[发明专利]一种硬件木马的检测方法及装置

权利要求书

1.一种硬件木马的检测方法，其特征在于，包括：

获取目标电路的指令集功耗数据；

对指令集功耗数据进行预处理，并计算预处理后的指令集功耗数据的中位数；

判断预处理后的指令集功耗数据的中位数是否大于预设无木马电路功耗值；

若是，将预处理后的指令集功耗数据输入到线性SVM训练上边界模型中进行处理，得到目标电路的硬件木马检测结果；

若否，将预处理后的指令集功耗数据输入到线性SVM训练下边界模型中进行处理，得到目标电路的硬件木马检测结果；

其中，得到线性SVM训练上边界模型和线性SVM训练下边界模型过程包括：

获取训练集和验证集，所述训练集和所述验证集分别包括不同指令、不同操作数和不同木马类型对应的功耗数据组；

分别计算所述训练集和所述验证集中每个功耗数据组的中位数；

利用中位数大于所述预设无木马电路功耗值的所述训练集中的功耗数据组对SVM模型进行训练，得到所述线性SVM训练上边界模型，并利用中位数不大于所述预设无木马电路功耗值的所述训练集中的功耗数据组对SVM模型进行训练，得到所述线性SVM训练下边界模型。

2.根据权利要求1所述的方法，其特征在于，所述目标电路的硬件木马检测结果为无硬件木马或有硬件木马，当所述目标电路的硬件木马检测结果为有硬件木马时，所述目标电路的硬件木马检测结果还包括木马类型。

3.根据权利要求1所述的方法，其特征在于，所述对指令集功耗数据进行预处理，包括：

对指令集功耗数据进行去离群点处理，并对去离群点处理后的指令集功耗数据进行归一化处理。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

利用中位数大于所述预设无木马电路功耗值的所述验证集中的功耗数据组对所述线性SVM训练上边界模型进行验证，利用中位数不大于所述预设无木马电路功耗值的所述验证集中的功耗数据组对所述线性SVM训练下边界模型进行验证；

对所述线性SVM训练上边界模型和所述线性SVM训练下边界模型的准确率进行计算，并当准确率大于第一预设值时停止对模型的训练。

5.根据权利要求4所述的方法，其特征在于，所述获取训练集和验证集，包括：

对多个不同指令、不同操作数和不同木马类型对应的功耗数据组预处理；

对预处理后的功耗数据组进行标记，标记结果包括木马组数据和正常组数据；

对标记后的功耗数据组进行分组抽样，每次抽出一组木马组数据作为验证集，其余的作为训练集。

6.根据权利要求5所述的方法，其特征在于，所述对所述线性SVM训练上边界模型和所述线性SVM训练下边界模型的准确率进行计算，包括：

对于每一次验证，当标记结果为正常组数据，检测结果为正常组数据时，将验证结果标记为真正类；

当标记结果为正常组数据，检测结果为木马组数据时，将验证结果标记为假负类；

当标记结果为木马组数据，检测结果为正常组数据时，将验证结果标记为假正类；

当标记结果为木马组数据，检测结果为木马组数据时，将验证结果标记为真负类；

计算所述线性SVM训练上边界模型的真正类数量和真负类数量、以及所述线性SVM训练下边界模型的真正类数量和真负类数量的和值，得到第一和值；

计算所述线性SVM训练上边界模型的真正类数量、假负类数量、假正类数量和真负类数量、以及所述线性SVM训练下边界模型的真正类数量、假负类数量、假正类数量和真负类数量的和值，得到第二和值；

计算所述第一和值和所述第二和值的比值，得到所述线性SVM训练上边界模型和所述线性SVM训练下边界模型的准确率。