-
公开(公告)号：CN109960879B
公开(公告)日：2022-05-10
申请号：CN201910229349.5
申请日：2019-03-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于不可信IP核的系统级芯片安全设计方法，首先采用高阶合成技术完成RTL的安全设计；然后将芯片的RTL文件通过一系列的逻辑综合转换成门级网表；接着分析门级网表的逻辑结构，提取标准网表特征；将收集的门级电路的标准网表特征样本分为训练数据集与测试数据集，并采用训练数据集对梯度提升算法进行训练，得到基于梯度提升的硬件木马分类器；最后通过交叉验证法，将测试数据集输入到训练好的梯度提升木马分类器中，得到基于该模型的硬件木马预测结果。本发明从IP供应链源头设计一条自适应性强，复用性高，扩展性广，快速且智能的SoC安全设计架构。
-
公开(公告)号：CN108876904A
公开(公告)日：2018-11-23
申请号：CN201810536081.5
申请日：2018-05-30
Applicant: 福州大学
Abstract: 本发明涉及一种基于改进遗传算法的动态3D实时建模方法，首先设置初始种群，接着对房间的墙角顶点进行标定，然后进行适应值函数的计算，得到最佳适应值的个体染色体信息，接着有意识地突破最优的择优方式，完成新一代种群染色体的赋值操作，依次对新一代种群进行交叉运算操作、变异运算操作，当算法的循环次数达到预设的遗传代数时，通过最佳适应值的个体染色体信息解算出房间的八个墙角顶点空间位置。本发明将动态3D建模技术应用在家具装修领域并具实时、精准、低成本等特点。
-
公开(公告)号：CN109858246B
公开(公告)日：2022-06-14
申请号：CN201811579102.8
申请日：2018-12-24
Applicant: 福州大学
Abstract: 本发明提供一种针对控制信号型硬件木马的分类方法，上述硬件木马分类方法的流程包括：分析电路网表结构；选择并提取电路结构特征；从待测芯片中选择若干样本作为训练数据，剩下的芯片作为测试数据；使用训练数据训练BP神经网络，获得一个训练好的BP神经网络；将测试数据输入到这个BP神经网络，不断调整隐藏层的数量，挑选最好的测试结果，得到最优的隐藏层数量和节点数量。本发明不需要复杂的实验环境、大量的时间和实验成本就可以有效的检测出一个网表中是否包含硬件木马。
-
公开(公告)号：CN109740348B
公开(公告)日：2022-06-14
申请号：CN201910084520.8
申请日：2019-01-29
Applicant: 福州大学
IPC: G06F21/56
Abstract: 本发明涉及一种基于机器学习的硬件木马定位方法，包括以下步骤：分析其网表结构，选择并提取电路结构特征；探究硬件木马类型，将硬件木马分为信息泄露型和控制信号型；从待测芯片中选择若干样本作为训练数据，剩下的芯片作为测试数据；对于信息泄露型木马使用oneclasssvm算法检测，对于控制信号型硬件木马使用BP神经网络进行检测；使用训练数据训练分类器，使用测试数据进行测试，统计结果；将最后的识别结果与理想结果进行对比，找到已经识别的木马线网。上述基于机器学习的硬件木马定位方法不需要复杂的实验环境、大量的时间和实验成本就可以定位出一个网表中的硬件木马。
-
公开(公告)号：CN109558700B
公开(公告)日：2022-05-17
申请号：CN201910111598.4
申请日：2019-02-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于DSM‑ABC算法的四级齿轮设计方法，采用双搜索机制改进的人工蜂群算法并优化四级齿轮设计问题。将四级齿轮设计问题抽象成4个结构参数和1个目标函数的数学模型用于算法的优化设计。从设计结果可以看出，本发明所提出的算法（DSM‑ABC）能够较好的设计出齿轮比较小的四级齿轮。
-
Patent Agency Ranking
公开(公告)号：CN109858246A
公开(公告)日：2019-06-07
申请号：CN201811579102.8
申请日：2018-12-24
Applicant: 福州大学
