科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来,由于半导体设计和制造过程的全球化,以及第三方知识产权核(intellectual property cores,IP cores)的广泛使用,电路变得越来越容易受到硬件木马的攻击。硬件木马能够使得电路功能故障、泄露机密信息,或者导致其他一些灾难性的后果,因此已经引起了许多关键部门的密切关注。大多数已有的硬件木马检测工作需要参考芯片去提供参考信息。然而,获得参考芯片是极其困难的。参考芯片通常是假设通过可信的工厂生产出来或者通过很严苛的逆向工程检测验证为不含木马,两种方式都是极其昂贵的。在一些情景下,参考芯片甚至是不存在的,比如掩膜在工厂被修改过。本文提出了一种自适应优化的二元分类型硬件木马检测方法,消除了对生产后的参考芯片的依赖。在电路设计过程中,通常可以假设通过详尽的硅前检测或者经过严格的设计流程,使得原电路的仿真芯片是不含木马的。本文工作尤其适用于检测在设计之后的步骤中插入的木马,比如工厂生产阶段。首先,将木马检测问题建模为二元分类问题,采用电路设计流程中的仿真信息(瞬时功耗)对算法进行训练。经过训练的算法将会生成一个分类器,该分类器能够在芯片生产后测试时自动识别不含木马的和含木马的电路。有许多代表性的分类算法,本文建模了不同的算法并分析评估了哪个算法更适合木马检测。采用的评估指标包括正确分类率、混淆矩阵和查全率。评估了不同工艺偏差下多种算法的性能,给出了在较高水平的工艺偏差下合适的算法设置。更进一步地,考虑到在电路仿真和实际的硅生产之间可能会产生一定的偏差,从而导致本方法的检测性能在实际检测中有所下降,本文提出了一些优化方法来增强这一技术:1)分析了各分类算法错误分类的芯片编号,提出了匹配算法对的工作方式,用来提供互补的检测性能;2)提出了关注于检测错误的算法自适应迭代优化,权重调整是基于该算法在上一轮迭代中的分类错误;3)由于将含木马的电路判定为不含木马的代价高于将不含木马的电路判定为含木马的代价,本文引入了不同硬件木马检测判决的代价,提出了代价敏感型检测。在ISCAS89基准电路上进行的验证实验结果表明,所提出的方法能够检测已知的和未知的木马,检测精度在90%以上。本方法没有添加额外的电路到原电路设计,因此没有引入硬件开销。
