本文關鍵詞：基于側信道分析的硬件木馬檢測技術　出處：《哈爾濱工業(yè)大學》2016年碩士論文　論文類型：學位論文

  更多相關文章： 硬件安全 硬件木馬 側信道分析 機器學習 PCA

【摘要】：硬件特洛伊木馬(Hardware Trojan Horses,HTHs)是對芯片的惡意篡改,很有可能會引起芯片的運行故障或者關鍵信息的泄露。由于集成電路產業(yè)鏈全球化,設計與制造的分離,設計人員不可監(jiān)控的環(huán)節(jié)越來越多,芯片被植入硬件木馬的可能性急劇增加。由硬件木馬的物理特征決定,在現代化的信息社會,硬件木馬的危害比軟件木馬的危害大得多。雖然國際上對硬件木馬的研究不足十年,但是由于硬件木馬巨大的危害性,使得其研究熱度速度躥升,并逐漸成為信息安全和硬件安全的研究熱點。機器學習可通過學習現有信息,進而總結出信息之間的規(guī)律和區(qū)別,進而達到對未知數據進行分類和預測的目的。機器學習作為人工智能的核心,已是目前最前沿的研究領域之一。本文以側信道分析技術為研究基礎,自主設計了一套適用于RTL電路的基于Hspice功耗模擬和機器學習算法的硬件木馬檢測平臺。首先研究了基于側信道分析的硬件木馬檢測技術和硬件木馬植入手段,設計了mini AES電路并以此為載體電路成功植入了三種面積不同的木馬。自主設計了基于Hspice仿真和Monte Carlo分析功耗采集平臺。該平臺可以非常精確地模擬集成電路設計的動態(tài)功耗和由不同范圍工藝偏差帶來的功耗波動,較基于FPGA的功耗采集平臺更靈活。在此基礎上,針對仿真時的工藝偏差進行了分析,并使用PCA算法進行數據維數的壓縮處理,經驗證通過選取合適的閾值,可將數據維數壓縮至低于原有維數的1%。并且可以有效的降低工藝偏差給硬件木馬檢測帶來的影響。對經PCA降維后的實驗數據送入人工神經網絡和支持向量進行最后的訓練和識別,研究結果證明,PSO ANN較傳統(tǒng)ANN網絡檢測準確性更高;網格優(yōu)化SVM較GA SVM檢測準確率更高;網格優(yōu)化SVM較PSO NN檢測正確率更高,后者檢測速度更快。二者皆可準確識別占芯片面積為0.32%的木馬。其中基于網格優(yōu)化的SVM的識別方法結果更加穩(wěn)定。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN407

【相似文獻】

相關期刊論文 前10條

1 張明玉,倪志偉;基于機器學習的智能決策支持系統(tǒng)[J];淮南師范學院學報;2005年03期

2 楊凌霄;武建平;;機器學習方法在人臉檢測中的應用[J];計算機與數字工程;2008年03期

3 ;第十一屆中國機器學習會議[J];智能系統(tǒng)學報;2008年02期

4 ;第14屆中國機器學習會議[J];智能系統(tǒng)學報;2012年06期

5 費宗銘;呂建;王志堅;陳道蓄;徐家福;;機器學習[J];計算機科學;1991年01期

6 趙沁平;魏華;王軍玲;;機器學習技術與機器學習系統(tǒng)[J];計算機科學;1993年05期

7 姚敏;機器學習及其發(fā)展方向[J];計算機時代;1994年04期

8 ;第31屆機器學習國際會議(英文)[J];智能系統(tǒng)學報;2014年01期

9 黃海濱;機器學習及其主要策略[J];河池師范高等�？茖W校學報(自然科學版);2000年04期

10 佘玉梅;一種協(xié)調機器學習方法研究[J];云南民族學院學報(自然科學版);2000年03期

相關會議論文 前10條

1 王玨;;歸納機器學習[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

2 王昊;李銀波;紀志梁;;利用機器學習方法預測嚴重藥物不良反應-呼吸困難[A];中國化學會第28屆學術年會第13分會場摘要集[C];2012年

3 吳滄浦;;智能系統(tǒng)與機器學習的新領域[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

4 周晴杰;徐立鴻;吳啟迪;;機器學習串級結構的初步探討[A];1998年中國控制會議論文集[C];1998年

5 李剛;郭崇慧;林鴻飛;楊志豪;唐煥文;;基于詞典法和機器學習法相結合的蛋白質名識別[A];大連理工大學生物醫(yī)學工程學術論文集（第2卷）[C];2005年

