基于灰度圖譜分析的IP 軟核硬件木馬檢測方法

倪林，劉子輝，張帥?，韓久江，鮮明

（1.國防科技大學(xué)電子科學(xué)學(xué)院，湖南 長沙 410073；2.國防科技大學(xué)信息通信學(xué)院，湖北 武漢 430030）

0 引言

近年來，從應(yīng)用軟件到操作系統(tǒng)再到硬件芯片，黑客在電子系統(tǒng)方面的滲透無孔不入，對信息安全的威脅也呈指數(shù)級(jí)增長。應(yīng)用軟件和操作系統(tǒng)中的病毒、惡意軟件等惡意程序給信息安全帶來了極大風(fēng)險(xiǎn)，此外，隱藏在底層硬件中的木馬不僅難以發(fā)現(xiàn)且無法通過打補(bǔ)丁方式消除，給硬件安全帶來更大的隱患。

隨著各種智能設(shè)備的普及，嵌入式芯片被廣泛使用，惡意硬件邏輯帶來的危害也進(jìn)一步放大［1］。在集成電路設(shè)計(jì)分工全球化的背景下，芯片供應(yīng)鏈路的每個(gè)環(huán)節(jié)都可能存在風(fēng)險(xiǎn)［2-3］。集成電路的設(shè)計(jì)、生產(chǎn)等各個(gè)環(huán)節(jié)均存在不可控因素，一旦被別有用心的第三方插入硬件木馬，則會(huì)帶來巨大的安全威脅［4-5］。在航空航天、軍事工業(yè)等特殊行業(yè)中，如果使用的這些非可控芯片發(fā)生了安全問題，產(chǎn)生的影響是不可估量的。在電子設(shè)計(jì)自動(dòng)化（EDA）工具的輔助下，為加快設(shè)計(jì)進(jìn)度，構(gòu)成系統(tǒng)級(jí)芯片（SoC）的各個(gè)關(guān)鍵模塊大量使用可復(fù)用第三方知識(shí)產(chǎn)權(quán)（IP）軟核實(shí)現(xiàn)［6］，這些可復(fù)用的第三方IP 軟核的安全性難以保證，因此，實(shí)現(xiàn)IP 軟核的“自主可控”與“自主可信”成為當(dāng)前形勢下各類信息系統(tǒng)的迫切需求。

目前，在國內(nèi)對IP 軟核硬件木馬檢測的方法中，基于流片后反向分析的破壞式檢測不僅耗時(shí)而且費(fèi)用昂貴，且這些檢測方法不能很好地檢測集成度不斷提高、結(jié)構(gòu)日趨復(fù)雜的芯片［7-8］?？蓽y試性設(shè)計(jì)（DFT）輔助檢測方法目前只支持Verilog 硬件描述語言（HDL）代碼，不支持其他類型的代碼。通過對旁路信號(hào)進(jìn)行分析的硬件木馬檢測方法可能會(huì)被工藝變量和各種噪聲影響，對微小惡意邏輯的檢測準(zhǔn)確度不高［9-10］。采用邏輯檢測方法，其測試向量構(gòu)造復(fù)雜，檢測復(fù)雜邏輯時(shí)容易錯(cuò)漏。

為從源頭進(jìn)行IP 軟核硬件木馬檢測分析，本文提出一種基于灰度圖譜匹配的檢測方法。以Trust-Hub 庫中的“Golden”軟核為基準(zhǔn)，基于灰度圖譜，以分塊匹配原則為準(zhǔn)則，實(shí)現(xiàn)對第三方“非可控”IP 軟核硬件木馬的檢測，以確保IP 軟核的安全性。

