[发明专利]一种PCA与朴素贝叶斯分类融合的硬件木马检测方法

说明书

本发明公开了一种PCA与朴素贝叶斯分类融合的硬件木马检测方法，该方法首先利用PCA进行数据降维，该过程在保持侧信道数据主要成分的同时，滤除各维度间的冗余信息；其次利用朴素贝叶斯分类方法，可以在少量训练样本下提取硬件木马的侧信道特征，具有优秀的分类效率，进一步提高了硬件木马检测精度。该方法可以辅助用于基于侧信道分析的硬件木马检测领域，进一步提高硬件木马的识别水平，具有一定的实际意义和参考价值。

技术领域

本发明涉及集成电路可信任性技术领域，具体涉及一种PCA与朴素贝叶斯分类融合的硬件木马检测方法。

背景技术

随着电子设计自动化技术和半导体制造工艺的飞速发展，单片数字集成电路芯片集成的功能越来越复杂，电路规模越来越大，集成度越来越高，从而广泛的应用于现代科技的各个领域，特别在金融设备、移动通信、交通运输、政府和能源等敏感领域。集成电路对社会的进步和经济的发展起着越来越大的推动作用，已经成为支撑经济社会发展的战略性、基础性和先导性产业。

在商业全球化的今天，集成电路芯片的设计与制造逐渐趋于全球化。集成电路芯片的上市需要经历设计、制造、封装与测试四个阶段。由于集成电路产品的先进性和复杂性，同时为了更合理的利用资源和资金配置，单片集成电路的设计与制造过程完全由多家单位联合完成，其中不乏合资企业或者外资企业。集成电路的设计与制造过程的分离，给集成电路的安全性带来了极大的风险，例如在设计阶段大量复用第三方IP核，在制造过程中存在不可信的掩膜版，在封装过程中可能存在冗余封装等。这类安全威胁都统称为硬件木马，硬件木马从底层硬件方面渗透进来，攻击者针对特定的系统进行巧妙的设计，隐蔽在电路的底层，可以独立的实施攻击行为，例如改变功能、泄露信息、特权升级、拒绝服务等，也可以结合软件攻击进行组合攻击。

硬件木马问题正在成为集成电路的重要安全隐患，一旦被硬件木马影响的芯片被应用于军用装备及国民经济核心领域中，将会带来严重的灾难和不可估计的经济损失，因此开展硬件木马的检测与防护技术研究，保证集成电路的安全可信是世界各国的共同关注的话题。

近年来，随着研究的逐渐深入，在硬件木马检测技术方面取得了卓越的成果。而旁路信号分析具有较低的实施成本、较高的检测精度，较好的移植性和延展性，一经提出就展示出来了较为乐观的应用前景，成为了当前的检测方法的主流。但是由于硬件木马体积较小且植入隐蔽，其对整体电路旁路信息造成的影响较小，同时在旁路信息采集过程中，芯片及检测设备会受到外界以及系统内部噪声的影响，上述种种会削弱甚至淹没硬件木马对电路的影响，这使得硬件木马的检出率大大降低。为了提高检测精度，有必要滤除侧信道信息中的冗余信息，提取硬件木马的微弱特征，降低硬件木马识别过程的误差率。

发明内容

本专利针对基于侧信道分析的硬件木马分类识别问题，提出了一种PCA与朴素贝叶斯分类融合的硬件木马检测方法。

为实现本发明的目的，本发明提供了一种PCA与朴素贝叶斯分类融合的硬件木马检测方法，包括以下步骤：

步骤一：搭建集成电路侧信道采集平台，采集待测电路在工作状态下产生的侧信道信息X；

步骤二：利用PCA算法对原始侧信道数据进行数据压缩并消除冗余信息，得到降维后的侧信道数据Y；

步骤三：选择PCA降维后的待测样本Y＝{y₁,y₂,...,y_k}为一个待分类项，每个y_i为Y的一个特征属性；

步骤四：根据检测目的对样本进行分类，有类别集合可以表示为T＝{T₁,T₂}，其中T₁表示为纯净芯片而T₂为含有硬件木马的芯片；

步骤五：确定已知分类的训练样本集：抽取芯片中的少量芯片，利用逆向工程技术进行反向解剖，确定原始芯片与木马芯片；