摘要
本发明涉及一种面向信息缺失的超大规模集成电路安全设计检测方法,属于硬件木马检测领域。所述方法,对信息缺失的超大规模集成电路门级网表设计文件进行解析,创建有向图表示并对逻辑门节点进行特征表示编码,构建电路有向图数据;使用图变分自编码器GraphVAE对有向图数据进行结构推理,并使用解码器对信息缺失的电路结构进行补全,构建补全的电路有向图数据;对补全数据进行逻辑门类型、扇入扇出数量、介数中心性、邻域类型分布计算,并组合拼接为电路门特征;构建图神经网络模型GNN,通过图卷积操作进一步提取深层次特征,并采用多层感知机进行推理训练,实现硬件木马分类。本发明可以有效地检测出信息缺失情况下门级网表的硬件木马。
技术关键词
超大规模集成电路
逻辑门
设计检测方法
节点特征
多层感知机
矩阵
门级网表
邻域
神经网络模型
标签
编码
计算机程序指令
广度优先搜索算法
硬件木马检测
解码器
数据
系统为您推荐了相关专利信息
多任务深度学习模型
虚拟电池模型
数字孪生
航空动力电池
矩阵乘法运算
LSTM模型
节点特征
组合预测模型
企业
更新模型参数
注意力
分子动力学技术
通道
多维度特征提取
多尺度特征提取