1 硬件木馬及其在IP 軟核中的實(shí)現(xiàn)特征

芯片安全性一直是國內(nèi)外相關(guān)人員關(guān)注的重點(diǎn)，特別是最近幾年，芯片集成度越來越高，工藝愈加復(fù)雜［11］，如目前高端智能芯片常采用三維（3D）堆疊技術(shù)進(jìn)行集成，在工藝環(huán)節(jié)引入的新步驟會(huì)導(dǎo)致額外的惡意邏輯風(fēng)險(xiǎn)，且多芯粒3D 堆疊技術(shù)容易造成芯片結(jié)構(gòu)復(fù)雜化，多芯粒采用的IP 核也很難做到完全自主可控，導(dǎo)致集成后難以發(fā)現(xiàn)潛在的安全風(fēng)險(xiǎn)［12-14］，這些都使得硬件木馬被惡意植入的方式更加多樣，植入的硬件木馬種類與功能各不相同，一旦被植入后將很難去除，造成的破壞難以估量，最終使得集成電路（IC）的安全難以保證。

1.1 硬件木馬電路

硬件木馬是指芯片在設(shè)計(jì)、制造階段被人為植入的具有惡意功能的電路模塊［15］，這些惡意電路模塊如果被不法分子利用，就可對原始電路進(jìn)行修改甚至破壞，以無條件觸發(fā)或特定條件觸發(fā)的啟動(dòng)方式達(dá)到篡改系統(tǒng)功能、破壞內(nèi)部結(jié)構(gòu)等目的［16-17］。雖然目前硬件木馬的功能、種類、實(shí)現(xiàn)方法多種多樣，且電路結(jié)構(gòu)復(fù)雜，但是總體上主要由觸發(fā)結(jié)構(gòu)與有效載荷2 個(gè)部分組成［18］。硬件木馬結(jié)構(gòu)如圖1所示。

圖1 硬件木馬結(jié)構(gòu)Fig.1 Hardware Trojan structure

在一般情況下，硬件木馬的觸發(fā)結(jié)構(gòu)設(shè)計(jì)是能否長期隱藏的關(guān)鍵所在，在激活前硬件木馬處于休眠狀態(tài)。而特殊情況下的硬件木馬不具有觸發(fā)邏輯，一直處于激活狀態(tài)［19-20］。

硬件木馬的有效載荷是其實(shí)現(xiàn)功能的核心，硬件木馬被激活后的破壞方式主要有泄露信息、改變功能、拒絕服務(wù)等。

1.2 IP 軟核中的硬件木馬實(shí)現(xiàn)

IP 軟核一般采用寄存器傳輸級(jí)（RTL）HDL 硬件語言描述，作為IP 核形式之一，IP 軟核是一個(gè)功能完整的模塊，在電路設(shè)計(jì)中能夠加速設(shè)計(jì)流程，為設(shè)計(jì)者提供較好的彈性空間。IP 軟核硬件木馬是硬件描述語言（Verilog 或VHDL）所描述的功能規(guī)范之外的冗余電路，其可能是被插入的惡意電路，也可能是被惡意利用的設(shè)計(jì)漏洞或用于測試的后門邏輯。這些冗余電路只要能產(chǎn)生功能規(guī)范外的電路輸出或狀態(tài)改變，對涉及國家重要領(lǐng)域的核心系統(tǒng)而言，都可能引發(fā)災(zāi)難性安全問題［21］。從IP 軟核的設(shè)計(jì)制造全流程來看，在硬件設(shè)計(jì)源頭對硬件木馬進(jìn)行檢測可行性較強(qiáng)。

在RTL 層面進(jìn)行電路設(shè)計(jì)時(shí)一般將邏輯電路分成不同的獨(dú)立模塊，未劃分前即為原始模塊，在植入硬件木馬時(shí)根據(jù)實(shí)現(xiàn)方式的不同插入到對應(yīng)的模塊中，原始模塊和獨(dú)立模塊中都有可能被植入硬件木馬。如圖2 所示，存在觸發(fā)結(jié)構(gòu)的硬件木馬可以根據(jù)需求將有效載荷和觸發(fā)結(jié)構(gòu)在同一模塊或不同模塊中實(shí)現(xiàn)［22］。硬件木馬實(shí)現(xiàn)的具體方式為修改原始功能或新增額外功能。

