基于相关性分析的硬件木马检测方法

doi:10.3969/j.issn.1000-3428.2013.09.040

计算机工程

基于相关性分析的硬件木马检测方法

刘长龙，赵毅强，史亚峰，冯紫竹

(天津大学电子信息工程学院，天津 300072)

收稿日期:2012-08-28 出版日期:2013-09-15 发布日期:2013-09-13
作者简介:刘长龙(1985－)，男，博士研究生、CCF会员，主研方向：信息安全，入侵检测；赵毅强，教授；史亚峰、冯紫竹，硕士研究生
基金资助:
天津市自然科学基金资助重点项目(12JCZDJC20500)

Hardware Trojan Detection Method Based on Correlation Analysis

LIU Chang-long, ZHAO Yi-qiang, SHI Ya-feng, FENG Zi-zhu

(School of Electronic Information Engineering, Tianjin University, Tianjin 300072, China)

Received:2012-08-28 Online:2013-09-15 Published:2013-09-13

摘要/Abstract

摘要： 为提高硬件木马检测的准确率，提出一种基于相关性分析的检测方法。在完成木马功耗建模的基础上，提出并分析利用经典相关系数进行木马检测的可行性以及存在的缺点，根据木马检测的特点，优化检测系数，给出利用区间重叠比作为木马判定依据的检测方法。实验结果表明，与采用经典相关系数的方法相比，该方法在降低约6%检测准确率的前提下，能使鲁棒性提高 1倍以上。

关键词: 硬件木马, 功耗建模, 功耗分析, 相关性分析, 木马检测

Abstract: To improve the accuracy of the hardware trojan detection, a method based on the correlation analysis is presented. After a power modeling of the trojan, the feasibility and defect of the detection method by using the classical correlation coefficient are analyzed, the detection coefficient is optimized according to the characteristics of trojan detection, and the detection method depended on the region overlap ratio is presented. Experimental results show that this method can provide more than two times of robustness when the detection accuracy declined about 6% compared with the classical correlation coefficient.

Key words: hardware trojan, power consumption modeling, power consumption analysis, correlation analysis, trojan detection

中图分类号:

TP407

刘长龙，赵毅强，史亚峰，冯紫竹. 基于相关性分析的硬件木马检测方法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2013.09.040.

LIU Chang-long, ZHAO Yi-qiang, SHI Ya-feng, FENG Zi-zhu. Hardware Trojan Detection Method Based on Correlation Analysis[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2013.09.040.

http://www.ecice06.com/CN/Y2013/V39/I9/183

参考文献

[1] Chakraborty R S, Narasimhan S, Bhunia S, et al. Hardware Trojan: Threats and Emerging Solutions[C]//Proc. of IEEE International High Level Design Validation and Test Workshop. San Francisco, USA: IEEE Press, 2009. [2] Narasimhan S, Chakraborty R S, Bhunia S. Hardware IP Protection During Evaluation Using Embedded Sequential Trojan[J]. IEEE Design & Test of Computers, 2012, 29(3): 70-79. [3] 邹程, 张鹏, 邓高明, 等. 基于功率旁路泄露的硬件木马设计[J]. 计算机工程, 2011, 37(11): 135-137. [4] Salmani H, Tehranipoor M, Plusquellic J. A Novel Technique for Improving Hardware Trojan Detection and Reducing Trojan Activation Time[J]. IEEE Transactions on Very Large Scale Integration Systems, 2012, 20(1): 112-125. [5] Tehranipoor M, Koushanfar F. A Survey of Hardware Trojan Taxonomy and Detection[J]. IEEE Design & Test of Computers, 2010, 27(1): 10-25. (下转第195页) (上接第185页) [6] Agrawal D, Baktir S, Karakoyunlu D. Trojan Detection Using IC Fingerprinting[C]//Proc. of IEEE Symposium on Security and Privacy. Berkeley, USA: IEEE Press, 2007. [7] Rad R, Plusquellic J, Tehranipoor M. A Sensitivity Analysis of Power Signal Methods for Detecting Hardware Trojans Under Real Process and Environmental Conditions[J]. IEEE Transactions on Very Large Scale Integration Systems, 2010, 18(12): 1735-1744. [8] Rad R, Plusquellic J, Tehranipoor M. Sensitivity Analysis to Hardware Trojans Using Power Supply Transient Signals[C]// Proc. of IEEE International Workshop on Hardware-oriented Security and Trust. Los Angeles, USA: IEEE Press, 2008. [9] Koushanfar F, Mirhoseini A. A Unified Framework for Multi- modal Submodular Integrated Circuits Trojan Detection[J]. IEEE Transactions on Information Forensics and Security, 2011, 6(1): 162-174. [10] Brier E, Clavier C, Olivier F. Correlation Power Analysis with a Leakage Model[C]//Proc. of CHES’04. Cambridge, USA: Springer, 2004. 编辑刘冰

