MLDet:基于结构特征和XGBoost的硬件木马检测方法

作者：杨欢; 李海明

来源：计算机应用与软件, 2023, 40(11): 302-307.

• 硬件木马
• 机器学习
• 门级网表
• 特征提取
• 节点分类

随着集成电路(Integrated Circuit, IC)的规模日益庞大，IC的生产和制造全球化，不受信任的第三方很容易将硬件木马插入知识产权内核，从而威胁IC的安全。因此，有必要研究硬件木马的检测方法，特别是IC设计阶段的硬件木马检测。提出一种名为MLDet的方法，提取门级网表结构特征；用XGBoost算法来检测硬件木马。MLDet从已知网表中提取木马特征值，并使用XGBoost算法训练；将训练好的检测模型用于未知网表的检测；成功将网表中的节点分类为普通节点和木马节点。实验结果表明，MLDet获得了85.60%的平均硬件木马检测率，部分基准电路的平均硬件木马检测率达到100%。

• 单位
  上海电力大学