一种基于金刚石NV色心的硬件木马检测系统及方法

摘要

本发明公开了一种基于金刚石NV色心的硬件木马检测系统及方法，涉及集成电路硬件安全检测技术领域。本发明包括如下步骤：步骤S1：在光纤和共聚焦两种模式下实现两种不同分辨率的IC表面磁场测量与成像；步骤S2：运用PCA对测量得到的指纹性磁场信息进行降维处理；步骤S3：将处理后得到的指纹性磁场信息与黄金/仿真表面指纹性信息比对，提取异常区域磁场信息；步骤S4：运用支持向量机SVM机器学习方法进行数据处理，实现木马的识别与分类；步骤S5：完成检测。本发明通过获取待检测元件表面指纹性磁场信息，运用降维算法数据进行降维压缩、比对，获取异常数据进行处理并对木马类型进行分类，提升微小型木马的检测和分类效率。

权利要求

1.一种基于金刚石NV色心的硬件木马检测系统，其特征在于，包括磁场测量成像模块(1)和数据分析与处理模块(2)；

所述磁场测量成像模块(1)由NV色心量子探针(4)、电子学与软件控制模块(5)、光学模块(3)、微波模块(6)组成，用于实现待检测元件指纹性磁场信息的测量与成像；

所述数据分析与处理模块(2)由数据降维模块(7)和机器学习模块(8)组成，用于对磁场测量成像模块(1)得到的待检测元件表面指纹磁场信息进行数据降维与机器学习处理；

所述光学模块(3)由激光器、光电探测器、光学组件、声光调制器组成，用于实现对NV色心量子探针的激发、荧光读取操作；

所述NV色心量子探针(4)由金刚石内的NV色心组成，用于对待测元件表面磁场的探测感知；

所述电子学与软件控制模块(5)由数据采集板卡、脉冲发生器、控制软件组成，用于实现检测系统数据采集与处理、时序控制；

所述微波模块(6)由微波源、开关、分束器、合束器、放大器、循环器、天线组成，用于使用天线辐射的微波对NV色心进行量子操控；

所述数据降维模块(7)用于对测量得到的数据进行降维处理；

所述机器学习模块(8)用于利用机器学习的方法进行数据处理；

所述数据分析与处理模块(2)对测量得到的磁场成像数据进行分析处理，分析处理的内容主要包含主成分分析(PCA)技术和支持向量机(SVM)；

所述主成分分析技术对数据进行降维处理，获取独立数据成分并提取异常信息，将处理得到的主成分分值信息输入支持向量机，得到硬件木马位置、大小和类别信息。

2.根据权利要求1所述的一种基于金刚石NV色心的硬件木马检测系统，其特征在于，所i,j i,j述主成分分值定义为S ，所述S 具体计算公式如下：i j

式中，W为第i个主成分，B为第j个图像。

3.一种基于金刚石NV色心的硬件木马检测方法，其特征在于，包括如下步骤：步骤S1：在光纤和共聚焦两种模式下实现两种不同分辨率的IC表面磁场测量与成像；

步骤S2：运用PCA对测量得到的指纹性磁场信息进行降维处理；

步骤S3：将处理后得到的指纹性磁场信息与黄金/仿真表面指纹性信息比对，提取异常区域磁场信息；

步骤S4：运用支持向量机SVM机器学习方法进行数据处理，实现木马的识别与分类；

步骤S5：完成检测；

所述步骤S1中，测量时，对芯片通电，532nm激光通过光纤打到微米金刚石内NV色心探针上，待测IC在通电条件下产生局域磁场变化，影响探针自旋状态，并最终反映在荧光变化上，荧光通过同一根光纤实现收集，利用ODMR或Ramsey方法可以实现DC磁场测量，并通过对待测IC进行三维扫描，得到不同距离条件下IC表面磁场的空间分布信息。

说明书

一种基于金刚石NV色心的硬件木马检测系统及方法

技术领域

[0001] 本发明属于集成电路硬件安全检测技术领域，特别是涉及一种基于金刚石NV色心的硬件木马检测系统及方法。

背景技术

[0002] 随着集成电路产业全球化，硬件木马植入已成为集成电路领域的重大安全威胁之一。这些潜伏的硬件木马模块能够对专用集成电路、微处理器等硬件以及FPGA比特流进行修改，引发不可控事件，给我国军事、航空航天、通信、电力等重要基础设施带来安全威胁。开展硬件木马检测研究，保证关键集成电路产品绝对安全，具有重大现实需求及意义。

