门级硬件木马检测模型

细粒度定位可疑结构

该模型利用双向图卷积网络直接学习电路结构特征，可同时检测多种木马类型，并定位到门级单元，减少人工审查工作量。

程栋 · 董晨 · He, Wenwu · Chen, Zhenyi · 刘西蒙 · 张浩

Journal of King Saud University - Computer and Information Sciences 2023

参数信息

基准测试集规模

24

技术优势

自动特征提取

用图卷积网络直接从电路图学习表示，省去人工设计特征。

同时检测多种木马

模型能学习适用于不同木马的自适应结构特征，不必每种木马单独训练。

可扩展到大电路

通过GraphSAINT有向图采样解决大规模训练问题，提升训练性能。

定位可疑单元

检测结果更精确，可追踪可疑结构，从而减少人工审查。

应用场景

• 芯片安全检测：自动扫描网表，标记可疑门级结构，减少人工审查。
• 集成电路设计验证：在验证流程中集成，无需参考芯片即可检测。
• 硬件安全评估：提供细粒度结果用于追踪可疑结构。