圖2 硬件木馬實(shí)現(xiàn)方式Fig.2 Hardware Trojan implementation method

1.3 IP 軟核硬件木馬檢測

在芯片設(shè)計(jì)過程中，通過使用RTL 級(jí)IP 軟核可以降低設(shè)計(jì)復(fù)雜性，但同時(shí)也讓植入的硬件木馬更加靈活。在第三方IP 軟核的使用中，廠商會(huì)直接提供HDL 代碼，方便進(jìn)行配置。植入的硬件木馬一般會(huì)對代碼進(jìn)行改動(dòng)，因此，從RTL 級(jí)對硬件木馬進(jìn)行檢測是可行且有效的。

傳統(tǒng)的RTL 級(jí)硬件木馬檢測方法主要有特征匹配、抽象檢測、信號(hào)追蹤［23-25］等3 種，這些檢測方法均將RTL 級(jí)硬件木馬的固有特性、Verilog HDL 代碼結(jié)構(gòu)或語法規(guī)則所體現(xiàn)出來的特征作為檢測條件，在不同的場景下會(huì)存在一些缺陷。當(dāng)IP 軟核內(nèi)的代碼程序進(jìn)行了加密處理，傳統(tǒng)檢測手段就難以對硬件木馬進(jìn)行有效檢測。無論是加密還是不加密，其核心在于對原始代碼是否改變。本文通過灰度圖譜匹配進(jìn)行硬件木馬RTL 級(jí)檢測，是將分析過程從易變的代碼維度轉(zhuǎn)換到靜態(tài)的圖譜維度，圖譜檢測所依賴的是RTL 級(jí)代碼映射在灰度圖像上反映出的數(shù)值信息，并非內(nèi)部語法結(jié)構(gòu)或語義信息，在硬件木馬RTL 級(jí)檢測方法中具有特殊優(yōu)勢，對加密或未加密IP 軟核均適用。

2 IP 軟核硬件木馬檢測模型

IP 軟核中惡意邏輯的檢測一直是困擾安全人員的難題，由于IP 軟核的知識(shí)產(chǎn)權(quán)保護(hù)特性，對其進(jìn)行全覆蓋測試不可能完備，使得隱藏在IP 軟核正常功能描述代碼中的硬件木馬難以激活，尤其是針對加密IP 軟核更加缺少可行的手段［26-27］。

硬件木馬在設(shè)計(jì)過程中多通過關(guān)鍵詞隱藏、語義融合等方式提高其隱蔽性，將IP 軟核轉(zhuǎn)成對應(yīng)的灰度圖譜時(shí)，在灰度圖譜的維度只要改變功能描述，其反映出的特征將不一致。從灰度圖譜差異的角度進(jìn)行分析，選擇合適的像素精度進(jìn)行分塊遍歷匹配，分析遍歷匹配后最大相似度的分布特性，可以實(shí)現(xiàn)硬件木馬檢測，且這種方法不需要考慮硬件木馬隱藏邏輯的實(shí)現(xiàn)方式和功能特點(diǎn)，適應(yīng)性較好。

2.1 IP 軟核硬件木馬檢測流程

本文以Trust-Hub 構(gòu)建的“Golden”軟核灰度圖譜集作為標(biāo)準(zhǔn)，提出基于灰度圖譜分析的IP 軟核硬件木馬檢測方法，從IP 軟核硬件描述語言程序上對硬件木馬進(jìn)行檢測并完成初步實(shí)現(xiàn)。

實(shí)現(xiàn)灰度圖譜匹配IP 軟核中硬件木馬檢測的技術(shù)難點(diǎn)為：一是多領(lǐng)域、全覆蓋的“Golden”軟核集建立，并將其映射為灰度圖譜；二是硬件木馬匹配檢測中的實(shí)現(xiàn)細(xì)節(jié)以及對映射的灰度圖譜進(jìn)行匹配時(shí)的算法設(shè)計(jì)。這2 個(gè)技術(shù)難點(diǎn)的突破是實(shí)現(xiàn)高效與準(zhǔn)確檢測的基礎(chǔ)。基于灰度圖譜特征的IP 軟核硬件木馬檢測流程如圖3 所示，具體步驟分為：