[0003] 在集成电路中，电源与时钟网络、键合线、节点和开关晶体管等会产生不同场密度分布的电磁场，这些场密度空间差异间接反映了电路内部结构与功能。旁路分析方法正是通过探测IC芯片旁路信号(功耗、电磁辐射、热辐射等)，得到指纹性信号分布，再通过与黄金芯片比对等过程实现硬件木马检测。然而，受限于电磁探针的精度与尺寸(其极限分辨率为100um)，目前旁路分析方法的灵敏度和空间分辨率(如商用的磁场探头ETS Lindgern7405尺寸达1cm)受到极大限制，只能检测出大尺寸木马，对于微纳尺寸电路结构构成的微小型木马电路无能为力。加之探针存在电磁互感，往往在测量过程中带来电磁干扰噪声，影响测量精度，很难对木马做出精确分类。

[0004] 为应对电子元件芯片化和硬件木马微型化的趋势，提升木马检测精度，本申请文件基于NV色心固态量子探针，提出一种新型的硬件木马检测系统与方法。由于NV色心量子探针具备微纳尺度电磁测量分辨能力，使得该方法具备信息获取丰富，空间分辨率高的特征。尤其对微小型木马检测和分类具有技术优势。

发明内容

[0005] 本发明的目的在于提供一种基于金刚石NV色心的硬件木马检测系统及方法，通过获取待检测元件表面指纹性磁场信息，运用降维算法对测量得到的数据进行降维压缩，将处理得到数据进行比对，运用机器学习算法，对异常数据进行分析，识别出是否由于硬件木马感染所致，并对木马类型进行分类，解决了现有的木马检测精度低、分类不准确的问题。

[0006] 为解决上述技术问题，本发明是通过以下技术方案实现的：

[0007] 本发明为一种基于金刚石NV色心的硬件木马检测系统，包括磁场测量成像模块和数据分析与处理模块；所述磁场测量成像模块由NV色心量子探针、电子学与软件控制模块、光学模块、微波模块组成，用于实现待检测元件指纹性磁场信息的测量与成像；所述数据分析与处理模块由数据降维模块和机器学习模块组成，用于对测量得到的待检测元件表面指纹磁场信息进行数据降维与机器学习处理；所述光学模块由激光器、光电探测器、光学组件、声光调制器组成，用于实现对NV色心量子探针的激发、荧光读取操作；所述NV色心量子探针由金刚石内的NV色心组成，用于对待测元件表面磁场的探测感知；所述电子学与软件控制模块由数据采集板卡、脉冲发生器、控制软件组成，用于实现检测系统数据采集与处理、时序控制；所述微波模块由微波源、开关、分束器、合束器、放大器、循环器、天线组成，用于使用天线辐射的微波对NV色心进行量子操控；所述数据降维模块用于对测量得到的数据进行降维处理；所述机器学习模块用于利用机器学习的方法进行数据处理，实现木马识别与分类。

[0008] 作为一种优选的技术方案，所述数据分析与处理模块对测量得到的磁场成像数据进行分析处理，分析处理过程主要包含主成分分析技术(PCA)和支持向量机(SVM)。

[0009] 作为一种优选的技术方案，所述主成分分析技术对数据进行降维处理，获取独立数据成分并提取异常信息，将处理得到的主成分分值信息输入支持向量机，得到硬件木马位置、大小和类别信息。

[0010] 作为一种优选的技术方案，所述主成分分值定义为Si,j，所述Si,j具体计算公式如下：

[0011]

[0012] 式中，Wi为第i个主成分，Bj为第j个图像。

[0013] 本发明为一种基于金刚石NV色心的硬件木马检测方法，包括如下步骤：

[0014] 步骤S1：在光纤和共聚焦两种模式下实现两种不同分辨率的IC表面磁场测量与成像；

[0015] 步骤S2：运用PCA对测量得到的指纹性磁场信息进行降维处理；

[0016] 步骤S3：将处理后得到的指纹性磁场信息与黄金/仿真表面指纹性信息比对，提取异常区域磁场信息；

[0017] 步骤S4：运用支持向量机SVM机器学习方法进行数据处理，实现木马的识别与分类；

[0018] 步骤S5：完成检测。

[0019] 作为一种优选的技术方案，所述步骤S1中，测量时，对芯片通电，532nm激光通过光纤打到微米金刚石内NV色心探针上，待测IC在通电条件下产生局域磁场变化，影响探针自旋状态，并最终反映在荧光变化上，荧光通过同一根光纤实现收集，利用ODMR或Ramsey方法可以实现DC磁场测量，并对待测IC进行三维扫描，得到IC表面磁场的空间分布信息。

