科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于深度学习的硬件木马检测方法,主要解决现有方法成本高、漏检率高和效率低的问题。其方案是：采集图像集,并构建两个训练集；采集待检测图像集；用第一训练集对残差通道注意力网络进行训练,用第二训练集对循环一致性生成对抗网络进行训练,将待检测图像集中的显微图像依次送入训练好的残差通道注意力网络和循环一致性生成对抗网络,得到与母版微观图像同源的图像；对与母版微观图像同源的图像及对应的母版微观图像进行增强并对增强后的图像进行二值化分割和去噪；对去噪后图像进行连通区域标记并对其进行异或运算,运算结果为1的区域为硬件木马。本发明检测方精度更高,速度更快,且操作更简易,可用于集成电路芯片的制备。
- 单位