圖3 IP 軟核硬件木馬檢測流程Fig.3 Hardware Trojan detection procedure of IP soft core

1）硬件木馬的RTL 級(jí)代碼解析。硬件木馬在IP軟核中以Verilog HDL 硬件語言描述存儲(chǔ)，該步驟主要是將HDL 語言轉(zhuǎn)換成灰度圖譜數(shù)據(jù)。

2）“Golden”標(biāo)準(zhǔn)軟核集構(gòu)建。以Trust-Hub 標(biāo)準(zhǔn)硬件木馬庫中的AES、DES、RS232 及其他基準(zhǔn)電路為基礎(chǔ)，通過對標(biāo)準(zhǔn)IP 軟核實(shí)例進(jìn)行處理，構(gòu)建有效的“Golden”軟核灰度圖譜集。

3）灰度圖譜匹配檢測。待測IP 軟核與“Golden”軟核的圖譜匹配是檢測的核心，通過分塊匹配算法實(shí)現(xiàn)。

4）可疑灰度圖譜特征的篩選與定位。選定合適的像素矩陣大小，通過逐塊遍歷匹配的方式得到待測圖譜每個(gè)分塊與“Golden”軟核灰度圖譜的差異值，選擇相關(guān)性最高的數(shù)值作為該塊矩陣的相似特征，對輸出圖像進(jìn)行判斷，得到檢測結(jié)果。

2.2 “Golden”軟核集構(gòu)建

對于RTL 級(jí)IP 軟核硬件木馬檢測而言，檢測的關(guān)鍵在于找到待測IP 軟核與“Golden”軟核的差異，構(gòu)建“Golden”軟核的灰度圖譜庫。在此基礎(chǔ)上，實(shí)現(xiàn)對灰度圖譜的有效處理和特征顯化，提出合理的硬件木馬檢測分析流程，在流程中最大限度地利用IP 軟核的灰度圖譜特征，分析待測軟核與“Golden”軟核的差異，從而實(shí)現(xiàn)硬件木馬檢測。

2.2.1 Trust-Hub 平臺(tái)

硬件木馬檢測是一個(gè)熱門研究方向，由于硬件木馬性質(zhì)的特殊性，使得公開的硬件木馬設(shè)計(jì)實(shí)例極少。Trust-Hub 平臺(tái)提供了硬件安全研究所需的資源，其包含多種被廣泛應(yīng)用的電路，如AES、RS232、MC8051、Basic RSA 等，并且針對每種電路都插入了由小到大不同規(guī)模的各種硬件木馬，具有良好的通用性，因此，該網(wǎng)站基準(zhǔn)電路數(shù)據(jù)集的可信度及檢測的可行性較高。

2.2.2 “Golden”軟核集構(gòu)建流程

“Golden”軟核集的構(gòu)建以Trust-Hub 庫中的標(biāo)準(zhǔn)電路為基礎(chǔ)，可以快速建立并及時(shí)更新擴(kuò)充標(biāo)準(zhǔn)電路，確保檢測準(zhǔn)確度?！癎olden”軟核集構(gòu)建的整體流程為：從庫中取出已知IP 軟核的標(biāo)準(zhǔn)電路源代碼，通過灰度圖譜算法進(jìn)行相關(guān)處理，得到“Golden”軟核圖譜，同理獲得其他類型的標(biāo)準(zhǔn)電路，得到“Golden”軟核集。上述過程實(shí)現(xiàn)流程如圖4 所示。

圖4 “Golden”軟核集構(gòu)建流程Fig.4 "Golden" soft core set construction procedure

“Golden”軟核集的構(gòu)建步驟如下：

1）從Trust-Hub 庫中選取標(biāo)準(zhǔn)電路進(jìn)行灰度圖譜轉(zhuǎn)換，得到RTL 級(jí)文件的二進(jìn)制數(shù)據(jù)流，具體過程如算法1 所示。

