张 颖 李 森 陈 鑫 姚嘉祺 毛志明

(南京航空航天大学电子信息工程学院 南京 211106)

1 引言

随着集成电路芯片全球化产业链模式的发展，硬件安全问题日益成为继软件安全问题后存在的新隐患。硬件木马电路可能会在芯片设计阶段和制造阶段被插入到芯片中[1,2]。目前硬件木马电路的检测技术主要分为动态检测和静态检测两类。动态检测方法指在对待测电路施加外部激励的情况下，观察模拟电路或实际电路的行为从而检测是否存在木马电路，旁路分析法是其主流方式之一[3,4]。文献[5]在系统层次对传统的旁路分析检测方法进行改进，提出一种基于支持向量机 (Support Vector Machine,SVM)算法检测的方案。考虑到木马电路的触发结构通常较为隐蔽且不易触发，动态检测需要建立特殊的测试激励来提高木马电路的触发概率[6]。文献[7]提出了一种基于变异分析的统计测试生成方法，以激活电路中存在的低活跃性硬件木马。文献[8]通过获取信号的可测性和可观性，使用聚类的机器学习算法进行硬件木马检测。文献[9]首次提出了一种利用路径延迟顺序的检测方法。

静态检测方法不需要对电路进行仿真测试，利用木马电路与普通电路的差异分析对木马电路进行检测。文献[10]通过静态布尔函数分析得到具有弱影响力的输入，将其标记为可疑信号。但该方法不易检测时序电路木马，并且不适用于大规模集成电路。伴随着新型木马电路的不断涌现，近年来，机器学习算法成为解决硬件木马静态检测的有效方法之一[11,12]。……