基于XGBoost的硬件木马检测方法

摘要：

在环形振荡器网络分析的基础上,提出一种基于XGBoost的硬件木马检测方法,并利用交叉验证方法进行模型优化.该方法能够利用训练样本数据集构建XGBoost分类模型,采用监督学习模式对数据进行分类,从而实现将原始电路与木马电路分离的目的.以RS232-T100、RS232-T800为木马电路,进行FPGA实验,实验结果表明:对RO在0.1 ms积分时间下的木马数据,检测率达到100％、99.20％,验证了本方法的有效性.此外,在与传统方法和其他机器学习方法比较时,基于XGBoost的检测方法表现出了更高的检测率,能对多维度向量的关联数据作特征重要性分析,而非降维,能最大限度地保留木马检测所需的关键特征.

关键词：硬件木马、XGBoost、交叉验证、环形振荡器、FPGA

所属期刊栏目：45

分类号：TN47(微电子学、集成电路（IC）)

资助基金：国家自然科学基金U1630133;中央高校基本科研业务费项目ZYGX2016J185

在线出版日期：2019-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：55-59