Abstract: 本发明提供一种针对控制信号型硬件木马的分类方法，上述硬件木马分类方法的流程包括：分析电路网表结构；选择并提取电路结构特征；从待测芯片中选择若干样本作为训练数据，剩下的芯片作为测试数据；使用训练数据训练BP神经网络，获得一个训练好的BP神经网络；将测试数据输入到这个BP神经网络，不断调整隐藏层的数量，挑选最好的测试结果，得到最优的隐藏层数量和节点数量。本发明不需要复杂的实验环境、大量的时间和实验成本就可以有效的检测出一个网表中是否包含硬件木马。
-
公开(公告)号：CN109558700A
公开(公告)日：2019-04-02
申请号：CN201910111598.4
申请日：2019-02-12
Applicant: 福州大学
Abstract: 本发明涉及一种基于DSM-ABC算法的四级齿轮设计方法，采用双搜索机制改进的人工蜂群算法并优化四级齿轮设计问题。将四级齿轮设计问题抽象成4个结构参数和1个目标函数的数学模型用于算法的优化设计。从设计结果可以看出，本发明所提出的算法（DSM-ABC）能够较好的设计出齿轮比较小的四级齿轮。
-
公开(公告)号：CN109960879A
公开(公告)日：2019-07-02
申请号：CN201910229349.5
申请日：2019-03-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于不可信IP核的系统级芯片安全设计方法，首先采用高阶合成技术完成RTL的安全设计；然后将芯片的RTL文件通过一系列的逻辑综合转换成门级网表；接着分析门级网表的逻辑结构，提取标准网表特征；将收集的门级电路的标准网表特征样本分为训练数据集与测试数据集，并采用训练数据集对梯度提升算法进行训练，得到基于梯度提升的硬件木马分类器；最后通过交叉验证法，将测试数据集输入到训练好的梯度提升木马分类器中，得到基于该模型的硬件木马预测结果。本发明从IP供应链源头设计一条自适应性强，复用性高，扩展性广，快速且智能的SoC安全设计架构。
-
公开(公告)号：CN109684834A
公开(公告)日：2019-04-26
申请号：CN201811567722.X
申请日：2018-12-21
Applicant: 福州大学
CPC classification number: G06F21/554 , G06F21/561
Abstract: 本发明涉及一种基于XGBoost的门级硬件木马识别方法。对集成电路门级网表进行解析，采集不同门级网表中各net的特征数据集；采用留一法，将门级网表特征数据集分为训练数据集和测试数据集；利用训练数据集对XGBoost分类器进行训练，得到初始的门级网表硬件木马检测模型，并对测试数据集进行硬件木马的检测，依据混淆矩阵进行测试结果的统计；根据检测结果的混淆矩阵，可计算得到Recall（R）、F-measure、Precision（P）和Accuracy指标；若4个指标的平均结果偏低，则对门级网表硬件木马检测模型进行参数调整优化；将待检测的门级网表进行特征数据集的提取，并将数据集输入到训练优化后的门级网表硬件木马检测模型中，即可判定该门级网表中是含有硬件木马。
-
公开(公告)号：CN109684834B
公开(公告)日：2022-10-25
申请号：CN201811567722.X
申请日：2018-12-21
Applicant: 福州大学
Abstract: 本发明涉及一种基于XGBoost的门级硬件木马识别方法。对集成电路门级网表进行解析，采集不同门级网表中各net的特征数据集；采用留一法，将门级网表特征数据集分为训练数据集和测试数据集；利用训练数据集对XGBoost分类器进行训练，得到初始的门级网表硬件木马检测模型，并对测试数据集进行硬件木马的检测，依据混淆矩阵进行测试结果的统计；根据检测结果的混淆矩阵，可计算得到Recall（R）、F‑measure、Precision（P）和Accuracy指标；若4个指标的平均结果偏低，则对门级网表硬件木马检测模型进行参数调整优化；将待检测的门级网表进行特征数据集的提取，并将数据集输入到训练优化后的门级网表硬件木马检测模型中，即可判定该门级网表中是含有硬件木马。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.017 seconds)
