[发明专利]基于神经网络的硬件木马检测方法在审
| 申请号： | 201711114865.0 | 申请日： | 2017-11-13 |
| 公开（公告）号： | CN108052840A | 公开（公告）日： | 2018-05-18 |
| 发明（设计）人： | 赵毅强;解啸天;刘燕江;高翔 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F21/76 | 分类号： | G06F21/76;G06N3/04;G06N3/08;G01R31/28 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 刘国威 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及集成电路可信任性检测技术领域，为提高硬件木马的检测效率，实现两类电路数据的明显区分，从而实现硬件木马的检测，本发明，基于神经网络的硬件木马检测方法，利用训练神经网络算法来处理旁路信息，从而实现硬件木马的识别，其中神经网络为自组织神经网络，通过寻找输入样本中的内在规律，不断地对网络参数进行自动修正，实现对输入样本的自动分类，其网络学习规则采用竞争学习；结构上，自组织神经网络只包含两层神经元，第一层为输入层，第二层为竞争层即输出层，两层之间神经元间实现全互连。本发明主要应用于集成电路检测。 | ||
| 搜索关键词： | 基于 神经网络 硬件 木马 检测 方法 | ||
【主权项】：
1.一种基于神经网络的硬件木马检测方法，其特征是，利用训练神经网络算法来处理旁路信息，从而实现硬件木马的识别，其中神经网络为自组织神经网络，是无监督的神经网络，采用无教师的学习方式，通过寻找输入样本中的内在规律，不断地对网络参数进行自动修正，实现对输入样本的自动分类，其网络学习规则采用竞争学习，自组织神经网络的输出神经元通过相互竞争来获取对于输入样本的响应机会，同一时刻只有一个神经元胜出并通过竞争获得胜利；结构上，自组织神经网络只包含两层神经元，第一层为输入层，第二层为竞争层即输出层，两层之间神经元间实现全互连。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711114865.0/，转载请声明来源钻瓜专利网。
- 上一篇：提高饲料利用率的肉仔鹅饲料
- 下一篇：一种混合型除湿烘干设备及其控制方法
