内容提供者
基于XGBoost的混合模式门级硬件木马检测方法.pptx
2024-10-09
20金币
4.6MB
21页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共21页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
基于XGBoost的混合模式门级硬件木马检测方法.pptx
基于XGBoost的混合模式门级硬件木马检测方法目录添加目录项标题XGBoost算法介绍XGBoost算法原理XGBoost算法在硬件木马检测中的应用XGBoost算法的优势与局限性混合模式门级硬件木马检测方法混合模式门级硬件木马检测方法概述特征提取与选择基于XGBoost的分类器设计检测结果评估实验设计与结果分析实验环境与数据集实验过程与参数设置实验结果分析结果比较与讨论结论与展望基于XGBoost的混合模式门级硬件木马检测方法的优势与贡献未来研究方向与挑战感谢观看
2024-10-09
20
4.6MB
基于XGBoost的硬件木马检测方法.pptx
基于XGBoost的硬件木马检测方法目录添加章节标题XGBoost算法介绍XGBoost算法原理XGBoost算法的优势XGBoost算法在硬件木马检测中的应用硬件木马检测方法硬件木马的危害硬件木马检测的重要性基于XGBoost的硬件木马检测方法流程实验设计与结果分析数据集介绍实验设置实验结果分析结果比较与讨论方法优缺点与改进方向基于XGBoost的硬件木马检测方法优点基于XGBoost的硬件木马检测方法缺点改进方向与未来展望结论总结研究成果对未来研究的建议THANKYOU
2024-10-09
20
6.3MB
一种基于XGBoost的门级硬件木马识别方法.pdf
本发明涉及一种基于XGBoost的门级硬件木马识别方法。对集成电路门级网表进行解析，采集不同门级网表中各net的特征数据集；采用留一法，将门级网表特征数据集分为训练数据集和测试数据集；利用训练数据集对XGBoost分类器进行训练，得到初始的门级网表硬件木马检测模型，并对测试数据集进行硬件木马的检测，依据混淆矩阵进行测试结果的统计；根据检测结果的混淆矩阵，可计算得到Recall（R）、F‑measure、Precision（P）和Accuracy指标；若4个指标的平均结果偏低，则对门级网表硬件木马检测模型进
2023-11-15
10
409KB
一种基于混合模式检验的硬件木马检测方法.pdf
本发明公开了一种基于混合模式检验的硬件木马检测方法，首先对RTL级电路设计进行逻辑综合，获得基于工艺库的门级网表，再对电路规模进行判断，根据待测电路的等效门数量判断电路规模并选择后续检测路线，若电路为大于10万门级的VLSI则先进行粗颗粒机器学习定位，再进行细颗粒结构匹配检验，若为小于10万门级的小型电路则直接进行细颗粒结构匹配检验，最后将检验结果与理想结果对比，得到硬件木马的判别与位置定位，完成木马电路的匹配与定位。本发明的方法利用物理信息可针对大规模集成电路门级网表检测，同时兼顾了小规模集成电路的门级
2023-05-31
10
1.5MB
基于机器学习的门级硬件木马检测方法研究.docx
基于机器学习的门级硬件木马检测方法研究标题：基于机器学习的门级硬件木马检测方法研究摘要：随着现代计算系统和嵌入式设备的普及，硬件安全问题日益成为了人们关注的焦点之一。其中，硬件木马作为一种隐蔽、难以检测的恶意硬件,极大地威胁了计算设备的安全性。本文针对门级硬件木马的检测问题进行研究，提出了一种基于机器学习的方法，旨在有效地检测和防止门级硬件木马的攻击。关键词：硬件木马检测、门级硬件木马、机器学习、数据集、特征提取1.引言随着计算机技术的不断发展，硬件安全问题逐渐受到广泛关注。硬件木马作为一种恶意的硬件设计
2024-10-20
5
11KB