MTF预处理下一种基于DenseBlock和ResBlock结合注意机制的深度学习硬件木马检测方法技术

本发明专利技术提出了MTF预处理下一种基于DenseBlock和ResBlock结合注意机制的深度学习硬件木马检测方法。采用具备若干注意力机制支路网络的DenseNet和具备残差结构的ResNet结构。本发明专利技术基于Pytorch框架实现对硬件木马检测识别算法，提出一个新颖的深度学习模型用于检测识别硬件木马。本发明专利技术从改进DenseNet模型和ResNet的角度出发，提出Res‑Dense‑SE Net模型，通过扩展注意力机制支路，获取更丰富的网络特征，提升网络的分类性能。经过网络层不断细化特征，硬件木马特征图像的部分特征会存在丢失的情况，从注意力机制支路获取的重点特征图特征，存在相互补充的作用，使得最终的硬件木马特征图特征更加完整。同时使用该结构的硬件木马分类检测算法首先通过MTF(Markov Transition Field)预处理提取特征。本发明专利技术能够提高检测识别集成电路中硬件木马的准确率，有利于提高硬件电路安全，对于国家集成电路和半导体发展具有现实意义。

【技术实现步骤摘要】

本专利技术属于实际生产中涉及的硬件木马领域，具体涉及单种类与混合类别硬件木马的识别分类算法

技术介绍

1、但随着集成电路设计的全球化，制造、销售和安全问题越来越突出，硬件木马就是其中之一主要威胁之一。研发，大众芯片的生产和最终部署通常需要数十个团队的合作。然而，在实施过程中，每个团队参与，可以恶意篡改原件设计达到不可告人的目的。这种类型的恶意以硬件形式篡改原始电路被称为“硬件特洛伊木马”。一个大规模的数字集成电路通常包含数亿个晶体管，而硬件特洛伊木马通常只包含最多几百个逻辑门。换句话说，硬件特洛伊木马电路相对于其父电路的大小非常小，其物理电气特性也是如此微弱地表示它们难以检测。此外，硬件特洛伊木马程序电路仅在非常攻击者预设的条件很少遇见。因此，硬件木马是极其隐秘的。同时，硬件木马会造成严重损坏如拒绝服务、意外故障、数据泄露和芯片性能下降。

2、在芯片生产过程中，有多个阶段可以插入硬件木马，所以必须在多个层面进行保护。第一层次的保护(安全设计)通常是指在设计过程中尽量防止硬件木马的插入。第二层保护(硬件木马检测)是指在制造ic之前检测恶意电路的存本文档来自技高网...

【技术保护点】

1.MTF预处理下一种基于DenseBlock和ResBlock结合注意机制的深度学习硬件木马检测方法，其特征在于，采用具备若干支路网络的DenseNet和DenseNet结构，在DenseNet和DenseNet加入注意力机制模块。

2.根据权利要求1所述的结合注意力机制的ResNet和DenseNet结构，其特征在于，所述ResNet和DenseNet结构具备以下结构：主干网络先通过若干个卷积块，接着通过一个ResNet结构和一个卷积块，再通过一个DeseNet结构，最终通过激活层、池化层和全连接层输出结果。

3.根据权利要求2所述的结合注意力机制的ResNe...

【技术特征摘要】

1.mtf预处理下一种基于denseblock和resblock结合注意机制的深度学习硬件木马检测方法，其特征在于，采用具备若干支路网络的densenet和densenet结构，在densenet和densenet加入注意力机制模块。

2.根据权利要求1所述的结合注意力机制的resnet和densenet结构，其特征在于，所述resnet和densenet结构具备以下结构：主干网络先通过若干个卷积块，接着通过一个resnet结构和一个卷积块，再通过一个desenet结构，最终通过激活层、池化层和全连接层输出结果。

3.根据权利要求2所述的结合注意力机制的...

【专利技术属性】
技术研发人员：陈寿宏，覃冠翔，陆颖，汪韬，侯杏娜，魏聪，韩凌峰，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：