基于机器学习的门级网表中硬件木马定位方法

    公开(公告)号:CN116401719A

    公开(公告)日:2023-07-07

    申请号:CN202310395996.X

    申请日:2023-04-13

    Abstract: 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。

    一种抗机器学习攻击的逻辑加密增强型PUF电路及其方法

    公开(公告)号:CN119210732A

    公开(公告)日:2024-12-27

    申请号:CN202411326473.0

    申请日:2024-09-23

    Abstract: 一种抗机器学习攻击的逻辑加密增强型PUF电路及其方法,电路包括PUF生成模块和逻辑混淆加密模块;方法包括:S1、构建逻辑加密增强型PUF;S2、给定一个n位二进制输入激励C,PUF生成模块产生一位响应R,并将响应R传输给混淆加密模块作为其输入信号;S3、通过上位机产生两位随机密钥K,逻辑混淆加密模块判断K是否为正确密钥,来决定是否对响应R进行加密处理;本发明利用两位安全密钥控制逻辑混淆加密模块,对PUF生成模块产生的响应进行混淆加密,显著提高了PUF的抗机器学习攻击能力,同时,本发明在不影响PUF原有性能的基础上,增加了逻辑混淆加密电路使得能够有效提高PUF的抗机器学习攻击能力,大幅降低资源开销且具有较高的灵活度。

Patent Agency Ranking