-
公开(公告)号：CN112130057B
公开(公告)日：2024-04-16
申请号：CN202010960715.7
申请日：2020-09-14
Applicant: 哈尔滨工业大学(威海)
IPC: G01R31/28 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于忆阻器神经网络的辐射效应诊断系统，其解决了现有技术通过神经网络诊断集成电路的辐射失效状态，耗费大量硬件资源，诊断过程可靠性低的技术问题，其通过设计的卷积神经网络对集成电路的故障数据集实现了分类诊断；基于忆阻器的神经网络，包含了第一层一维卷积层电路、第二层一维卷积层电路、矩阵正负值运算电路电路、最大池化电路、全连接层的电路结构；通过忆阻器搭建的智能集成电路辐射效应诊断系统可以将诊断电路与待诊断电路集成，可以有效掌控电路的状态，保障系统的可靠性。本发明广泛用于集成电路辐射故障诊断。
-
公开(公告)号：CN112130057A
公开(公告)日：2020-12-25
申请号：CN202010960715.7
申请日：2020-09-14
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明涉及一种基于忆阻器神经网络的辐射效应诊断系统，其解决了现有技术通过神经网络诊断集成电路的辐射失效状态，耗费大量硬件资源，诊断过程可靠性低的技术问题，其通过设计的卷积神经网络对集成电路的故障数据集实现了分类诊断；基于忆阻器的神经网络，包含了第一层一维卷积层电路、第二层一维卷积层电路、矩阵正负值运算电路电路、最大池化电路、全连接层的电路结构；通过忆阻器搭建的智能集成电路辐射效应诊断系统可以将诊断电路与待诊断电路集成，可以有效掌控电路的状态，保障系统的可靠性。本发明广泛用于集成电路辐射故障诊断。
-
公开(公告)号：CN103198251A
公开(公告)日：2013-07-10
申请号：CN201310103424.6
申请日：2013-03-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提出了一种基于神经网络的硬件木马芯片识别方法，解决了现有识别方法中需人工观察，效率低的问题，实现了硬件木马芯片识别的智能化。该方法包含以下步骤：首先获取所有待检测芯片的侧信道信息并对其进行数据预处理；选取部分待检测芯片进行反剖分析，确定反剖芯片是否含有硬件木马；利用不含硬件木马的反剖芯片经预处理之后的侧信道信息建立芯片特征空间；将所有待检测芯片经预处理后的侧信道信息矩阵投影到该特征空间，得到侧信道信息特征数据矩阵；利用反剖芯片的侧信道信息特征数据及相应的目标输出值建立并训练神经网络；将测试芯片的侧信道信息特征数据送入到已训练完成的神经网络进行判别输出，实现对硬件木马芯片的识别。
-
公开(公告)号：CN103150498A
公开(公告)日：2013-06-12
申请号：CN201310105529.5
申请日：2013-03-28
Applicant: 哈尔滨工业大学(威海)
IPC: G06F21/50
Abstract: 基于单分类支持向量机的硬件木马识别方法，属于硬件木马芯片的检测和识别领域，本发明为解决现有利用芯片侧信道信息来识别芯片硬件木马的技术需人工观察图像，存在误差大、效率低的问题。本发明方法包括以下步骤：一、预处理，获取侧信道信息矩阵；二、选择的反剖芯片进行反向分析，确定是否含有硬件木马；三、对于不含硬件木马的反剖芯片，分成训练样本和训练优化样本，四、利用所述训练样本侧信道信息矩阵建立芯片的特征空间；五、得到待检测芯片的侧信道特征数据矩阵；六、进行归一化处理，七、取出训练和训练优化样本归一化数据；八、训练单分类支持向量机来构造最小超球面；九、在最小超球面外，则该待检测芯片为硬件木马芯片。
-
公开(公告)号：CN101533072A
公开(公告)日：2009-09-16
申请号：CN200910071868.X
申请日：2009-04-23
Applicant: 哈尔滨工业大学
Abstract: 基于流水式工作时序的双积分器智能电池电流检测电路，它涉及检测电路。它为解决现有智能电池电流检测电路存在受时间常数精度和稳定性影响大的问题而提出。流水式工作时序控制模块的第一、第二充电和第三、第四放电电压信号输出端分别连双积分器充电检测组件的第一、第二充电电压信号输入端和双积分器放电检测组件的第一、第二放电电压信号输入端；双积分器充、放电检测组件的第五、第六充电电压信号输出端分别连数据总线；系统时钟的五个时钟信号输出端分别连计时器模块的时钟信号输入端、双积分器充、放电检测组件的第三、第四时钟信号输入端，它的测量精度很高、测量速度快，数字的输出也不依赖时间常数。
-
Patent Agency Ranking
公开(公告)号：CN103198251B
公开(公告)日：2015-07-08
申请号：CN201310103424.6
申请日：2013-03-28