[0020] 本发明具有以下有益效果：

[0021] 本发明通过获取待检测元件表面指纹性磁场信息，运用降维算法对测量得到的数据进行降维压缩，将处理得到数据进行比对，运用机器学习算法，对异常数据进行分析，识别出是否由硬件木马感染所致，并对木马类型进行分类，更加精细地测量到待检测件表面磁场信息，提升对微小型木马的检测和分类效率。

[0022] 当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

[0023] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0024] 图1为基于金刚石NV色心的硬件木马检测系统结构示意图；

[0025] 图2为基于金刚石NV色心的硬件木马检测方法流程图；

[0026] 图3为磁场测量光学模块示意图；

[0027] 图4为电子学与微波系统示意图。

具体实施方式

[0028] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

[0029] 请参阅图1所示，本发明为一种基于金刚石NV色心的硬件木马检测系统，包括磁场测量成像模块1和数据分析与处理模块2；磁场测量成像模块1由NV色心量子探针4、电子学与软件控制模块5、光学模块3、微波模块6等组成，基于对NV色心量子探针的操控，实现检测元件磁场指纹性特征测量与成像；数据分析与处理模块2为软件模块构成，由数据降维模块7和机器学习模块8组成，用于对待检测元件表面指纹磁场信息进行数据降维与机器学习处理，实现硬件木马定位与分类；光学模块3由激光器、光电探测器、光学组件、声光调制器(AOM)等组成，实现对NV色心量子探针的激发、荧光读取等操作；NV色心量子探针4由金刚石内的NV色心组成，实现对待测芯片表面磁场的探测感知；电子学与软件控制模块5由数据采集板卡、脉冲发生器、控制软件等组成，实现整个系统数据采集与处理、时序控制功能；微波模块6由微波源、开关、分束器、合束器、放大器、循环器、天线等组成，使用天线辐射的微波对NV色心进行量子操控；数据降维模块7用于对测量得到的数据进行降维处理，降低数据处理与比对复杂度；机器学习模块8用于利用机器学习的方法进行数据处理，实现硬件木马大小、位置、类型的确定。

[0030] 数据分析与处理模块2对测量得到的磁场成像数据进行分析处理，分析处理的内容主要包含主成分分析技术和支持向量机。

[0031] 主成分分析技术对数据进行降维处理，获取独立数据成分并提取异常信息，将处理得到的主成分分值信息输入支持向量机，得到硬件木马位置、大小和类别信息。

[0032] 请参阅图2所示，本发明为一种基于金刚石NV色心的硬件木马检测方法，包括如下步骤：

[0033] 步骤S1：在光纤和共聚焦两种模式下实现两种不同分辨率的IC表面磁场测量与成像；

[0034] 步骤S2：运用PCA对测量得到的指纹性磁场信息进行降维处理；

[0035] 步骤S3：将处理后得到的指纹性磁场信息与黄金/仿真表面指纹性信息比对，提取异常区域磁场信息；

[0036] 步骤S4：运用支持向量机SVM机器学习方法进行数据处理，实现木马的识别与分类；

[0037] 步骤S5：完成检测。

[0038] 步骤S1中，测量时，对芯片通电，532nm激光通过光纤打到微米金刚石内NV色心探针上，待测IC在通电条件下产生局域磁场变化，影响探针自旋状态，并最终反映在荧光变化上，荧光通过同一根光纤实现收集，利用ODMR或Ramsey方法可以实现DC磁场测量，并通过对待测IC进行三维扫描，得到不同距离条件下IC表面磁场的空间分布信息。

[0039] 步骤S4中，主成分分值定义为Si,j，所述Si,j具体计算公式如下：

[0040]

[0041] 式中，W i为第i个主成分，Bj为第j个图像。

[0042] 实施例一

[0043] 基于NV色心的磁场测量成像模块：

[0044] 如图3所示，基于NV色心的磁场成像是通过NV色心量子探针开展相干操控，进而实现对磁场探测成像。NV色心探针存在于微米金刚石或块材金刚石表面。532nm绿色激光通过AOM及物镜/光纤打到NV色心，实现对NV色心的激发与状态读取。通过微波系统天线辐射出的微波对NV色心进行状态操控。NV色心可以感知待测元件表面磁场，并通过NV色心荧光强度反映出来。荧光最终被光电探测器(APD)或CCD探测感知，并通过模数转换器转化为可以自动化处理的数字信号。将待测件放置在三维压电上实现对待测件表面不同位置磁场的测量，进而达到三维成像的目的。