算法1“Golden”數(shù)據(jù)圖譜轉(zhuǎn)換算法

3 IP 軟核硬件木馬檢測算法

灰度圖譜匹配算法的核心在于將硬件木馬RTL級(jí)程序映射成灰度圖譜進(jìn)行檢測，對加密和非加密的IP 軟核均適用，不需要借助硬件木馬的語義特征、行為特征等進(jìn)行篩選檢測，而是通過RTL 級(jí)程序在灰度圖譜上的數(shù)值進(jìn)行分析。雖然硬件木馬可能存在不同變種，這些變種的代碼、結(jié)構(gòu)等有一定區(qū)別，但是從同一個(gè)木馬源文件演化出的變種依舊會(huì)有相似性，這種相似性可以體現(xiàn)在硬件木馬對應(yīng)的灰度圖譜中。通過將灰度圖譜的方法應(yīng)用到硬件木馬檢測中，可以有效實(shí)現(xiàn)對IP 軟核安全性的判定。

3.1 灰度圖譜

灰度圖譜即只用黑白來表示圖像中的亮度信息，不關(guān)注其中的色彩值。為了方便亮度值的量化，同時(shí)便于計(jì)算機(jī)進(jìn)行處理，可以將灰度分成0～255共256 個(gè)級(jí)別，其中0 代表全黑（最暗），255 代表全白（最亮）。將IP 軟核內(nèi)的RTL 級(jí)程序通過算法得到對應(yīng)的灰度圖像，即程序文件的灰度圖譜，具體流程如圖5 所示。

圖5 灰度圖譜的產(chǎn)生流程Fig.5 Procedure of grayscale map generation

灰度圖譜算法是把RTL 級(jí)程序映射成灰度圖譜的具體實(shí)現(xiàn)過程，其步驟如算法3 所示。

算法3灰度圖譜算法

3.2 灰度圖譜匹配

正常轉(zhuǎn)換后的灰度圖譜較大，紋理特征無法明顯表示出來，為提升檢測精度，選取分塊匹配的方式進(jìn)行處理，從圖譜中取出一個(gè)分塊圖譜A，從另一圖譜中取出與A 相同尺寸的分塊圖譜B，對A 與B 進(jìn)行像素值的差值計(jì)算，將得到對應(yīng)像素的差值用矩陣K［i］進(jìn)行保存，具體匹配過程如圖6 所示。

圖6 匹配檢測過程Fig.6 Matching detection process

像素值的差值計(jì)算與矩陣的差值計(jì)算相似，計(jì)算方式為：

將得到的差值矩陣K［i］進(jìn)行矩陣求和，將得到的求和值SSum保存到I［i，j］。矩陣求和運(yùn)算公式為：

I［i，j］需要進(jìn)行正值處理，將矩陣中所有元素變?yōu)檎?，取絕對值即可，運(yùn)算公式為：

經(jīng)過正值化的I［i，j］就是圖譜A 與圖譜B 在對應(yīng)像素的差值，差值的大小代表兩者在圖譜對應(yīng)位置的差異，差值越大，表示兩者區(qū)別越大；反之，兩者相似度越高。

3.3 圖譜差異檢測

通過圖譜匹配得到圖譜A 與圖譜B 的差異值I［i，j］。I［i，j］每一行代表從圖譜A 中取出的每一個(gè)分塊圖譜與圖譜B 中每一個(gè)分塊圖譜的差異，找到此行中最小的差異值，就代表取出的待測分塊在“Golden”圖譜最相似的位置。對I［i，j］的每一行進(jìn)行取最小值處理，并把結(jié)果保存到Min［x］，其最小值函數(shù)表達(dá)式為：

4 實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)利用Winhex、Matlab 工具，實(shí)現(xiàn)灰度圖譜轉(zhuǎn)換、匹配檢測等功能，并以Trust-Hub 庫中典型的B19-T100、S38417-T200、Wb_conmax-T100 等系列IP 軟核為例進(jìn)行實(shí)驗(yàn)驗(yàn)證。

