第13周大组讨论会

时间：2018年11月27日，19：00

地点：双子楼A座 1706

报告人：高良俊

报告题目：基于长短时记忆网络(LSTM)的PMV预测

报告摘要：

    由于设计和制造外包给代工厂，集成电路（IC）的恶意修改问题，也称为硬件木马（HT），已引起学术界和工业界的关注。为了降低与木马相关的风险，研究人员提出了不同的方法来检测它们。在这些方法中，测试阶段的检测方法引起了最大的关注。许多测试阶段的方法都假设存在无木马（TF）芯片/模型，也称为“黄金模型”。之前的工作建议使用逆向工程（RE）来识别这种黄金模型的TF ICs。但是，他们没有说明如何有效地做到这一点。事实上，RE是一个非常昂贵的过程，耗费大量时间和人力，也非常容易出错。在本文中，我们提出了一种创新且稳健的RE方案来识别TF ICs。我们将木马检测问题重新定义为聚类问题。然后，我们采用广泛使用的机器学习方法——K-means聚类来解决我们的问题。在几个公开可用的电路上使用最先进的工具进行的仿真结果表明，所提出的方法可以高精度地检测HT。还进行了该方法与我们先前提出的方法[1]的比较。详细讨论了这两种方法的局限性和应用场景。
[1]C. Bao, D. Forte, and A. Srivastava, “On application of one-class SVM to reverse engineering-based hardware Trojan detection,” in Proc. 15th Int. Symp. Qual. Electron. Design (ISQED), Santa Clara, CA, USA, 2014, pp. 47–54.
关键词：硬件木马检测，集成电路的安全和信任，K-means聚类，单分类支持向量机