对特征匹配坐标计算H_A矩阵；计算两幅图对应匹配点实际坐标的欧氏距离，验证计算出来的H_A矩阵是否满足90％以上的特征匹配点；多次重复上述步骤，寻找欧式距离最小的透视矩阵，使其满足最多的特征匹配点，效果最优，并将其作为最终计算结果。5.根据权利要求3所述的一种基于计算机视觉辅助的硬件木马自动排查判读方法，其特征在于，所述达到整体的亮度和颜色的一致性包括：通过相机的光照模型，校正一幅图像内部的光照不均匀性，实现对亮度与颜色做均衡处理；利用相邻两幅图像重叠区域之间的关系，建立相邻两幅图像之间直方图映射表...

【专利技术属性】
技术研发人员：孙佳佳，张延伟，屈若媛，孟猛，龚欣，王旭，吴凯莲，王贺，田阳，张磊，
申请(专利权)人：中国空间技术研究院，
类型：发明
国别省市：