基于侧信道分析的硬件木马检测技术
本文关键词：基于侧信道分析的硬件木马检测技术 出处：《哈尔滨工业大学》2016年硕士论文 论文类型：学位论文
更多相关文章： 硬件安全 硬件木马 侧信道分析 机器学习 PCA
【摘要】：硬件特洛伊木马(Hardware Trojan Horses,HTHs)是对芯片的恶意篡改,很有可能会引起芯片的运行故障或者关键信息的泄露。由于集成电路产业链全球化,设计与制造的分离,设计人员不可监控的环节越来越多,芯片被植入硬件木马的可能性急剧增加。由硬件木马的物理特征决定,在现代化的信息社会,硬件木马的危害比软件木马的危害大得多。虽然国际上对硬件木马的研究不足十年,但是由于硬件木马巨大的危害性,使得其研究热度速度蹿升,并逐渐成为信息安全和硬件安全的研究热点。机器学习可通过学习现有信息,进而总结出信息之间的规律和区别,进而达到对未知数据进行分类和预测的目的。机器学习作为人工智能的核心,已是目前最前沿的研究领域之一。本文以侧信道分析技术为研究基础,自主设计了一套适用于RTL电路的基于Hspice功耗模拟和机器学习算法的硬件木马检测平台。首先研究了基于侧信道分析的硬件木马检测技术和硬件木马植入手段,设计了mini AES电路并以此为载体电路成功植入了三种面积不同的木马。自主设计了基于Hspice仿真和Monte Carlo分析功耗采集平台。该平台可以非常精确地模拟集成电路设计的动态功耗和由不同范围工艺偏差带来的功耗波动,较基于FPGA的功耗采集平台更灵活。在此基础上,针对仿真时的工艺偏差进行了分析,并使用PCA算法进行数据维数的压缩处理,经验证通过选取合适的阈值,可将数据维数压缩至低于原有维数的1%。并且可以有效的降低工艺偏差给硬件木马检测带来的影响。对经PCA降维后的实验数据送入人工神经网络和支持向量进行最后的训练和识别,研究结果证明,PSO ANN较传统ANN网络检测准确性更高;网格优化SVM较GA SVM检测准确率更高;网格优化SVM较PSO NN检测正确率更高,后者检测速度更快。二者皆可准确识别占芯片面积为0.32%的木马。其中基于网格优化的SVM的识别方法结果更加稳定。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN407
【相似文献】
相关期刊论文 前10条
1 张明玉,倪志伟;基于机器学习的智能决策支持系统[J];淮南师范学院学报;2005年03期
2 杨凌霄;武建平;;机器学习方法在人脸检测中的应用[J];计算机与数字工程;2008年03期
3 ;第十一届中国机器学习会议[J];智能系统学报;2008年02期
4 ;第14届中国机器学习会议[J];智能系统学报;2012年06期
5 费宗铭;吕建;王志坚;陈道蓄;徐家福;;机器学习[J];计算机科学;1991年01期
6 赵沁平;魏华;王军玲;;机器学习技术与机器学习系统[J];计算机科学;1993年05期
7 姚敏;机器学习及其发展方向[J];计算机时代;1994年04期
8 ;第31届机器学习国际会议(英文)[J];智能系统学报;2014年01期
9 黄海滨;机器学习及其主要策略[J];河池师范高等专科学校学报(自然科学版);2000年04期
10 佘玉梅;一种协调机器学习方法研究[J];云南民族学院学报(自然科学版);2000年03期
相关会议论文 前10条
1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年
2 王昊;李银波;纪志梁;;利用机器学习方法预测严重药物不良反应-呼吸困难[A];中国化学会第28届学术年会第13分会场摘要集[C];2012年
3 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
4 周晴杰;徐立鸿;吴启迪;;机器学习串级结构的初步探讨[A];1998年中国控制会议论文集[C];1998年
5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年
6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年
7 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年
8 黄金铁;李景银;周建常;;对高炉炉况评价模型参数的机器学习——一个三类线性模式分类器的实现[A];1995中国控制与决策学术年会论文集[C];1995年
9 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年
10 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集（上册）[C];2001年
相关重要报纸文章 前10条
1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年
2 IBM大数据专家 James Kobielus 范范 编译;机器学习已成为大数据基石[N];网络世界;2014年
3 本报记者 房琳琳;合久必分：分布式“机器学习”应运而生[N];科技日报;2014年
4 雨辰;机器学习类图书为什么火爆[N];中华读书报;2014年
5 百度公司技术副总监 多媒体部负责人 余凯;深度学习与多媒体搜索技术演进[N];中国信息化周报;2013年
6 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年
7 本报记者 张晔邋通讯员 李玮;周志华：永不墨守成规[N];科技日报;2008年
8 记者 彭德倩;机器学习精度提升近6个百分点[N];解放日报;2006年
9 本报记者 闵杰;大数据热 高端人才缺[N];中国电子报;2013年
10 沈建苗 编译;如何成为大数据科学家[N];计算机世界;2013年
相关博士学位论文 前10条
1 董春茹;机器学习中的权重学习与差分演化[D];华南理工大学;2015年
2 姚明臣;机器学习和神经网络学习中的若干问题研究[D];大连理工大学;2016年
3 赵玉鹏;机器学习的哲学探索[D];大连理工大学;2010年
4 胡巍;面向格结构的机器学习[D];上海交通大学;2009年
5 张义荣;基于机器学习的入侵检测技术研究[D];国防科学技术大学;2005年
6 钱线;快速精确的结构化机器学习方法研究[D];复旦大学;2010年
7 梁锡军;稀疏优化在机器学习中的若干应用[D];大连理工大学;2013年
8 蒋刚;核机器学习方法若干问题研究[D];西南交通大学;2006年
9 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年
10 周伟达;核机器学习方法研究[D];西安电子科技大学;2003年
相关硕士学位论文 前10条
1 毛海斌;基于半监督机器学习的情感分类领域适应问题研究[D];南京理工大学;2015年
2 安军辉;基于微博数据的微博用户性别判断研究[D];华中师范大学;2015年
3 陈召阳;基于机器学习的改性麦槽吸附重金属构效关系模型研究[D];江西理工大学;2014年
4 王成;基于半监督机器学习的文本情感分析技术[D];南京理工大学;2015年
5 孙科;基于Spark的机器学习应用框架研究与实现[D];上海交通大学;2015年
6 刘江龙;基于机器学习的射频指纹定位方法研究[D];电子科技大学;2015年
7 张蕾;基于机器学习的网络舆情采集技术研究与设计[D];电子科技大学;2014年
8 施宇;基于数据挖掘和机器学习的木马检测系统设计与实现[D];电子科技大学;2014年
9 施应敏;基于机器学习的Femtocell信道频谱与功率资源分配算法的研究[D];南京邮电大学;2015年
10 张柯;基于机器学习的错误定位方法研究[D];南京航空航天大学;2015年
，本文编号：1321323
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/1321323.html
