基于长短时记忆神经网络的硬件木马检测

• 作者: 佃松宜 胡涛 蒋荣华
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 硬件木马检测 集成电路 旁路信息 主成分分析 长短时记忆神经网络
• 年，卷（期）: 2020,（7）
• 所属期刊栏目: 网络空间安全
• 页码范围: 110-115
• 页数: 6页
• 分类号: TN918
• 字数: 4011字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0055589

摘要

硬件木马给集成电路芯片的可靠性带来巨大威胁,为此,提出一种基于主成分分析(PCA)和长短时记忆(LSTM)神经网络的硬件木马检测方法.利用PCA提取侧信道信息中的电流特征向量,并利用该特征向量训练LSTM神经网络分类器,使该分类器达到识别硬件木马的目的.实验结果表明,该方法能对木马进行有效识别,且能检测出木马面积占总电路面积比为0.74％的硬件木马.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡涛	四川大学电气工程学院	48	461	13.0	19.0
2	佃松宜	四川大学电气工程学院	81	311	8.0	14.0
3	蒋荣华	四川大学电气工程学院	3	22	2.0	3.0