【摘 要】
：
针对恶意的第三方厂商在电路设计阶段中植入硬件木马的问题,该文提出一种基于XGBoost的混合模式门级硬件木马检测方法。该检测方法将电路的每个线网类型作为节点,采用混合模式3层级的检测方式。首先,基于提取的电路静态特征,利用XGBoost算法实现第1层级的检测。继而,通过分析扫描链的结构特征,对第1层级分离得到的正常电路继续进行第2层级的面向扫描链中存在木马电路的静态检测。最后,在第3层级采用动态检
【基金项目】
：
国家自然科学基金(61701228,61106029),模拟集成电路重点实验室基金(61428020304),航空科学基金(20180852005)。
论文部分内容阅读
针对恶意的第三方厂商在电路设计阶段中植入硬件木马的问题,该文提出一种基于XGBoost的混合模式门级硬件木马检测方法。该检测方法将电路的每个线网类型作为节点,采用混合模式3层级的检测方式。首先,基于提取的电路静态特征,利用XGBoost算法实现第1层级的检测。继而,通过分析扫描链的结构特征,对第1层级分离得到的正常电路继续进行第2层级的面向扫描链中存在木马电路的静态检测。最后,在第3层级采用动态检测方法进一步提升检测的准确性。Trust-Hub基准测试集的实测结果表明,该方法与现有的其他检测方法相比
其他文献
大规模灾难事件可能对通信网基础设施造成严重的威胁和破坏。针对大规模灾难风险下虚拟网的生存性问题,该文提出一种多虚拟机快速协同撤离(MRCE)机制。该机制采用后复制迁移技术实现虚拟机的在线迁移,通过基础迁移带宽的分配和升级,对属于同一虚拟网的多个风险虚拟机进行快速协同撤离,以减少单个虚拟网的撤离完成时长,降低损毁风险。仿真结果表明,该机制能在不同考察周期内获得较好的虚拟网撤离完成率和平均撤离完成时长
针对现有基于多层线性感知器(Multi-Layer Perceptron, MLP)神经网络的DDoS攻击检测模型参数更新方法(MLP-UD)易遗忘模型训练原参数所用的DDoS攻击数据集(原数据集)知识、时间空间开销大的问题,该文提出一种基于弹性权重保持(Elastic Weight Consolidation, EWC)算法的模型参数更新方法(EWC-UD)。首先,使用K-Means算法计算原数
“‘廉考’的题还挺难的，手机、资料都交了，不是认真复习过的话，还真难‘过关’！”在向监考人员举手示意后，答完任前廉政法规知识测试题的蒲朝辉，在测试系统慎重而紧张地点击“提交试卷”。这是绵竹市近日举行的新任职领导干部任前廉政测试及教育活动的一幕。 “任前廉政测试及教育活动，已成为绵竹市推进党风廉政建设的一项重要制度安排。”该市纪委常委、监委委员钱哨介绍，以前的任前廉政教育只有廉政法规知识测试一项，
去年10月，“阳光问廉”走进巴州区开播，现场面对面提问68人次，普及新《纪律处分条例》条款9条，直播期间网络点赞达4.79万人次，超过130万人通过电视、广播、网络和手机APP收听收看，其中，网络和“无线巴中”APP收看人数均创历史新高。节目播出后，相关单位迅速行动，开展残联、医保2个系统治理，启动信访办理、城市文明乱象等4个方面专项整治，大力维护群众切身利益，获得辖区群众广泛点赞。 聚焦“三个
针对室内广义空移键控(GSSK)调制的可见光通信(VLC)系统,该文提出一种基于支持向量机(SVM)的机器学习信号检测算法。在一般的VLC系统中,极大似然(ML)检测是最优检测算法,但是ML检测算法具有很高的计算复杂度。为了解决此问题,该文利用机器学习中的SVM分类思想实现对系统接收端的信号检测,以在保证信号检测正确率的情况下,降低计算复杂度,提高GSSK-VLC系统的信号检测效率。仿真结果表明,
该文提出一种基于全卷积深度残差网络、结合生成式对抗网络思想的基于属性一致的物体轮廓划分模型。采用物体轮廓划分网络作为生成器进行物体轮廓划分;该网络运用结构相似性作为区域划分的重构损失,从视觉系统的角度监督指导模型学习;使用全局和局部上下文判别网络作为双路判别器,对区域划分结果进行真伪判别的同时,结合对抗式损失提出一种联合损失用于监督模型的训练,使区域划分内容真实、自然且具有属性一致性。通过实例验证
针对能量收集认知无线网络中的多跳中继传输问题,该文构建了一种新的具有主网络干扰的功率信标(PB)辅助能量收集认知多跳中继网络模型,并提出单向传输方案。在干扰链路统计信道状态信息场景下,推导了次网络精确和渐近总中断概率闭合式。针对精确总中断概率表达式的复杂性和非凸性,采用自适应混沌粒子群优化(ACPSO)算法对次网络总中断性能进行优化。仿真结果表明,PB功率、干扰约束、次网络跳数、能量收集比率、主接
心电图(ECG)信号的准确分类对于心脏病的自动诊断非常重要。为了实现对心律失常的智能分类,该文提出一种基于小波分解和1D-GoogLeNet的精确分类方法。在该方法中,利用Db6小波对ECG信号进行8级分解,得到既含时域信息又有频域信息的多维数据。随后,分解的样本用作1D-GoogLeNet的输入训练该模型。在提出的1D-GoogLeNet模型中,借鉴Inception在图像特征提取中的优异性能,
特征选择是机器学习、自然语言处理和数据挖掘等领域中数据预处理阶段必不可少的步骤。在一些基于信息论的特征选择算法中,存在着选择不同参数就是选择不同特征选择算法的问题。如何确定动态的非先验权重并规避预设先验参数就成为一个急需解决的问题。该文提出动态加权的最大相关性和最大独立性(WMRI)的特征选择算法。首先该算法分别计算新分类信息和保留类别信息的平均值。其次,利用标准差动态调整这两种分类信息的参数权重
针对单模态的心电信号(ECG)或光电容积脉搏波信号(PPG)识别技术中存在的精度不高,未考虑类内相关性等问题,该文提出基于判别相关分析法(DCA)对ECG与PPG组合特征矩阵进行特征层融合以及对K-最近邻(KNN)和支持向量机(SVM)分类器在决策层融合的识别方法。实验结果表明,使用融合特征(ECG-PPG)与融合分类器(KNN-SVM)的方法对23名受试者进行分类识别的准确率可以达到98.2%,