论文部分内容阅读
针对基于旁路信号分析的硬件木马检测中存在的高维以及信号冗余度高等问题，寻求一种特征选择方法在降维、降低冗余度方面的可行性，通过考虑样本概率的分布情况，提出了一种以散度和Bhattacharyya距离作为可分性判据的特征选择方法。首先分析了旁路信号的特征选择问题，然后阐述了基于散度和Bhattacharyya距离的可分性判据，最后在FPGA中植入硬件木马，采用K-L方法进行实验，通过对样本特征选择前后的检测效果发现，这种特征选择方法不仅有助于分辨“金片”与含木马的待测芯片间旁路信号的统计差异，而且与分类错误