龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安电子科技大学
摘要：本发明属于电路设计领域，公开了一种基于Bagging的硬件木马检测方法、介质、计算机，从基于Verilog的门级网表文件中，提取硬件木马电路的有效特征矩阵；使用SMOTH技术对特征数据集进行预处理，从而平衡木马电路特征和普通电路特征的数量；利用LSTM神经网络模型建立基于Bagging集成方法的检测模型；使用构建好的Bagging集成木马检测模型对门级网表进行检测。本发明对门级网表的每个逻辑门和寄存器都进行特征提取和预测，可以精准确定木马电路在门级网表中的位置，便于设计人员对门级网表进行检查和修改。另外，这种特征提取方式并不需要整个网表信息，所以便于对局部网表电路进行木马检测。
主权项：1.一种基于Bagging的硬件木马检测方法，其特征在于，所述基于Bagging的硬件木马检测方法，包括以下步骤：步骤一，从基于Verilog的门级网表文件中，提取硬件木马电路的有效特征矩阵；步骤二，使用SMOTH技术对特征数据集进行预处理，从而平衡木马电路特征和普通电路特征的数量；步骤三，利用LSTM神经网络模型建立基于Bagging集成方法的木马检测模型；步骤四，使用构建好的基于Bagging集成方法的木马检测模型对门级网表进行检测；所述步骤三中，利用LSTM神经网络模型建立基于Bagging集成方法的检测模型，具体过程为：构建6个LSTM模型，建立Bagging集成模型框架，构建求和决策树的方案进行木马分类；所述构建6个LSTM模型，具体过程为：将数据集分为训练集和测试集，从训练集中有放回的抽取出训练子集，训练子集大小设置为训练集的三分之一，数量为6个；每个训练子集训练一个LSTM模型，一共得到6个LSTM模型，将6个LSTM模型集成为Bagging模型；将整个训练集输入到已经训练好的Bagging模型中，得到6组概率输出；将6组概率输出求和，并作为决策树的训练集，对决策树进行训练；最终得到完整的木马检测模型。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于Bagging的硬件木马检测方法、介质、计算机
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号