公开(公告)号：CN114065307B

公开(公告)日：2024-07-09

申请号：CN202111367369.2

申请日：2021-11-18

Applicant: 福州大学

Inventor： 董晨 ,  程栋 ,  林璇威 ,  贺文武

IPC: G06F21/71 ,  G06F18/241 ,  G06F18/2415 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/042 ,  G06N3/045 ,  G06N3/084

Abstract: 本发明涉及一种基于双向图卷积神经网络的硬件木马检测方法与系统。该方法首先对网表文件进行预处理，创建对应的有向图表示#imgabs0#，并对门器件信息进行编码作为特征表示X，构建电路有向图数据；然后分别创建描述电路信号传播结构的正向电路图#imgabs1#和描述电路信号分散结构的反向电路图#imgabs2#，并分别构造对应的图神经网络特征提取器提取结构特征，组合为最终的门器件特征#imgabs3#；构造多层感知机分类模型，与图神经网络特征提取器构成硬件木马门分类模型，并使用加权交叉熵损失函数来学习模型参数，得到训练好的硬件木马门分类模型；将待检测的网表转换为有向图，输入到训练好的硬件木马门分类模型中进行检测，输出可疑的门器件列表。本发明可以有效地检测出门级硬件木马。

公开(公告)号：CN114065307A

公开(公告)日：2022-02-18

申请号：CN202111367369.2

申请日：2021-11-18

Applicant: 福州大学

Inventor： 董晨 ,  程栋 ,  林璇威 ,  贺文武

IPC: G06F21/71 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于双向图卷积神经网络的硬件木马检测方法与系统。该方法首先对网表文件进行预处理，创建对应的有向图表示，并对门器件信息进行编码作为特征表示X，构建电路有向图数据；然后分别创建描述电路信号传播结构的正向电路图和描述电路信号分散结构的反向电路图，并分别构造对应的图神经网络特征提取器提取结构特征，组合为最终的门器件特征；构造多层感知机分类模型，与图神经网络特征提取器构成硬件木马门分类模型，并使用加权交叉熵损失函数来学习模型参数，得到训练好的硬件木马门分类模型；将待检测的网表转换为有向图，输入到训练好的硬件木马门分类模型中进行检测，输出可疑的门器件列表。本发明可以有效地检测出门级硬件木马。