[发明专利]基于高斯核函数SVM的硬件木马噪声预处理方法

说明书

本发明涉及集成电路可信任性检测技术领域，为提高硬件木马的检测效率，提出一种基于高斯核函数SVM的硬件木马噪声预处理方法，实现对硬件木马电路降噪处理。为此，本发明采取的技术方案是，基于高斯核函数SVM的硬件木马噪声预处理方法，通过采集原始电路及在原始电路中植入木马电路工作过程中的功耗信息，并通过基于高斯核函数的支持向量回归机技术，构造高斯滤波器，对两类电路功耗信息进行处理，实现两类电路功耗信息的明显区分，进而实现对硬件木马电路的判别。本发明主要应用于集成电路设计制造场合。

技术领域

本发明涉及集成电路可信任性检测技术领域，具体涉及一种基于高斯核函数SVM的硬件木马噪声预处理方法。

背景技术

近年来信息安全事件不断发生，集成电路的安全性正得到广泛关注，保障集成电路芯片的“自主可控”和“自主可信”成为当前各类信息系统的迫切需求。其中，硬件木马作为集成电路中的主要安全隐患之一，对硬件电路系统的性能会造成很大的影响。硬件木马是芯片在设计、生产、封装等过程中，攻击者为达到其修改电路功能、泄露芯片信息或恶意损毁电子系统的目的而在芯片中插入或修改的电路结构，其检测理论与方法已经成为国内外集成电路领域的前沿和热点研究课题。

随着集成电路规模的增大，硬件木马面积的减小，木马电路对于母本电路的影响越来越小，检测难度越来越大。硬件木马的检测方法主要有基于旁路分析检测方法、基于节点活性分析检测方法、基于主成分分析检测方法、基于内建电路分析检测方法、基于自组织竞争神经网络检测方法、基于提高触发效率检测方法等等，通过这些检测方法，得到的图像被随机噪声所污染，在图像处理中，噪声的去除需要通过对图像进行滤波处理来实现，图像滤波的方法总体上可分为空间域滤波和变换域滤波两大类，空间域(或称时域)滤波是根据图像数据的空间相关性，利用某种算法直接对数据进行数值变换来达到滤波目的的方法，它是一种邻域运算，即输出图像中任何像素的值都是通过采用一定的算法，根据输入图像中对应像素周围一定邻域内像素的值得来的。根据所用的算法不同，可分为线性滤波和非线性滤波二类。均值滤波、高斯滤波、中值滤波和边缘保持滤波等是最常见的滤波算法。

变换域滤波的基本出发点是基于图像的函数描述，将信号变换到某一空间中进而使其某种属性得到显著表现，在进行相应的处理后再将其复原，基于频率域的传统的Fourier变换和近十几年发展起来的基于时频分析的小波变换是最主要的方法。Fourier变换滤波方法要求信号与噪声的频带要有尽可能小的重叠，这样，就可以利用时不变算子在频率域将噪声与信号分离，否则是无能为力的。基于小波变换的非线性滤波则完全不同，在这种方法中，只要信号和噪声频谱的幅度不同，则无论谱是分立还是重叠的，都可以通过对小波系数的切削和缩小等来达到噪声去除的目的，且可在一定程度上避免信号突变部分。

本专利在变换域滤波的基础思想上，提出一种基于高斯核函数SVM的硬件木马杂声预处理方法，利用高斯核函数构造高斯滤波器，进而滤除噪声。

本发明采用一种基于高斯径向基核函数的支持向量回归机的高斯滤波器进行降噪，通过硬件木马检测技术获得数据，这些数据是非线性可分的，将这些数据映射到一个特征空间中，使在特征空间中的数据是线性可分的，这种特种空间是由高斯核函数隐性定义的。在特征空间中，构造高斯滤波器，高斯滤波器滤除噪声的过程是通过σ和C两个参数来确定滤波，所以在得到的图像与用计算机仿真的硬件木马特征图像进行对比，确定参数σ和C，进而构造一种完整的高斯滤波器，对硬件木马噪声就行降噪处理，最后实现硬件木马的高精度检测。参考文献

[1]Ashutosh S.Marathe，Vibha Vyas，Madhavi Chavhan.Petrographic imageclassification using optimized Radial Basis Function Support Vector Machine&validation of its asymptotic behavior[J].2016IEEE International Conferenceon.