一种基于机器学习和电路行为级特征的硬件木马检测方法

摘要

本发明公开了一种基于机器学习和电路行为级特征的硬件木马检测方法，属于硬件安全的技术领域。本发明通过分析可疑电路在行为级的内在结构特征和信号特征，构建数学模型，然后通过机器学习算法训练生成各类木马的分类器，利用分类器即可对其他待检测的可疑电路进行硬件木马检测。相比于传统的硬件木马检测方法，本发明无需要求检测人员对可疑代码进行逐条分析，提高了检测效率。同时基于机器学习算法，本发明可以在后期的检测过程中针对新木马产生相应的分类器，不断学习完善，具有很强的适用性。