论文部分内容阅读
文章在完成木马理论分析和电路设计的基础上,研究机器学习模式分类理论,并将其应用于集成电路侧信道信息的数据处理和分析,构建了基于支持向量机的硬件木马检测模型,同时通过交叉验证的方法进行模型优化。最终在自主设计的FPGA检测平台上进行基于功耗信息的实验验证,在标准电路中植入面积为0.69%的硬件木马,可以使得检测识别率达到98.64%。