6 徐禮勝;李乃民;王寬全;張冬雨;耿斌;姜曉睿;陳超海;羅貴存;;機器學習在中醫(yī)計算機診斷識別系統(tǒng)中的應用思考[A];第一屆全國中西醫(yī)結合診斷學術會議論文選集[C];2006年

7 蔡健平;林世平;;基于機器學習的詞語和句子極性分析[A];第三屆全國信息檢索與內容安全學術會議論文集[C];2007年

8 黃金鐵;李景銀;周建常;;對高爐爐況評價模型參數的機器學習——一個三類線性模式分類器的實現[A];1995中國控制與決策學術年會論文集[C];1995年

9 程國建;蔡磊;潘華賢;;核向量機在大規(guī)模機器學習中的應用[A];第十一屆中國青年信息與管理學者大會論文集[C];2009年

10 張鈸;張鈴;;統(tǒng)計學習理論及其應用[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

相關重要報紙文章 前10條

1 黎驪/文 [美] Tom M.Mitchell 著;機器學習與智能化社會[N];中國郵政報;2003年

2 IBM大數據專家 James Kobielus　范范 編譯;機器學習已成為大數據基石[N];網絡世界;2014年

3 本報記者 房琳琳;合久必分：分布式“機器學習”應運而生[N];科技日報;2014年

4 雨辰;機器學習類圖書為什么火爆[N];中華讀書報;2014年

5 百度公司技術副總監(jiān) 多媒體部負責人 余凱;深度學習與多媒體搜索技術演進[N];中國信息化周報;2013年

6 本報記者 余建斌;機器學習與互聯網搜索[N];人民日報;2011年

7 本報記者 張曄邋通訊員 李瑋;周志華：永不墨守成規(guī)[N];科技日報;2008年

8 記者　 彭德倩;機器學習精度提升近6個百分點[N];解放日報;2006年

9 本報記者 閔杰;大數據熱 高端人才缺[N];中國電子報;2013年

10 沈建苗 編譯;如何成為大數據科學家[N];計算機世界;2013年

相關博士學位論文 前10條

1 董春茹;機器學習中的權重學習與差分演化[D];華南理工大學;2015年

2 姚明臣;機器學習和神經網絡學習中的若干問題研究[D];大連理工大學;2016年

3 趙玉鵬;機器學習的哲學探索[D];大連理工大學;2010年

4 胡巍;面向格結構的機器學習[D];上海交通大學;2009年

5 張義榮;基于機器學習的入侵檢測技術研究[D];國防科學技術大學;2005年

6 錢線;快速精確的結構化機器學習方法研究[D];復旦大學;2010年

7 梁錫軍;稀疏優(yōu)化在機器學習中的若干應用[D];大連理工大學;2013年

8 蔣剛;核機器學習方法若干問題研究[D];西南交通大學;2006年

9 陳慧靈;面向智能決策問題的機器學習方法研究[D];吉林大學;2012年

10 周偉達;核機器學習方法研究[D];西安電子科技大學;2003年

相關碩士學位論文 前10條

1 毛海斌;基于半監(jiān)督機器學習的情感分類領域適應問題研究[D];南京理工大學;2015年

2 安軍輝;基于微博數據的微博用戶性別判斷研究[D];華中師范大學;2015年

3 陳召陽;基于機器學習的改性麥槽吸附重金屬構效關系模型研究[D];江西理工大學;2014年

4 王成;基于半監(jiān)督機器學習的文本情感分析技術[D];南京理工大學;2015年

5 孫科;基于Spark的機器學習應用框架研究與實現[D];上海交通大學;2015年

6 劉江龍;基于機器學習的射頻指紋定位方法研究[D];電子科技大學;2015年

7 張蕾;基于機器學習的網絡輿情采集技術研究與設計[D];電子科技大學;2014年

8 施宇;基于數據挖掘和機器學習的木馬檢測系統(tǒng)設計與實現[D];電子科技大學;2014年

9 施應敏;基于機器學習的Femtocell信道頻譜與功率資源分配算法的研究[D];南京郵電大學;2015年

10 張柯;基于機器學習的錯誤定位方法研究[D];南京航空航天大學;2015年

，

本文編號：1321323