基于功耗特征的硬件木马检测方法
芯片功耗数据采集时会存在多种噪声,为了保证数据可靠,采用国际上通用的AES电路,在FPGA中写入带木马逻辑的电路,并对其进行功耗数据提取.针对噪声对硬件木马检测的影响,结合功耗数据的特性提出了基于小波变换的功耗降噪算法,选取了最优的小波降噪参数,有效优化各种噪声影响.针对芯片正常性检测与硬件木马识别过程中,特征识别模型对检测精度影响较大的问题,提出了基于神经网络的硬件木马特征识别算法,能够很好地区分数据之间的细微差别,对去噪后的数据进行硬件木马检测,大量实验结果表明,对芯片中的硬件木马识别率大于90％,可以识别规模大于0.05％的硬件木马功耗数据.
硬件木马、小波降噪、神经网络
15
TP393(计算技术、计算机技术)
2019-12-20（万方平台首次上网日期，不代表论文的发表时间）
共3页
15-16,26
