[发明专利]一种故障冗余机制的安全芯片处理器及处理方法

权利要求书

1.一种故障冗余机制的安全芯片处理器，其特征在于，包括：

安全运算模块，包括一组当前运算单元和至少一组冗余备份运算单元，当前运算单元和冗余备份运算单元并行运作，用于根据安全运算逻辑进行安全运算任务；

特征参数提取模块，用于实时获取当前运算单元的运算参数信息，并从运算参数信息中提取指定的特征参数；

故障预测模块，用于采用故障预测模型根据特征参数预测分析当前运算单元的故障可能性，若故障可能性持续增大，则判定当前运算单元存在故障；

故障处理模块，用于让当前运算单元停止运行，并将该运算单元标记为故障运算单元；将其中一个冗余备份运算单元提升为当前运算单元，继续执行安全运算任务；

特征参数分析模块，用于实时监测所述特征参数的变化频率，并分析特征参数之间的函数关系和变化规律；所述特征参数包括芯片表面温度、环境温度和芯片输出频率；

所述故障预测模型包括温度故障模型和预测模型，所述温度故障模型和预测模型均包括输入层、隐含层和输出层；温度故障模型的输入层有两个节点数，分别输入芯片表面温度和环境温度，输出层有一个节点数，输出芯片输出频率，隐含层有八个节点数，用于分析是否存在温度故障；预测模型的输入层有五个节点数，分别输入当前五个连续时刻的工作频率，输出层有一个节点数，输出预测的未来下一时刻的工作频率，隐含层有十二个节点数，用于根据当前时刻的工作频率预测分析当前运算单元在未来时刻的故障工作频率的取值。

2.根据权利要求1所述的故障冗余机制的安全芯片处理器，其特征在于，所述采用故障预测模型根据特征参数预测分析当前运算单元的故障可能性，若故障可能性持续增大时，则判定当前运算单元存在故障，包括：

采用故障预测模型根据特征参数的变化频率、特征参数间的变化关系来预测分析当前运算单元发生故障的特征参数的取值，将监测的实时特征参数和预测的故障特征参数进行对比，若实时特征参数和故障特征参数的绝对差值持续减小，则认为当前运算单元的故障可能性持续增大，判定当前运算单元存在故障。

3.一种故障冗余机制的安全芯片处理方法，其特征在于，包括以下步骤：

采用当前运算单元和至少一组冗余备份运算单元根据安全运算逻辑进行安全运算任务，实时获取当前运算单元的运算参数信息，并从运算参数信息中提取指定的特征参数；

采用故障预测模型根据特征参数预测分析当前运算单元的故障可能性，若故障可能性持续增大，则判定当前运算单元存在故障；

若当前运算单元存在故障，则让当前运算单元停止运行，并将该运算单元标记为故障运算单元；将其中一个冗余备份运算单元提升为当前运算单元，继续执行安全运算任务；

所述采用故障预测模型根据特征参数预测分析当前运算单元的故障可能性，若故障可能性持续增大时，则判定当前运算单元存在故障，包括：

实时监测所述特征参数的变化频率，并分析特征参数之间的函数关系和变化规律；所述特征参数包括芯片表面温度、环境温度和芯片输出频率；

采用故障预测模型根据特征参数的变化频率、特征参数间的变化关系来预测分析当前运算单元发生故障的特征参数的取值，将监测的实时特征参数和预测的故障特征参数进行对比，若实时特征参数和故障特征参数的绝对差值持续减小，则认为当前运算单元的故障可能性持续增大，判定当前运算单元存在故障；

所述故障预测模型包括温度故障模型和预测模型，温度故障模型的输入为芯片表面温度和环境温度，输出为芯片输出频率，用于分析芯片表面温度和环境温度对芯片输出频率、以及芯片输出频率在预设工作条件下随时间的变化趋势；预测模型的输入为当前五个连续时刻的工作频率，输出为预测的未来下一时刻的工作频率，用于根据当前时刻的工作频率预测分析当前运算单元在未来时刻的故障工作频率的取值；

所述温度故障模型的训练包括：

将采集的输入特征参数信号经过预处理，形成期望输出样本，；输入特征参数信号包括频率f、输出电压V和输出电流I；

将采集的输出特征参数信号经过预处理，得到输入样本，；输出特征参数信号包括温度T、湿度、辐射强度、振动频率、振动幅度；

将输入样本输入所述温度故障模型，按照模型的正向传播计算模型的实际输出，计算实际输出与期望输出的误差，判断误差是否满足预设要求，若是，则训练结束，若否，则进行误差反向传播计算；经过反复迭代，计算得到满足预设要求的连接权值；得到收敛的温度故障模型，得到满足条件的隐含层连接权值矩阵和输出层连接权值矩阵；

根据收敛的温度故障模型、隐含层连接权值矩阵和输出层连接权值矩阵，完成所述温度故障模型的训练。

4.根据权利要求3所述的故障冗余机制的安全芯片处理方法，其特征在于，所述预测模型的训练包括：

选取连续五个时刻的频率参数作为预测模型的样本输入，选取第六组频率参数作为样本期望输出；

将输入样本输入所述温度故障模型，按照模型的正向传播计算模型的实际输出，计算实际输出与期望输出的误差，判断误差是否满足预设要求，若是，则训练结束，若否，则进行误差反向传播计算；经过反复迭代，计算得到满足预设要求的连接权值；得到收敛的预测模型，得到满足条件的隐含层连接权值矩阵和输出层连接权值矩阵；

根据收敛的预测模型、隐含层连接权值矩阵和输出层连接权值矩阵，完成所述预测模型的训练。