基于木馬特征風險敏感的硬件木馬檢測方法
電子技術應用
李林源，徐金甫，嚴迎建，劉燕江
（信息工程大學 信息安全重點實驗室，河南 鄭州 450000）
摘要： 針對現有硬件木馬檢測方法中存在的木馬檢出率偏低問題，提出一種基于木馬特征風險敏感的門級硬件木馬檢測方法。通過分析木馬電路的結構特征和信號特征，構建11維硬件木馬特征向量；提出了基于Borderline-SMOTE的硬件木馬特征擴展算法，有效擴充了訓練數據集中的木馬樣本信息；基于PSO智能尋優算法優化SVM模型參數，建立了木馬特征風險敏感分類模型。該方法基于Trust-Hub木馬庫中的17個基準電路展開實驗驗證，其中16個基準電路的平均真陽率（TPR）達到100%，平均真陰率（TNR）高達99.04%，與現有的其他檢測方法相比，大幅提升了硬件木馬檢出率。
中圖分類號：TP309+.1
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.223339
中文引用格式： 李林源，徐金甫，嚴迎建，等. 基于木馬特征風險敏感的硬件木馬檢測方法[J]. 電子技術應用，2023，49(6)：35-43.
英文引用格式： Li Linyuan，Xu Jinfu，Yan Yingjian，et al. Hardware Trojan detection method based upon Trojan cost-sensitive[J]. Application of Electronic Technique，2023，49(6)：35-43.
文獻標志碼：A
DOI: 10.16157/j.issn.0258-7998.223339
中文引用格式： 李林源，徐金甫，嚴迎建，等. 基于木馬特征風險敏感的硬件木馬檢測方法[J]. 電子技術應用，2023，49(6)：35-43.
英文引用格式： Li Linyuan，Xu Jinfu，Yan Yingjian，et al. Hardware Trojan detection method based upon Trojan cost-sensitive[J]. Application of Electronic Technique，2023，49(6)：35-43.
Hardware Trojan detection method based upon Trojan cost-sensitive
Li Linyuan，Xu Jinfu，Yan Yingjian，Liu Yanjiang
(Key Laboratory of Information Security， Information Engineering University， Zhengzhou 450000， China)
Abstract： In the existing hardware Trojan detection methods, there is problem of low detection rate. Therefore, a cost-sensitive hardware Trojan detection was proposed. By analyzing the structural and signal features of Trojan circuits, an 11 dimensional Trojan feature vector was established. A Trojan feature expansion algorithm based on Borderline-SMOTE was proposed, which effectively expanded the Trojan sample information in the training set. Based on PSO algorithm, the parameters of SVM model were optimized, and a cost-sensitive classification model was established. 17 benchmark circuits from the Trust-Hub were used to verify the efficacy of the proposed approach. Among them, the TPR of 16 benchmark circuits is 100%, and the average TNR is as high as 99.04%. Compared with other existing methods, the detection rate of Trojan is improved greatly.
Key words : hardware Trojan detection；cost-sensitive；PSO；SVM classification model
0 引言
近些年來，隨著半導體產業的蓬勃發展，集成電路(IC)設計和制造的外包已成常態，這為惡意的第三方供應商在IC中植入硬件木馬提供了機會。硬件木馬一旦被激活，可能導致IC功能的改變、泄露內部信息、降低電路可靠性，甚至使芯片失效?？紤]到木馬電路為硬件安全帶來的巨大威脅，硬件木馬檢測的研究一直在積極進行。然而，硬件木馬的設計和檢測相互促進、同步發展，即一種新的檢測方法被提出后，攻擊者會立即設計出一種新的硬件木馬，以規避該檢測方法。因此，如何實現對未知硬件木馬的有效檢測是一個亟待解決的問題。鑒于此問題，一種基于機器學習的硬件木馬檢測方法被提出，通過分析和提取木馬電路的特征，建立硬件木馬特征數據庫，應用機器學習模型進行分類器的訓練，使用訓練好的分類器檢測門級網表中可能被植入的硬件木馬。該方法不需要純凈的黃金網表作為參考，當新類型的硬件木馬出現時，可以通過更新特征數據庫擴大檢測范圍，實現對新型木馬的覆蓋，因而得到廣泛的研究。
本文詳細內容請下載：http://m.xxav2194.com/resource/share/2000005345
作者信息：
李林源，徐金甫，嚴迎建，劉燕江
（信息工程大學 信息安全重點實驗室，河南 鄭州 450000）
此內容為AET網站原創，未經授權禁止轉載。