[发明专利]一种基于神经网络的硬件木马识别方法

权利要求书

1.一种基于神经网络的硬件木马识别方法，其特征在于，包括以下步骤：

步骤一、针对所有待检测芯片，对其侧信道信息进行数据预处理，得到一个预处理后的所有待检测芯片的侧信道信息矩阵；

步骤二、选取待检测芯片的一部分作为反剖芯片，其它剩余待检测芯片称为测试芯片，对所述反剖芯片进行反向分析，确定每一个反剖芯片是否含有硬件木马；

步骤三、从步骤一所述的侧信道信息矩阵中取出经步骤二确定的不含有硬件木马的反剖芯片所对应的侧信道信息，利用此侧信道信息建立芯片的特征空间；

步骤四、将经预处理后的待检测芯片的侧信道信息矩阵投影到步骤三所述特征空间，得到所有待检测芯片的侧信道信息特征数据矩阵；

步骤五、从经过步骤四处理后得到的侧信道信息特征数据矩阵中取出反剖芯片所对应的特征数据作为神经网络的训练样本，利用所述训练样本以及与其相应的目标输出值建立并训练神经网络；

步骤六：从经过步骤四处理后得到的侧信道信息特征数据矩阵中取出测试芯片所对应的侧信道信息特征数据，将所述数据送入步骤五训练完成的神经网络中进行判别输出，根据判别输出值区分出相应测试芯片是否含有硬件木马。

2.根据权利要求1所述基于神经网络的硬件木马识别方法，其特征在于，步骤一中对待检测芯片的侧信道信息进行数据预处理的过程为：

步骤一一、对随时间变化的待检测芯片的侧信道信息进行采样，得到侧信道信息矩阵                                                ，代表待检测芯片的个数，代表侧信道信息的采样点数；

步骤一二、对侧信道信息矩阵按列进行中心化处理，按照下式得到预处理后的侧信道信息矩阵，

其中，表示预处理后的侧信道信息矩阵第i行j列的值，表示预处理之前的侧信道信息矩阵第i行j列的值，表示预处理之前的侧信道信息矩阵第j列数据的平均值。

3.根据权利要求1所述基于神经网络的硬件木马识别方法，其特征在于，步骤三中利用不含有硬件木马的反剖芯片的经过预处理后的侧信道信息矩阵建立芯片的特征空间的过程为：

步骤三一、将步骤三中所述不含有硬件木马的反剖芯片所对应的侧信道信息表示成矩阵的形式，其中是一个n维列向量，表示第i时刻不同芯片侧信道信息的不同值，而n表示不含硬件木马的反剖芯片个数，代表侧信道信息的采样点数；

步骤三二、求矩阵的协方差矩阵，协方差矩阵的第 i 行 j 列的元素表示为

其中，和分别表示列向量和的均值，n的意义与步骤三一中n的定义相同，E为数学期望，则矩阵的协方差矩阵为：

；

步骤三三、利用等式，求协方差矩阵的特征值和与相对应的特征向量，并构成特征向量矩阵；

步骤三四、将T个特征值按从大到小的顺序排列，步骤三三所述矩阵中与每个特征值相应的各列向量也按照特征值的调整顺序作相应调整得到新矩阵；

步骤三五、对步骤三四所述矩阵进行单位正交化得到矩阵，由的各列向量所确定的空间即为所要得到的芯片特征空间。