计算机辅助设计与图形学学报

作者：宋钛, 黄正峰, 闫爱斌

关键词：硬件木马, 机器学习, 干净电路, 多项式回归

针对芯片生产链长、安全性差、可靠性低,导致硬件木马防不胜防的问题,提出一种改进的机器学习分类算法.首先采集不同电压下电路的延时信号,通过KNN分类算法找出延时差异,若延时与干净电路相同,则判定为干净电路,否则判定有木马;然后联合多项式回归算法对木马延时特征进行拟合,基于回归函数建立木马特征库,最终实现硬件木马的准确识别.实验结果表明,对2 000组延时单元的19个不同电压进行延时提取,同时考虑电压数目、K值与识别准确率,则电压数目与木马的识别准确率成正比,而参数K与识别准确率成反比;综合考虑的电压数目为19时,其预测准确率达到最高的95.2%;所提算法能明显地提升硬件木马的识别准确率和自动化程度.

来源：2022年第4期

《计算机辅助设计与图形学学报》期刊编辑部

查看计算机辅助设计与图形学学报杂志2022年第4期