[发明专利]基于动态权重的测试向量生成与优化方法

摘要

本发明涉及集成电路可信任性检测技术，为提出适用木马检测的测试向量生成方法，生成高效精简的测试向量集，进而提高硬件木马的激活概率和检测效率，本发明，基于动态权重的测试向量生成与优化方法，步骤如下：(1)寻找低翻转率的电路节点；(2)低观测节点的查找；(3)测试向量的粗筛；(4)测试向量的细筛；(5)基于低观测节点的测试向量筛选：根据故障检测模型，给低观测节点注入故障“0”和故障“1”，构建故障网表，将待筛选的测试向量输入故障网表，观察电路输出与原始输出是否一致，如发生变化认为该测试向量能够将错误结果传递到电路输出端。本发明主要应用于集成电路可信任性检测场合。

主权项

1.一种基于动态权重的测试向量生成与优化方法，其特征是，步骤如下：(1)寻找低翻转率的电路节点：随机生成大量的测试向量，将其输入到电路中，得到所有电路节点的翻转情况，依据设定的翻转率阈值，从所有的电路节点中筛选出低翻转节点；(2)低观测节点的查找：利用SCOAP(sandia controllability and observability analysis program)工具对电路网表进行可测试性分析，得到所有电路节点的可控制性和可观测性值，利用k均值(k‑means)算法对所有电路节点进行连续两次分类，第一次分类得到低测试性节点，第二次分类得到低观测节点；(3)测试向量的粗筛：以激活低翻转节点为目标，利用遗传算法进行测试向量的初步优化，根据节点翻转率的提升倍数，筛选出难以激活的节点；(4)测试向量的细筛：在粗筛的基础上，根据不同节点翻转次数的不同，在遗传算法的每一代动态调整适应度函数，给难以激活的节点更大的权重，使得测试向量更多地触发难以激活的节点，提高测试向量的质量；(5)基于低观测节点的测试向量筛选：根据故障检测模型，给低观测节点注入故障“0”和故障“1”，构建故障网表，将待筛选的测试向量输入故障网表，观察电路输出与原始输出是否一致，如发生变化认为该测试向量能够将错误结果传递到电路输出端。