随着集成电路产业的全球化,集成电路越来越容易受到冗余电路的恶意攻击,这种在集成电路内部执行恶意功能的冗余单元就是硬件木马,集成电路无论在设计制造还是在使用过程中都会被植入硬件木马电路。现如今由于集成电路的集成度不断增大,而硬件木马电路的面积不断减小,导致检测硬件木马更加困难。硬件木马对集成电路造成的威胁日渐严重,探寻一种高效精确的硬件木马检测技术已是目前国内外相关研究人员的工作热点。论文主要开展了基于电磁的侧信道分析技术的相关研究工作。首先分析了集成电路内部电磁辐射的基本原理:集成电路内部电流变化关系着电磁辐射信号的频率和幅度的变化;然后从理论上分析了植入硬件木马电路势必导致集成电路内部电流发生变化,进而使集成电路的电磁辐射信息发生变化;最后阐述了电磁辐射信息建立了偶极子等效模型的方法,并通分析等效模型中的各项参数的特性进一步说明用集成电路的电磁辐射信息实现硬件木马电路检测的可行性。根据电磁辐射信息的特点,设计了硬件木马电路和载体电路。同时对基于FPGA实现的含有硬件木马的ISCAS’89系列的基准电路进行检测,分别获取基准电路以及被植入硬件木马的电路的电磁辐射信息。针对硬件木马检测中数据预处理效果不佳的问题,提出了卷积神经网络处理数据的方法,并介绍了卷积神经网络进行数据处理的过程:首先根据本课题创建适用的卷积神经网络,然后把实验测试所得的一组母本电路和被植入硬件木马电路的电磁数据作训练集进行模型训练,接着将另一组母本电路和被植入硬件木马电路的电磁数据作测试集进行测试分类,得到分类的结果。在此基础上,本文选取部分获取的母本电路以及被植入硬件木马的电路的电磁辐射信息并进行整合,将整合后的电磁辐射信息作为新的训练集和测试集,然后进行测试分类,得到分类结果,进一步验证了基于卷积神经网络的硬件木马检测方法的可行性和有效性。实验结果表明,本文所述的硬件木马检测方法能够有效的检测出占母本电路面积为0.16%的硬件木马。