4.1 實(shí)驗(yàn)對象

IP 軟核B19-T100 中設(shè)計(jì)實(shí)現(xiàn)的是一種典型的硬件木馬，該硬件木馬觸發(fā)器是一個(gè)特定的矢量（10110101）計(jì)數(shù)器，它會(huì)用另一個(gè)特定的矢量（11111111）重置，當(dāng)計(jì)數(shù)器值在100～110 之間時(shí)木馬觸發(fā)器即被激活。木馬的有效載荷是一個(gè)“或”門，通過重新連接設(shè)計(jì)網(wǎng)絡(luò)。按照硬件木馬分類原則，它屬于在設(shè)計(jì)階段插入的門級(jí)別、內(nèi)部基于時(shí)間觸發(fā)、改變系統(tǒng)功能的硬件木馬，同時(shí)其物理特征表現(xiàn)為緊密、功能與布局相同。B19-T100 所植入的木馬代碼如下：

4.2 檢測過程

4.2.1 預(yù)處理

首先將待測樣本IP 軟核的RTL 級(jí)文件取出，通過處理得到待測樣本的十六進(jìn)制數(shù)據(jù)流，命名為“Sample to be tested”，“Golden”軟核重復(fù)上述操作，文件命名為“Golden Set”。將處理得到的十六進(jìn)制數(shù)據(jù)流作為Matlab 的輸入，分別得到新矩陣G［i］與C［i，j］，分別取 待測樣本G［i］與“Golden Set”的C［i，j］并進(jìn)行標(biāo)準(zhǔn)化，將數(shù)據(jù)量大小設(shè)為9×105，灰度圖譜大小設(shè)為1 800×500，圖譜大小的設(shè)定需要通過多次實(shí)驗(yàn)得到，太小會(huì)導(dǎo)致特征信息損失無法識(shí)別，太大不僅導(dǎo)致計(jì)算量過大，也會(huì)導(dǎo)致特征信息被淹沒，識(shí)別效果不明顯。

4.2.2 圖譜匹配

設(shè)定分塊圖譜大小為5×500 并進(jìn)行匹配，通過循環(huán)遍歷進(jìn)行滑動(dòng)匹配，基于矩陣數(shù)值實(shí)現(xiàn)像素級(jí)的差值計(jì)算，循環(huán)得到所有待測樣本分塊在“Golden Set”相應(yīng)位置上的差異值。對每一次差值計(jì)算完成的數(shù)據(jù)進(jìn)行累加，差異值的大小反映在數(shù)值上而非符號(hào)上，因此，需要進(jìn)行絕對值處理。

4.2.3 差異檢測結(jié)果分析

對完成匹配檢測后得到的數(shù)據(jù)進(jìn)行取最小值處理，并記錄取值的位置，使用plot 函數(shù)對結(jié)果進(jìn)行展示輸出。通過對Min［x］進(jìn)行輸出，觀察最大相似度的分布特性，判斷圖像是否存在明顯尖峰，若存在明顯尖峰，則證明待測樣本中含有硬件木馬，反之，則不含有硬件木馬。IP 軟核B19-T100 實(shí)驗(yàn)結(jié)果如圖7、圖8 所示。

圖7 B19-T100 含木馬樣本檢測匹配結(jié)果Fig.7 Detection and matching results of samples containing Trojans in B19-T100

圖8 B19-T100 不含木馬樣本檢測匹配結(jié)果Fig.8 Detection and matching results of samples without Trojans in B19-T100

從含有硬件木馬程序的IP 軟核與“Golden”軟核的灰度圖譜匹配結(jié)果中可以發(fā)現(xiàn)明顯的尖峰，這就表明待測樣本中出現(xiàn)了與“Golden”軟核較大的特征差異，說明待測樣本此段代碼與“Golden”軟核內(nèi)的代碼不相符，極有可能是被惡意植入的硬件木馬。從實(shí)驗(yàn)回溯情況來看，3 個(gè)尖峰對應(yīng)的位置均為木馬代碼出現(xiàn)的位置，這種方法不僅可以檢測是否存在木馬，也可以用來定位木馬所在位置。在圖8 中，用不含硬件木馬程序的IP 軟核與“Golden”軟核進(jìn)行灰度圖譜匹配檢測，其中未發(fā)現(xiàn)明顯尖峰，這就表明此軟核含有硬件木馬的概率極低。

