基于深度学习的门级硬件木马定位方法及系统

摘要

本发明涉及一种基于深度学习的门级硬件木马定位方法及系统，该方法首先获取七个公开门级网表文件，得到训练集和测试集；接着进行预处理，用深度优先搜索算法将网表文件转换成路径语句，完成路径生成；然后构造并训练用于检测和定位的TextCNN模型；将测试集的路径集合输入模型，得到预检测结果；对预检测结果进行路径划分和构造虚拟定位坐标，得到用于定位的短路径集合SL；最后将SL输入TextCNN模型，得到定位结果P。本发明实现快速有效的评估集成电路的安全性能并即使发现和瞄准威胁。