一种基于语义理解的深度学习硬件木马检测方法

摘要

本发明涉及一种基于语义理解的深度学习硬件木马检测方法，包括如下步骤：步骤S1：首先对芯片网表文件进行预处理，提取任意一个输入端口线网和输出端口线网来组成所有可能的路径对；接着在这些路径对上寻找所有存在的简单路径，并生成对应句子，再打上硬件木马标签构成带标签的句子数据集；步骤S2：把步骤S1中生成到的句子数据集进行组件类型名的去重清洗，并用word2vec完成词库训练，得到预训练好的词向量；步骤S3：来自步骤S1的句子数据集和来自步骤S2的词向量共同作为材料放入TextCNN（文本卷积神经网络）的输入层中，经过静动态相结合的词向量矩阵训练得到硬件木马的检测结果。本发明不仅可以有效地检测出硬件木马，还能保证分类器的性能稳定。