基于SAE-OCSVM的伪芯片检测研究

针对传统芯片检测方法存在检测效率低、要求高、适用性差等问题,提出了基于电磁旁路信号和机器学习方法的伪芯片检测框架.首先,在持有正品芯片的基础上通过引入神经网络和多种特征提取方法提取特征向量,并将正样本的指令信号作为模板库;然后,对待测芯片近场电磁信号进行加窗分帧,并对每帧信号进行特征提取;最后,将特征向量输入改进核函数的一类支持向量机进行扫描式匹配,从而达到芯片检测的目的.实验结果表明,该方法能够适用于以次充好重标记类型的伪芯片检测.

伪芯片防护研究进展及其挑战

伪芯片是与正品芯片存在差异的芯片,主要包括以假充真、以次充好、以旧充新等形式,可能导致使用寿命降低、信息泄露、系统瘫痪等严重后果,大大降低了信息系统的安全性和可靠性。随着集成电路芯片供应链的全球化发展,伪芯片问题日益突出。围绕伪芯片检测与预防两个方面,介绍了美国所制定的相关法规和标准以及伪芯片的分类方法,重点对比分析了物理检测、电气检测、旁路分析等伪芯片检测方法,讨论了芯片ID和包装ID两种方式的芯片防伪措施,最后提出了开展伪芯片问题相关研究所面临的挑战。