基于主成分分析的硬件木马检测技术研究

《基于主成分分析的硬件木马检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于主成分分析的硬件木马检测技术研究ResearchofHardwareTrojanDetectionTechnologyBasedonPrincipalComponentAnalysis领域：集成电路工程作者姓名：杨松指导教师：郑爱林高级工程师企业导师：贾凤鸣高级工程师天津大学电子信息工程学院二零一五年十二月摘要硬件木马是在集成电路设计或制造中对电路的恶意篡改，一旦激活工作，将窃取关键信息或者使芯片失效。针对硬件木马的检测技术得到广泛研究，其中基于侧信道信息分析的硬件木马检测是目前研究较多的检测方法。侧信道检测方法主要是通过分析侧信道

2、信息中硬件木马引入的差异实现检测，而数据处理方法对实现有效的检测至关重要。本文利用侧信道分析技术，基于主成分分析法提出了一套数据处理识别算法并采用功耗分析的方法进行验证。首先对植入了硬件木马电路的功耗信息建立模型，并基于该模型设计了载体电路和硬件木马电路。同时优化测试环境和测试技术，从基于FPGA的硬件木马检测平台中获取了母本电路功耗和植入了硬件木马的电路功耗。然后，针对获取的功耗数据样本，分析数据特点，采用相应的数据处理方法优化数据，分类识别。重点是采用预处理方法解决数据的波形未对齐、异常值、噪声问题，并基于主成分分析法实现了母本数据

3、和含硬件木马数据的特征提取和特征选择，得到的主特征涵盖了原数据99%以上的信息，再采用距离判断的方法实现硬件木马的有效检测。最后，针对基于主成分分析的硬件木马检测方法，优化预处理算法，提高检测精度。同时，在改变母本样本量、采样频率等参数的情况下，验证本方法的适用性，并基于MATLAB开发了硬件木马数据处理系统。结果表明，基于主成分分析结合距离判断的方法能够有效检测出占母本电路面积为0.15%左右的硬件木马。关键词：硬件木马检测功耗预处理主成分分析距离判断ABSTRACTHardwareTrojansisthemaliciouscircu

4、itsimplantedduringtheICdesignormanufacturingprocesswhichwilldisclosekeyinformationordisablethechipafterbeingactivated.HardwareTrojandetectionmethodsarewidelystudiedamongwhichthesidechanneltechniquegainsalotattention.Sidechanneldetectionmethodacquiresthedifferencesbetween

5、chipswithandwithoutTrojansandthusdataprocessingmethodisakeyfactorforeffectivedetection.AsetofdataprocessingrecognitionalgorithmisproposedbasedonsidechannelanalysisandPCA(principalcomponentanalysis)，whichisverifiedbypowersignalanalysis.Firstly,powerconsumptioninformationm

6、odeloftheimplantedhardwareTrojancircuitisestablishedtogetthekeytoachieveeffectivedetection.PowerconsumptionisacquiredfromthehardwareTrojandetectionplatformbasedonFPGAafterdesigningthecircuitandoptimizingtestingenvironmentandtestingtechniques.Secondly,thepowerconsumptiond

7、ataisanalyzedbyusingthecorrespondingdataprocessingmethod.Datapreprocessingmethodisusedtosolvetheunalignedwaveform,abnormaldataandnoiseproblem.What'smore,thedatafeatureextractionandfeatureselectionisrealizedbasedonPCAandobtainsover99%oftheoriginaldatainformationandeffecti

8、vedetectioncanbeachievedbydistancejudgment.Finally,thedetectionaccuracyisimprovedafteroptimizingthepret