利用泄露电磁边信道信息检测硬件木马的方法研究.pdfVIP

摘要

摘要

IC产业的全球化在带来巨大便利的同时，也引发了一系列安全挑战，其中硬

件木马的植入是备受关注的问题。随着系统集成度的持续提升，硬件木马的覆盖

面积逐渐缩小，这使得对其进行检测变得更为复杂。这种威胁对IC的影响日益显

著，加剧了对高效精确的硬件木马检测技术的需求。论文主要开展了基于电磁的

边信道分析技术的相关研究工作。基于电磁的边信道分析技术成为解决之道，是

因为它依赖于IC内部电磁辐射的频率和幅度变化。论文基于IC泄露电磁的基本

IC

原理，借助理想电磁辐射单元的性质，对泄露电磁进行建模，为后续硬件木马

电磁边信道检测奠定基础。在这一基础上，研究信号对齐与降噪处理技术的相结

合，并应用改进的K最近邻算法，以识别硬件木马的特征，实现电磁边信道分析

与检测，本文主要工作和创新点如下：

(1)基于自动化采集的电磁边信道检测平台设计及搭建。由于硬件木马泄露电

磁采集过程中受到环境干扰的影响，传统方法在采集精度和实时性方面无法有效

解决。针对这个问题，本文设计并搭建了用于采集硬件木马泄露电磁信号的电磁

边信道检测平台，编写了相应的C#脚本以实现自动化采集，提高了实验的效率。

(2)基于数据预处理的电磁边信道检测优化方案。针对过去在电磁边信道检测

领域中数据预处理效果不佳的问题，提出两种优化方案，涉及到信号同步对齐以

及两种常见的信号降噪处理方法，并给出了相应的降噪效果指标。在信号同步对

齐方面，针对两类待对齐信号采用了不同的处理方法。在信号降噪处理方面，实

验表明，SVD降噪可以通过奇异值曲线和全景曲率谱来确定保留的奇异值个数，

相对来说更加通用和适应性更强，在处理IC的边信道电磁辐射信号这类微弱信号

时表现出良好的效果。

(3)基于改进KNN的硬件木马电磁边信道检测模型。传统KNN检测模型在

处理大规模和复杂数据集时效率低下，针对这个问题，本文提出在KNN算法中加

入PCA特征提取技术和样本裁剪技术，并给出改进KNN的硬件木马电磁边信道

检测模型。实验表明本文的检测模型在K-CV下，硬件木马的检测准确率达到

97.87%。对比传统KNN检测模型，所提方法能够更准确地识别潜在的硬件木马。

关键词：硬件木马，电磁边信道检测，K最近邻

I

ABSTRACT

ABSTRACT

TheglobalizationoftheICindustryhasbroughtsignificantconveniencebut

alsotriggeredaseriesofsecuritychallenges,amongwhichtheimplantationof

hardwareTrojansisahighlyconcerningissue.Withthecontinuousincreaseins

ystemintegration,thecoverageareaofhardwareTrojansisgraduallydecreasing,

makingtheirdetectionmorecomplex.ThisthreatisincreasinglysignificanttoI

Cs,intensifyingthedemandforefficientandaccuratehardwareTrojandetection

technologies.Thispaperprimarilyconductsrelevantresearchonelectromagnetics

ide-channelanalysistechniques.Theelectromagneticside-channelanalysistechniq

ueischosenasthesolutionbecauseitreliesonthefrequencyandamplitudev