[0045] 如图4所示，电子学部分由数据采集板卡、脉冲板卡等组成。脉冲板卡通过AOM控制激光开关、通过微波开关控制各微波组件开关，实现整个系统时序控制。计数板卡通过APD实现数据采集。

[0046] 微波系统由微波源、开关、分束器、合束器、放大器、循环器、天线等组成，实现对NV色心量子态相干操控。

[0047] 整个系统的软件控制由Labview实现。

[0048] 数据分析与处理模块：

[0049] 在该软件算法模块，我们将使用数据处理模型对第一部分得到的磁场成像数据进行分析处理。主要包含主成分分析技术(PCA)和支持向量机(SVM)两大主要部分。

[0050] 由于数据量巨大，我们将采用主成分分析技术(PCA)对数据进行降维处理，得到主要独立数据成分，提取异常信息；接着将处理得到的主成分分值信息输入支持向量机(SVM)，最终得到硬件木马位置、大小、类别信息。

[0051] 光学模块：

[0052] 由532nm激光器、光电探测器(APD)、光学组件(650‑800高通滤波器、532nm notch、分束器、物镜等)、声光调制器(AOM)等组成。实现NV色心量子探针的激发、荧光读取等操作。

[0053] NV色心量子探针：

[0054] 存在于微米金刚石及块材金刚石表面的NV色心。实现对待测芯片表面磁场的探测感知。

[0055] 电子学与软件控制模块：

[0056] 由数据采集板卡、脉冲发生器、控制软件等组成。实现整个系统数据采集与处理、时序控制功能。

[0057] 微波模块：

[0058] 由微波源、开关、放大器、循环器、天线等组成。使用Ω构型天线辐射的微波对NV色心进行量子操控。

[0059] 数据降维模块：

[0060] 由主成分分析PCA构成scikit‑learn decomposition.PCA()，该模块对测量得到的数据进行降维处理，降低数据处理与比对复杂度。

[0061] 机器学习模块：

[0062] 由支持向量机SVM(scikit‑learn svm.SVC())构成，运用机器学习方法进行数据处理，实现硬件木马大小、位置、类型的确定。

[0063] 实施例二

[0064] IC指纹信息测量与成像：

[0065] 我们在光纤和共聚焦两种模式下实现两种不同分辨率的IC表面磁场测量与成像。测量时，对芯片通电，532nm激光通过光纤打到微米金刚石内NV色心探针上，IC在通电条件下产生局域磁场变化，影响探针自旋状态，并最终反映在荧光变化上，荧光通过同一根光纤实现收集。利用ODMR或Ramsey方法可以实现DC磁场测量。对待测IC进行三维扫描，可以得到不同距离条件下IC表面磁场的空间分布信息。由于一般条件下，探针尺寸在微米量级，因此，该方案作为粗扫描，得到微米级分辨的待测IC表面磁场的粗略分布信息。

[0066] 进一步的，我们使用扫描共聚焦系统，将NV色心量子探针和待测IC放置到图2所示的物镜下方位置。同样的，532nm激光通过物镜打到金刚石内NV色心探针上，荧光通过同一物镜收集。利用ODMR或Ramsey方法可以实现DC磁场测量。对待测IC进行三维扫描，可以得到不同距离条件下IC表面磁场的空间分布信息。NV色心量子探针与待测IC充分接触，理论上可以达到400nm左右的光学分辨率。

[0067] 数据降维：

[0068] 运用PCA对测量得到的指纹性磁场信息进行降维处理(scikit‑learn i,j i,jdecomposition.PCA())。在处理时，主成分分值定义为S ，所述S 具体计算公式如下：

[0069]

[0070] 式中，Wi为第i个主成分，Bj为第j个图像。

[0071] 将处理后得到的指纹性磁场信息与黄金/仿真表面指纹性信息比对，提取异常区域磁场信息。

[0072] 运用支持向量机SVM(scikit‑learn svm.SVC())机器学习方法进行数据处理。实现硬件木马定位与分类

[0073] 完成检测。

[0074] 值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

[0075] 另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。

[0076] 以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。