基于隐马尔可夫模型的硬件木马检测方法

发布时间：2017-11-09 05:24

  本文关键词：基于隐马尔可夫模型的硬件木马检测方法

  更多相关文章： 硬件木马 集成电路芯片 隐马尔可夫模型 木马检测 功耗

【摘要】：硬件木马给集成电路芯片可靠性带来巨大威胁。为此,基于隐马尔可夫模型,提出一种新的木马检测方法。提取母本电路数据的特征参数,并对该参数进行训练得到正常模型,提取待测数据的特征参数,并计算该参数与上述模型的匹配程度,以进行分析识别。实验结果表明,该方法能对木马进行有效识别,且能检测出面积比为0.53%的硬件木马。
【作者单位】： 河北工业大学电子信息工程学院;天津大学电子信息工程学院;
【分类号】：TN918
【正文快照】： 中文引用格式:高振斌,白雪,杨松,等.基于隐马尔可夫模型的硬件木马检测方法[J].计算机工程,2016,42(9):126-131.英文引用格式:Gao Zhenbin,Bai Xue,Yang Song,et al.Hardware Trojan Detection Method Based on Hidden MarkovM odel[J].Computer Engineering,2016,42(9):126-1

【相似文献】

中国重要会议论文全文数据库 前10条

1 史笑兴;王太君;何振亚;;论二阶隐马尔可夫模型与一阶隐马尔可夫模型的关系[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

2 马勇;金峗;顾明亮;赵力;;基于隐马尔可夫模型的汉语方言辨识[A];2009’中国西部地区声学学术交流会论文集[C];2009年

3 吴志强;陈珂;迟惠生;;基于隐马尔可夫模型的有限词汇集内与文本无关的说话人辨认的研究[A];第四届全国人机语音通讯学术会议论文集[C];1996年

4 徐毅琼;李弼程;王波;;隐马尔可夫模型在人脸检测与识别中的应用[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

5 吴成东;柴佩琪;;基于分类的隐马尔可夫模型的声母识别[A];第一届全国语言识别学术报告与展示会论文集[C];1990年

6 徐东风;周萍;景新幸;;改进隐马尔可夫模型的非线性分段技术应用[A];中国声学学会2007年青年学术会议论文集（下）[C];2007年

7 邢颖;南敬昌;;基于隐马尔可夫模型的人脸检测与识别系统[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

8 秦勇;莫福源;李昌立;关定华;;基于隐马尔可夫模型的汉语二字词音调模式识别[A];第三届全国人机语音通讯学术会议论文集[C];1994年

9 杨文强;邓明华;钱敏平;;隐马尔可夫模型与剪切位点识别[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

10 马晓川;刘冬;赵荣椿;;孤立短语隐马尔可夫模型自动建模软件的实现[A];第四届全国人机语音通讯学术会议论文集[C];1996年

中国博士学位论文全文数据库 前4条

1 欧阳黜霏;基于隐马尔可夫模型的车辆行程时间预测方法研究[D];武汉大学;2015年

2 李杰;隐马尔可夫模型的研究及其在图像识别中的应用[D];清华大学;2004年

3 夏丽莎;基于隐马尔可夫模型的故障诊断及相关算法研究[D];华中科技大学;2014年

4 刘韬;基于隐马尔可夫模型与信息融合的设备故障诊断与性能退化评估研究[D];上海交通大学;2014年

中国硕士学位论文全文数据库 前10条

1 吴瑞琪;面向农牧民歌旋律的自动伴奏技术研究[D];河南师范大学;2015年

2 张凯;基于隐马尔可夫模型的频谱预测和感知方法研究[D];南京邮电大学;2015年

3 赵效毓;基于最大熵隐马尔可夫模型的基因启动子识别[D];南京农业大学;2014年

4 白雁飞;基于隐马尔可夫模型的J波识别技术研究[D];太原理工大学;2016年

5 崔晨雨;基于用户经验水平的推荐方法研究[D];清华大学;2015年

6 李若冰;基于贝叶斯网络和隐马尔可夫模型的扑克对手建模研究[D];南京大学;2013年

7 朱超然;基于隐马尔可夫模型的无线传感器网络入侵检测研究[D];华北电力大学(北京);2014年

8 李伦;基于隐马尔可夫模型的VaR度量方法研究[D];华东政法大学;2016年

9 李晓燕;基于隐马尔科夫模型的轨迹聚类方法研究[D];华东师范大学;2016年

10 关超;隐马尔可夫模型在肝硬化进展中的应用[D];山西医科大学;2016年

，

本文编号：1160506