[发明专利]一种针对控制信号型硬件木马的分类方法

权利要求书

1.一种针对控制信号型硬件木马的分类方法，其特征在于，包括以下步骤：

步骤S1:从若干待测芯片的门级网表中提取电路候选特征；

步骤S2:将若干待测芯片中的一个芯片的电路候选特征作为测试样本，剩余的芯片电路候选特征作为训练样本；

步骤S3:构建一个输入层的节点个数为N，输出层的节点个数为1，隐藏层的个数为1的BP神经网络，测试节点数为u；

步骤S4:根据训练样本训练BP神经网络，得到训练好的BP神经网络

步骤S5:将测试样本输入训练好的BP神经网络，计算当前芯片的TPR和TNR，计算当前隐藏层数量和隐藏层节点数下的所有芯片的平均TPR和TNR，若当前所有实验隐藏层下所有平均TPR和TNR中的极差超过预设误差则停止测试，跳转至步骤S6，否则改变BP神经网络的隐藏层数和隐藏层节点数，并跳转至步骤S4；

步骤S6:分析之前实验的数据选择最优隐藏层数和节点数，根据最优隐藏层数和节点数得到的分类结果，计算得到所有芯片特征集的平均TPR和TNR；

所述电路候选特征包括木马线网特征和正常线网特征；

所述TPR是真正类率，具体为：

TPR＝TP/(TP+FN)

表示的是正常线网被识别为正常线网的比例；

TNR真负类率，具体为：

TNR＝TN/(FP+TN)

表示的是木马线网被识别为木马线网的比例；

其中，TP：正常网络被识别为正常网络的数量；FN：木马网络被识别为正常网络的数量；FP：正常网络被识别为木马网络的数量；TN：木马网络被识别为木马网络的数量。

2.根据权利要求1所述的一种针对控制信号型硬件木马的分类方法，其特征在于：所述测试节点数计算如下公式：

α：1-10之间的随机数。

3.根据权利要求1所述的一种针对控制信号型硬件木马的分类方法，其特征在于：所述步骤S4具体为：

步骤S41:对所有的层2≤l≤L,设权重△W^(l)＝0,设偏置△b^(l)＝0，这里△W^(l)＝0和△b^(l)＝0分别为全零矩阵和全零向量；

步骤S42:使用反向传播算法，计算各层神经元中节点i的权值和偏置的梯度矩阵

1)计算

2)计算

α为学习速率，它的取值范围为(0,1)；

E是m个训练样本的误差函数，

E(i)是单个样本的训练误差，

d_k(i)为输出层第k个输出的期望值，y_k(i)为输出层第k个输出的实际值，m为训练样本数量

步骤S43:更新权值和偏置：

1)计算

2)计算