基于多信号特征融合的硬件木马识别技术

作者：赵聪慧; 严迎建; 刘燕江; 朱春生

来源：计算机工程与设计, 2021, 42(12): 3365-3372.

DOI：10.16208/j.issn1000-7024.2021.12.009

• 硬件木马检测
• 门级网表
• 信号特征
• 隐藏性
• 机器学习
• KNN分类算法

针对现有基于信号特征的硬件木马检测方法中存在木马特征集单一、检测精度低和普适性差等问题,提出一种基于多信号特征融合的硬件木马识别方法。通过分析硬件木马的隐藏性,建立触发节点植入与载荷节点植入的硬件木马隐藏性模型,构造低静态翻转率、低动态翻转率、低组合0可控性、低组合1可控性和低组合可观察性的硬件木马特征集,利用KNN算法建立硬件木马检测模型。实验结果表明,该方法达到了98.23%的木马信号平均识别率,与文献[3]和文献[15]相比,分别提高了16.30%和10.24%,大幅提升了木马检测能力。

• 单位
  信息工程大学