【技术实现步骤摘要】
本专利技术属于集成电路硬件安全，具体涉及一种基于图神经网络的硬件ip软核侵权检测方法。
技术介绍
1、随着大规模集成电路设计技术的发展，基于知识产权核(intellectual propertycore，ip核)的片上系统成为目前集成电路设计的主流。ip核的广泛应用导致相应的ip核侵权行为时有发生。ip核侵权行为严重侵害的ip核设计者的权益，同时有害于集成电路行业生态的繁荣。然而，与专利、著作等知识产权不同，目前对ip核的侵权行为并未出现理想的检测方法，导致ip侵权行为日益猖獗。因此，本专利技术提出了一种基于图神经网络的硬件ip软核侵权检测方法，克服了现有侵权检测方法的一些弊端。
2、现有的硬件ip核侵权检测方法主要有硬件指纹、数字水印、以及一些其他的检测方法。硬件指纹指的是基于物理不可克隆函数(puf)，在ip核中嵌入独一无二的puf模块，从而在发生侵权纠纷时可以通过检测puf来判断是否构成侵权。但是由于目前puf的安全性存疑，硬件指纹的安全性难以保证。并且硬件指纹技术的成本也相对较高。数字水印指的是在ip核中嵌入加密的数字签名，在发生侵权纠纷时版权方可以要求可信第三方从被克隆的ip核中恢复出水印，从而判断是否构成侵权。但是，数字水印在添加的过程中存在额外的开销且很可能降低设计的性能，并且数字水印在公开验证时可能会泄漏敏感信息,使得恶意的验证者或者第三方很容易将水印从ip核中移除然后重新出售。并且，硬件指纹和数字水印技术都属于被动检测，即只有在发生侵权纠纷时才可以实现侵权行为的检测和判定，而此时侵权行为往往已经形成
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于图神经网络的硬件ip软核侵权检测方法，实现在侵权行为形成前即可检测出侵权，同时只需要对ip软核的设计文件(rtl代码)进行分析，无需修改硬件设计本身。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种基于图神经网络的硬件ip软核侵权检测方法，包括以下步骤：
4、s1：将需要检测设计逻辑相似度的两个ip软核处理为数据流图；
5、s2：将两个数据流图分别作为同一个图神经网络的输入，经过提取和处理后，输出对应的两个向量；
6、s3：通过对比向量的相似度来判断ip核设计侵权的可能性程度。
7、进一步，步骤s1具体包括以下步骤：
8、s11：对需要检测设计逻辑相似度的两个ip软核进行预处理，得到展平后的ip软核；
9、s12：通过verilog词法分析器将两个展平后的ip软核转换为解析树，再将解析树表示为数据流图。
10、进一步，步骤s11中所述预处理包括将ip软核中所有的层次模块展开，将其实例化为相应的原始逻辑门或低级电路元件。
11、进一步，步骤s12中所述数据流图的表示为g＝(v,e)，其中v是一组节点，表示信号、常量值和操作；e是一组边，表示节点之间的数据依赖关系；数据流图最终表示为networkx图对象，其允许创建和操作图形和网络。
12、进一步，步骤s2～s3中，图神经网络结构包括若干个gnn层和若干个全连接层，图卷积层的运算包括消息传播、消息聚合和更新阶段，单个图卷积层的运算公式如下：
13、
14、其中，设每个节点的信息表示为一个向量，图的信息表示为一个矩阵，记作h(l)，表示第l层图神经网络的输入；
15、
16、a表示图的邻接矩阵，in表示n阶单位矩阵，w(l)表示该gcn层的权重，由训练得到；σ表示非线性激活函数；
17、通过每一层gnn层后，节点的相邻一层节点的特征被聚合到该节点上；
18、在gnn层后通过若干个全连接层，分别将两个ip软核对应的最后一层gnn的输出转换为一个m维的向量；
19、在图神经网络的全连接层之后，将两个m维的向量通过一个相似度计算函数计算两者相似度。
20、进一步，gnn层是图卷积gcn、graphsage中的一种。
21、进一步，所述相似度计算函数余弦相似性函数，其计算公式如下：
22、
23、其中，xi表示x向量第i位置的元素，yi表示y向量第i位置的元素；cos(θ)越接近于1表示两个向量相似度越高，即这两个ip核的相似度越高，即较大可能存在侵权行为；当cos(θ)＝1时表示两个ip核的设计逻辑完全一致，判断构成侵权，当cos(θ)＝0时表示两个ip核的设计逻辑完全不同，判断不构成侵权。
24、本专利技术的有益效果在于：本专利技术将需要检测设计逻辑相似度的两个ip软核预处理为数据流图以后，分别作为同一个图神经网络的输入，并输出对应的两个向量。通过对比向量的相似度来判断ip核设计侵权的可能性程度。该方法相比puf模块、数字水印等方法，不修改原有ip核设计，不影响ip核性能，具备主动检测、检测成本低、检测速度快、精度高等优点。
25、本专利技术的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
本文档来自技高网...【技术保护点】
1.一种基于图神经网络的硬件IP软核侵权检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图神经网络的硬件IP软核侵权检测方法，其特征在于：步骤S1具体包括以下步骤：
3.根据权利要求2所述的基于图神经网络的硬件IP软核侵权检测方法，其特征在于：步骤S11中所述预处理包括将IP软核中所有的层次模块展开，将其实例化为相应的原始逻辑门或低级电路元件。
4.根据权利要求2所述的基于图神经网络的硬件IP软核侵权检测方法，其特征在于：步骤S12中所述数据流图的表示为g＝(V,E)，其中V是一组节点，表示信号、常量值和操作；E是一组边，表示节点之间的数据依赖关系；数据流图最终表示为NetworkX图对象，其允许创建和操作图形和网络。
5.根据权利要求1所述的基于图神经网络的硬件IP软核侵权检测方法，其特征在于：步骤S2～S3中，图神经网络结构包括若干个GNN层和若干个全连接层，图卷积层的运算包括消息传播、消息聚合和更新阶段，单个图卷积层的运算公式如下：
6.根据权利要求5所述的基于图神经网络的硬件IP软核侵权检测方法
7.根据权利要求5所述的基于图神经网络的硬件IP软核侵权检测方法，其特征在于：所述相似度计算函数余弦相似性函数，其计算公式如下：
...【技术特征摘要】
1.一种基于图神经网络的硬件ip软核侵权检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图神经网络的硬件ip软核侵权检测方法，其特征在于：步骤s1具体包括以下步骤：
3.根据权利要求2所述的基于图神经网络的硬件ip软核侵权检测方法，其特征在于：步骤s11中所述预处理包括将ip软核中所有的层次模块展开，将其实例化为相应的原始逻辑门或低级电路元件。
4.根据权利要求2所述的基于图神经网络的硬件ip软核侵权检测方法，其特征在于：步骤s12中所述数据流图的表示为g＝(v,e)，其中v是一组节点，表示信号、常量值和操作；e是一组边，表示节点之间的数据依...
【专利技术属性】
技术研发人员：关振宇，寇竞，胡宇轩，孙文超，章永达，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
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。