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明提出了一种基于神经网络的硬件木马芯片识别方法，解决了现有识别方法中需人工观察，效率低的问题，实现了硬件木马芯片识别的智能化。该方法包含以下步骤：首先获取所有待检测芯片的侧信道信息并对其进行数据预处理；选取部分待检测芯片进行反剖分析，确定反剖芯片是否含有硬件木马；利用不含硬件木马的反剖芯片经预处理之后的侧信道信息建立芯片特征空间；将所有待检测芯片经预处理后的侧信道信息矩阵投影到该特征空间，得到侧信道信息特征数据矩阵；利用反剖芯片的侧信道信息特征数据及相应的目标输出值建立并训练神经网络；将测试芯片的侧信道信息特征数据送入到已训练完成的神经网络进行判别输出，实现对硬件木马芯片的识别。
-
公开(公告)号：CN102393486B
公开(公告)日：2013-08-21
申请号：CN201110337815.5
申请日：2011-10-31
Applicant: 哈尔滨工业大学
IPC: G01R19/257
Abstract: 基于时间数字转换器的锂电池电流检测电路及检测方法，涉及锂电池电流检测电路及检测方法。它解决了现有锂电池电流检测电路的检测速度低、检测电路复杂的问题，本发明基于TDC的电流检测电路中的斜坡信号发生器的输出和敏感电阻两端的电压连接到充放电比较器的输入，充放电比较器的输出连接TDC转换成数字信号存入结果寄存器中，还连接到充放电标志判决电路形成充放电标志，保存到结果寄存器中，两部分结果交给MCU中的中央处理单元进行分析及电池的控制。本发明采用时间数字转换器，提高了转换精度和转换速度，从而提高了锂电池电流检测速度；并且本发明的充放电可以采用一个转换通道完成，大幅度降低了检测电路复杂性。本发明适用于锂电池电流检测。
-
公开(公告)号：CN102999077A
公开(公告)日：2013-03-27
申请号：CN201210509155.9
申请日：2012-12-03
Applicant: 哈尔滨工业大学(威海)
IPC: G05F1/565
Abstract: 一种高线性补偿的电流平整电路，它涉及电路电子领域，它解决了目前电流注入补偿单元线性度的不足，达到高线性补偿的目的。它包括电流检测模块和电流注入补偿模块；电流检测模块，用于检测流经密码核心电路的电流Icore产生的变化电流ΔIcore，并转换变化电流ΔIcore为相应的变化电压ΔV，还用于将变化电压ΔV发送给电流注入补偿模块；电流注入补偿模块，用于将变化电压ΔV线性转换为补偿电流ΔIR，并通过补偿电流ΔIR对变化电流ΔIcore进行补偿，使总的电源端检测到的变化电流ΔItot被削平；电流注入补偿模块由放大器A、第三PMOS管M3、第四PMOS管M4和第五NMOS管M5至第十NMOS管M10组成。本发明达到隐藏芯片核心电流变化的目的，能够在加密中广泛应用。
-
公开(公告)号：CN101552644B
公开(公告)日：2012-07-18
申请号：CN200910071996.4
申请日：2009-05-11
Applicant: 哈尔滨工业大学
IPC: H04B15/00 , H03K19/0185 , H03F3/45 , H04B10/06
Abstract: 用于红外接收系统跨阻前置放大器的直流干扰抑制电路，属于电路设计领域，本发明是为解决红外接收系统的跨阻前置放大器对直流干扰的抑制方法存在抑制能力差的问题。本发明的回转器包括两个跨导运算放大器，第一跨导运算放大器的输出端与第二跨导运算放大器的输入端相连，两个跨导运算放大器连接点引出线与电容C的一端相连，电容C的另一端接地，两个跨导运算放大器连接点引出线还与补偿电路的输入端相连，补偿电路的输出端与第一跨导运算放大器的偏置电压信号输入端相连，第二跨导运算放大器的输出端与第一跨导运算放大器的同相输入端相连并作为直流干扰抑制电路的一端，第一跨导运算放大器的反相输入端作为直流干扰抑制电路的另一端。
-
公开(公告)号：CN103150498B
公开(公告)日：2016-03-16
申请号：CN201310105529.5
申请日：2013-03-28
Applicant: 哈尔滨工业大学(威海)
IPC: G06F21/50
Abstract: 基于单分类支持向量机的硬件木马识别方法，属于硬件木马芯片的检测和识别领域，本发明为解决现有利用芯片侧信道信息来识别芯片硬件木马的技术需人工观察图像，存在误差大、效率低的问题。本发明方法包括以下步骤：一、预处理，获取侧信道信息矩阵；二、选择的反剖芯片进行反向分析，确定是否含有硬件木马；三、对于不含硬件木马的反剖芯片，分成训练样本和训练优化样本，四、利用所述训练样本侧信道信息矩阵建立芯片的特征空间；五、得到待检测芯片的侧信道特征数据矩阵；六、进行归一化处理，七、取出训练和训练优化样本归一化数据；八、训练单分类支持向量机来构造最小超球面；九、在最小超球面外，则该待检测芯片为硬件木马芯片。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.018 seconds)
