典型文献
延时特征分析识别硬件木马
文献摘要：
针对芯片生产链长、安全性差、可靠性低,导致硬件木马防不胜防的问题,提出一种改进的机器学习分类算法.首先采集不同电压下电路的延时信号,通过KNN分类算法找出延时差异,若延时与干净电路相同,则判定为干净电路,否则判定有木马;然后联合多项式回归算法对木马延时特征进行拟合,基于回归函数建立木马特征库,最终实现硬件木马的准确识别.实验结果表明,对2000组延时单元的19个不同电压进行延时提取,同时考虑电压数目、K值与识别准确率,则电压数目与木马的识别准确率成正比,而参数K与识别准确率成反比;综合考虑的电压数目为19时,其预测准确率达到最高的95.2％;所提算法能明显地提升硬件木马的识别准确率和自动化程度.
文献关键词：
硬件木马;机器学习;干净电路;多项式回归
中图分类号：
作者姓名：
宋钛;黄正峰;闫爱斌
作者机构：
安徽大学集成电路学院 合肥 230601;合肥工业大学微电子学院 合肥 230009;安徽大学计算机科学与技术学院 合肥 230601
文献出处：
引用格式：
[1]宋钛;黄正峰;闫爱斌-.延时特征分析识别硬件木马)[J].计算机辅助设计与图形学学报,2022(04):515-521
A类：
延时特征,干净电路
B类：
分析识别,硬件木马,生产链,链长,防不胜防,机器学习分类算法,KNN,时差,否则,多项式回归,回归算法,立木,准确识别,压进,识别准确率,成正比,成反比,预测准确率
AB值：
0.221586
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
