摘要
本发明公开了一种基于机器学习的门级网表中硬件木马检测与定位方法,主要解决现有技术中硬件木马定位精度与效率低,且需要理想模型作为参考的问题。其实现方案是:将样本中的集成电路划分为多个极大输出子模块,提取其特征向量构建数据集;使用交叉验证法对现有机器学习模型进行训练得到分类器;利用分类器对一个待测集成电路进行木马检测;基于逐层差异分析的木马搜索方法对检测得到的含有硬件木马的极大输出子模块进行木马定位。本发明以极大输出子模块为单位进行机器学习,显著提高了分类器的性能和对木马的检测准确率;通过对比分析极大输出子模块,提高了门级网表中木马电路的定位精度和效率,可用于集成电路门级网表设计中的硬件木马防护。
- 单位