基于随机森林的硬件木马检测方法

• 作者: 刘东阳 张磊 殷梦婕 王建新 肖超恩 董有恒 赵成
• 来源期刊: 微电子学与计算机
• 关键词: 侧信道分析 硬件木马 分类器 随机森林
• 年，卷（期）: 2019,（2）
• 页码范围: 83-87
• 页数: 5页
• 分类号: TP391.2
• 语种: 中文

摘要

针对BP神经网络和SVM这两种机器学习算法中存在参数选择困难和时间开销较大的问题,本文提出了一种基于随机森林的硬件木马分类方法.首先,将硬件木马检测转化为二元分类问题,对芯片的能量消耗进行多次采样,再通过PCA对功耗曲线进行特征提取,最后利用随机森林分类模型对特征向量进行分类,达到检测硬件木马芯片的目的.实验结果表明,经PCA处理的相同硬件木马数据,随机森林的判别准确率与BP神经网络相比提高了9.13％,与SVM方法相比判别准确率提高了15.96％.而相比其他两种方法,时间开销也降低了8倍左右.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊		30	60	5.0	6.0
2	赵成		10	24	3.0	4.0
3	王建新		17	61	4.0	7.0
4	肖超恩		16	12	2.0	2.0
5	殷梦婕		2	3	1.0	1.0
6	董有恒		2	3	1.0	1.0
7	刘东阳		1	1	1.0	1.0