-
公开(公告)号：CN113591084B
公开(公告)日：2023-08-04
申请号：CN202110842581.3
申请日：2021-07-26
Applicant: 福州大学
IPC: G06F21/56 , G06F40/284 , G06N3/045
Abstract: 本发明涉及一种基于电路路径语句的Transformer恶意芯片识别方法及系统，该方法包括如下步骤：S1、从电路网表中提取组件的信息，并组成两两互不重复组件对；再利用点到点的简单路径搜索算法找出所有组件对上的L级路径并映射为句子表达，然后打上有木马和无木马标签，构成句子数据集；S2、对句子数据集挑选出不重复的组件类型名，使用word2vec词嵌入算法和ELMo词嵌入算法训练得到词向量；S3、句子数据集根据词向量映射成张量形式，并输入到带有多头注意力机制的多层Encoder架构的Transformer中完成训练测试；在Transformer的末端全连接层会预测出路径句子上的硬件木马结果。该方法及系统不仅可以有效地检测出硬件木马，还能减小检测所需的路径句子开销。
-
公开(公告)号：CN112491856B
公开(公告)日：2022-08-02
申请号：CN202011309518.5
申请日：2020-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种安全可移动数字微流控生物芯片网络系统，包括依次连接的云服务器、微控制器和数字型微流控生物芯片；所述微控制器设置有无线模块；所述云服务器通过加密后的生化协议与设置有无线模块的微控制器数据连接。本发明将无线模块添加到数字微流控生物芯片物理网络系统模型中的微控制器中，通过加密和认证算法保护传输中的生化协议，既可以保证数据的安全，又可以避免未授权用户去获取生化协议，并可为用户提供实时的反应结果。
-
公开(公告)号：CN112491856A
公开(公告)日：2021-03-12
申请号：CN202011309518.5
申请日：2020-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种安全可移动数字微流控生物芯片网络系统，包括依次连接的云服务器、微控制器和数字型微流控生物芯片；所述微控制器设置有无线模块；所述云服务器通过加密后的生化协议与设置有无线模块的微控制器数据连接。本发明将无线模块添加到数字微流控生物芯片物理网络系统模型中的微控制器中，通过加密和认证算法保护传输中的生化协议，既可以保证数据的安全，又可以避免未授权用户去获取生化协议，并可为用户提供实时的反应结果。
-
Patent Agency Ranking
公开(公告)号：CN114065308B
公开(公告)日：2024-08-02
申请号：CN202111412498.9
申请日：2021-11-25
Applicant: 福州大学
IPC: G06F21/71 , G06F30/32 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的门级硬件木马定位方法及系统，该方法首先获取七个公开门级网表文件，得到训练集和测试集；接着进行预处理，用深度优先搜索算法将网表文件转换成路径语句，完成路径生成；然后构造并训练用于检测和定位的TextCNN模型；将测试集的路径集合输入模型，得到预检测结果；对预检测结果进行路径划分和构造虚拟定位坐标，得到用于定位的短路径集合SL；最后将SL输入TextCNN模型，得到定位结果P。本发明实现快速有效的评估集成电路的安全性能并即使发现和瞄准威胁。
-
公开(公告)号：CN113486347B
公开(公告)日：2023-07-14
申请号：CN202110739931.3
申请日：2021-06-30
Applicant: 福州大学
IPC: G06F21/56 , G06F40/211 , G06F40/284 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于语义理解的深度学习硬件木马检测方法，包括如下步骤：步骤S1：首先对芯片网表文件进行预处理，提取任意一个输入端口线网Xiport和输出端口线网Xoport来组成所有可能的路径对[Xiport,Xoport]；接着在这些路径对上寻找所有存在的简单路径Tspath，并生成对应句子fspath，再打上硬件木马标签构成带标签的句子数据集；步骤S2：把步骤S1中生成到的句子数据集进行组件类型名的去重清洗，并用word2vec完成词库训练，得到预训练好的词向量WVpre；步骤S3：来自步骤S1的句子数据集和来自步骤S2的词向量WVpre共同作为材料放入TextCNN(文本卷积神经网络)的输入层中，经过静动态相结合的词向量矩阵训练得到硬件木马的检测结果。
-
公开(公告)号：CN114065308A
公开(公告)日：2022-02-18
申请号：CN202111412498.9
申请日：2021-11-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的门级硬件木马定位方法及系统，该方法首先获取七个公开门级网表文件，得到训练集和测试集；接着进行预处理，用深度优先搜索算法将网表文件转换成路径语句，完成路径生成；然后构造并训练用于检测和定位的TextCNN模型；将测试集的路径集合输入模型，得到预检测结果；对预检测结果进行路径划分和构造虚拟定位坐标，得到用于定位的短路径集合SL；最后将SL输入TextCNN模型，得到定位结果P。本发明实现快速有效的评估集成电路的安全性能并即使发现和瞄准威胁。
-
公开(公告)号：CN113591084A
公开(公告)日：2021-11-02
申请号：CN202110842581.3
申请日：2021-07-26
Applicant: 福州大学
IPC: G06F21/56 , G06F40/284 , G06N3/04
Abstract: 本发明涉及一种基于电路路径语句的Transformer恶意芯片识别方法及系统，该方法包括如下步骤：S1、从电路网表中提取组件的信息，并组成两两互不重复组件对；再利用点到点的简单路径搜索算法找出所有组件对上的L级路径并映射为句子表达，然后打上有木马和无木马标签，构成句子数据集；S2、对句子数据集挑选出不重复的组件类型名，使用word2vec词嵌入算法和ELMo词嵌入算法训练得到词向量；S3、句子数据集根据词向量映射成张量形式，并输入到带有多头注意力机制的多层Encoder架构的Transformer中完成训练测试；在Transformer的末端全连接层会预测出路径句子上的硬件木马结果。该方法及系统不仅可以有效地检测出硬件木马，还能减小检测所需的路径句子开销。
-
公开(公告)号：CN113486347A
公开(公告)日：2021-10-08
申请号：CN202110739931.3
申请日：2021-06-30
Applicant: 福州大学
IPC: G06F21/56 , G06F40/211 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于语义理解的深度学习硬件木马检测方法，包括如下步骤：步骤S1：首先对芯片网表文件进行预处理，提取任意一个输入端口线网和输出端口线网来组成所有可能的路径对；接着在这些路径对上寻找所有存在的简单路径，并生成对应句子，再打上硬件木马标签构成带标签的句子数据集；步骤S2：把步骤S1中生成到的句子数据集进行组件类型名的去重清洗，并用word2vec完成词库训练，得到预训练好的词向量；步骤S3：来自步骤S1的句子数据集和来自步骤S2的词向量共同作为材料放入TextCNN（文本卷积神经网络）的输入层中，经过静动态相结合的词向量矩阵训练得到硬件木马的检测结果。本发明不仅可以有效地检测出硬件木马，还能保证分类器的性能稳定。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.067 seconds)