[1]	黄姣英, 李胜玉, 高成, 杨达明. 一种时序型总线硬件木马的植入与检测[J]. 计算机工程, 2021, 47(3): 160-165.
[2]	王俊年, 朱斌, 于文新, 王皖, 胡钒梁. 基于深度学习LSTM的侧信道分析[J]. 计算机工程, 2021, 47(10): 140-146.
[3]	胡涛, 佃松宜, 蒋荣华. 基于长短时记忆神经网络的硬件木马检测[J]. 计算机工程, 2020, 46(7): 110-115.
[4]	宋安, 王琴, 谷大武, 郭筝, 刘军荣, 张驰. 基于FPGA的时钟同步功耗信息采集方法[J]. 计算机工程, 2020, 46(6): 115-121.
[5]	段晓毅, 陈东, 高献伟, 范晓红, 周玉坤. 功耗分析攻击中机器学习模型选择研究[J]. 计算机工程, 2019, 45(11): 144-151,158.
[6]	李莹,陈岚,周崟灏. 硬件木马旁路检测方法的影响因素研究[J]. 计算机工程, 2019, 45(1): 145-152.
[7]	李新超,钟卫东,刘明明,李栋. 基于秘密共享的SM4算法S盒实现方案[J]. 计算机工程, 2018, 44(11): 148-153.
[8]	段晓毅,佘高健,高献伟,何斯曼,崔琦,王思翔,毛泽宇. 基于小波包的AES相关功耗分析攻击[J]. 计算机工程, 2017, 43(6): 84-91.
[9]	王建新,王柏人,曲鸣,张磊. 基于改进欧式距离的硬件木马检测[J]. 计算机工程, 2017, 43(6): 92-96.
[10]	倪林,石磊,韩鹍,李少青. 基于特征匹配的IP软核硬件木马检测[J]. 计算机工程, 2017, 43(3): 176-180.
[11]	邬可可,李慧云,闫立军. 一种防御差分功耗分析的ECC同种映射模型[J]. 计算机工程, 2017, 43(10): 115-119,125.
[12]	段晓毅,王思翔,崔琦,孙渴望. 一种带掩码AES算法的高阶差分功耗分析攻击方案[J]. 计算机工程, 2017, 43(10): 120-125.
[13]	高振斌,白雪,杨松,何家骥. 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.
[14]	董文永,盛康. 基于控制因子ADL模型的短期水位预测方法[J]. 计算机工程, 2016, 42(3): 69-73,79.
[15]	赵毅强,何家骥,杨松,刘沈丰. 集成电路中硬件木马防御技术研究[J]. 计算机工程, 2016, 42(1): 128-132,137.

选择文件类型/文献管理软件名称

选择包含的内容

基于相关性分析的硬件木马检测方法

Hardware Trojan Detection Method Based on Correlation Analysis

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于相关性分析的硬件木马检测方法

Hardware Trojan Detection Method Based on Correlation Analysis

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价