同理，以相同的實(shí)驗(yàn)條件分別對S38417-T200、Wb_conmax-T100 進(jìn)行檢測，結(jié)果如圖9～圖12 所示?？梢钥闯?，3 種類型的硬件木馬在結(jié)構(gòu)、功能方面差異較大，且插入位置不唯一，本文方法對不同類型硬件木馬進(jìn)行檢測時(shí)檢測圖像有較大區(qū)別，但均可以實(shí)現(xiàn)惡意邏輯的檢測和定位。

圖9 S38417-T200 含木馬樣本檢測匹配結(jié)果Fig.9 Detection and matching results of samples containing Trojans in S38417-T200

圖10 S38417-T200 不含木馬樣本檢測匹配結(jié)果Fig.10 Detection and matching results of samples without Trojans in S38417-T200

圖11 Wb_conmax-T100 含木馬樣本檢測匹配結(jié)果Fig.11 Detection and matching results of samples containing Trojans in Wb_conmax-T100

圖12 Wb_conmax-T100 不含木馬樣本檢測匹配結(jié)果Fig.12 Detection and matching results of samples without Trojans in Wb_conmax-T100

為進(jìn)一步驗(yàn)證并分析算法的有效性，選取5 個(gè)類型共18 種硬件木馬進(jìn)行實(shí)驗(yàn)。表1 列出了B19、B15、S38417、S38584、Wb_conmax 系列硬件木馬的功能與所占源程序的體量，通過圖譜檢測，對以上木馬的檢測識(shí)別率達(dá)到了92%以上。

表1 圖譜檢測的木馬識(shí)別率Table 1 Trojan recognition rate for graph detection

上述實(shí)驗(yàn)結(jié)果充分說明了灰度圖譜檢測的有效性，該算法在多次測試的基礎(chǔ)上，選取檢測效率最高的分塊大小進(jìn)行分析，將待測軟核中的每一個(gè)分塊圖譜在“Golden”軟核的灰度圖譜中進(jìn)行一次遍歷，若此待測分塊中沒有硬件木馬，遍歷后會(huì)在“Golden”軟核圖譜中有一個(gè)位置與之對應(yīng)。雖然匹配過程中會(huì)出現(xiàn)位移偏差，但是經(jīng)過求和統(tǒng)計(jì)后，偏差可忽略不計(jì)。此外，通過取最小值處理，也可以降低誤差，提高檢測的準(zhǔn)確性。從差異值分布特性的結(jié)果可以明顯看出硬件木馬是否存在，從而實(shí)現(xiàn)對IP 軟核RTL 級(jí)硬件木馬的檢測識(shí)別。

5 結(jié)束語

隨著集成電路產(chǎn)業(yè)的飛速發(fā)展，IP 軟核被惡意植入硬件木馬的風(fēng)險(xiǎn)與日俱增，通過在IP 軟核的RTL 級(jí)設(shè)計(jì)階段進(jìn)行硬件木馬檢測可以避免被惡意攻擊。本文提出的灰度圖譜匹配檢測方法實(shí)現(xiàn)了對IP 軟核硬件木馬的有效檢測，與傳統(tǒng)基于功能測試和特征匹配的方法相比，該方法能有效應(yīng)對硬件木馬變種多、加密處理失效的問題，具有硬件木馬檢測效率高、不受加密處理影響等特點(diǎn)，對于保證芯片使用安全具有一定的現(xiàn)實(shí)意義。下一步將對“Golden”軟核庫進(jìn)行完善，擴(kuò)充檢測適用范圍，可引入神經(jīng)網(wǎng)絡(luò)進(jìn)行硬件木馬種類識(shí)別，實(shí)現(xiàn)對硬件木馬的精準(zhǔn)分類。