集成电路安全隐患检测的理论与方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61532017
  • 项目类别:
    重点项目
  • 资助金额:
    290.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0204.计算机系统结构与硬件技术
  • 结题年份:
    2020
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2020-12-31

项目摘要

The IC security vulnerabilities such as hardware trojans are the major security threats to the information system. Security vulnerabilities may occur during using third-party IP cores, EDA tools, and import chips, during overseas manufacturing, and so on. Thus, it is urgent to study the theory and the method of testing IC security vulnerabilities. For addressing the two key scientific issues, effective testing theory for complex IC security vulnerabilities and effective testing method under high integration and severe process variation, this project studies: (1) the testing theory of IC security vulnerabilities, (2) pre-silicon testing method of hardware trojan, (3) post-silicon testing method of hardware trojan, and (4) testing method of counterfeit chip. A prototype system on security chips and micro-processors is constructed to verify the proposed theories and methods of IC Security Vulnerability Testing. The expected achievements include: (1) a multi-level collaborated testing theory of IC security vulnerabilities, (2) a dynamic and static collaborated pre-silicon testing method of hardware trojan, (3) a process variation aware testing method of post-silicon hardware trojan, and (4) a process variation based testing method of counterfeit chip. This project will propose innovation methods, critical techniques, and core intellectual properties for effectively testing the IC security vulnerabilities, and improve the researches and applications of IC security vulnerability testing.
集成电路安全隐患(如硬件木马)是威胁信息系统安全的重要来源,在使用第三方IP核、EDA工具和进口芯片,集成电路境外投片等环节,都可能产生安全隐患,研究其检测理论与方法刻不容缓。本项目针对“复杂多样的安全隐患有效检测理论”和“集成度高、工艺偏差大的背景下有效检测方法”两个关键科学问题,研究:(1)集成电路安全隐患的检测理论;(2)硅前硬件木马检测方法;(3)硅后硬件木马检测方法;(4)伪造芯片检测方法。构建原型系统,针对安全芯片和微处理器,对集成电路安全隐患检测的理论与方法进行验证。预期成果包括:(1)多层次协同的集成电路安全隐患检测理论;(2)动静态协同的硅前硬件木马检测方法;(3)面向工艺偏差的硅后硬件木马检测方法;(4)基于工艺偏差的伪造芯片检测方法。本研究将为集成电路安全隐患的快速和准确检测,提供创新方法和关键技术,形成核心知识产权,推动集成电路安全隐患检测的研究和应用。

结项摘要

集成电路是构建信息系统的基石,集成电路安全隐患是威胁信息系统安全的重要来源。集成电路安全隐患泛指隐藏于集成电路内部的部分电路,在一定情况下可被激活、执行、利用,直接导致信息系统工作异常、或信息被窃取、篡改,威胁信息系统的安全。集成电路安全隐患主要包括设计漏洞、硬件木马和恶意伪造芯片。本项目围绕集成电路安全隐患的检测理论与方法开展研究,重点开展了硬件木马和伪造芯片检测方法研究,并探索了设计漏洞检测方法,发表论文130余篇,其中一些重要创新成果包括:1)提出了多层次协同的集成电路安全隐患检测理论,不仅涵盖集成电路生命周期的不同环节,如设计阶段和指令执行阶段等,也涵盖集成电路安全威胁的不同来源,如侧信道攻击、故障注入攻击、DVFS攻击等。针对现有基于低触发概率的硬件木马检测方法和基于模拟验证的检测方法,提出了硬件木马检测的灰色地带理论。2)提出了基于电路信号特征和基于代码书写风格的硅前硬件木马检测方法。前者利用多级特征分析,构建触发器级和组合逻辑级的数据流图、在组合逻辑级定量计算信号翻转概率,用于协同定位硬件木马。后者通过分析代码书写风格,建立语言模型来检测在设计代码中异常植入的硬件木马代码。3)提出了基于侧信道的硅后硬件木马检测方法。为了解决工艺偏差对检测结果的噪音干扰,提出稀疏门级分析技术,将硬件木马检测问题转换为求解欠定线性方程组问题,并通过在设计中嵌入工艺扰动测试电路,利用先验分布和少量实测,通过贝叶斯推理最大后验估计获得整个芯片的工艺扰动空间分布。4)提出了基于物理不可克隆函数(PUF)的伪造芯片检测方法。PUF的输入输出映射关系由芯片在制造过程中的工艺偏差所决定,由于工艺偏差不可预测、不可控制、不可物理克隆,因此,PUF可以成为每个芯片独一无二的电子指纹。基于上述研究成果,构建了硬件木马检测平台和PUF攻防检平台,旨在为保障集成电路乃至上层信息系统的安全保驾护航。

项目成果

期刊论文数量(45)
专著数量(0)
科研奖励数量(3)
会议论文数量(82)
专利数量(32)
Accelerating DNN-based 3D point cloud processing for mobile computing
加速移动计算的基于 DNN 的 3D 点云处理
  • DOI:
    10.1007/s11432-019-9932-3
  • 发表时间:
    2019-09
  • 期刊:
    Science China Information Sciences
  • 影响因子:
    --
  • 作者:
    Bosheng Liu;Xiaoming Chen;Yinhe Han;Jiajun Li;Haobo Xu;Xiaowei Li
  • 通讯作者:
    Xiaowei Li
EcoUp: Towards Economical Datacenter Upgrading
EcoUp:实现经济的数据中心升级
  • DOI:
    10.1109/tpds.2015.2477827
  • 发表时间:
    2016
  • 期刊:
    IEEE Transactions on Parallel and Distributed Systems
  • 影响因子:
    5.3
  • 作者:
    Yan Guihai;Ma Jun;Han Yinhe;Li Xiaowei
  • 通讯作者:
    Li Xiaowei
Chaotic Weights: A Novel Approach to Protect Intellectual Property of Deep Neural Networks
混沌权重:保护深度神经网络知识产权的新方法
  • DOI:
    10.1109/tcad.2020.3018403
  • 发表时间:
    2021
  • 期刊:
    IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems
  • 影响因子:
    2.9
  • 作者:
    Lin Ning;Chen Xiaoming;Lu Hang;Li Xiaowei
  • 通讯作者:
    Li Xiaowei
RT3D: Real-Time 3-D Vehicle Detection in LiDAR Point Cloud for Autonomous Driving
RT3D:用于自动驾驶的 LiDAR 点云中的实时 3D 车辆检测
  • DOI:
    10.1109/lra.2018.2852843
  • 发表时间:
    2018-10-01
  • 期刊:
    IEEE ROBOTICS AND AUTOMATION LETTERS
  • 影响因子:
    5.2
  • 作者:
    Zeng, Yiming;Hu, Yu;Sun, Ninghui
  • 通讯作者:
    Sun, Ninghui
践行科教融合、贯穿产学研的创新人才培养——中国科学院计算技术研究所的实践
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    软件工程
  • 影响因子:
    --
  • 作者:
    董慧;李晓维
  • 通讯作者:
    李晓维

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

基于路径约束求解的多目标状态激励生成方法
  • DOI:
    --
  • 发表时间:
    2016
  • 期刊:
    计算机学报
  • 影响因子:
    --
  • 作者:
    周艳红;王天成;李华伟;吕涛;李晓维
  • 通讯作者:
    李晓维
西花蓟马成虫昼间交配习性和聚集信息素释放节律
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    昆虫学报
  • 影响因子:
    --
  • 作者:
    李晓维;孙冉冉;章金明;张治军;吕要斌
  • 通讯作者:
    吕要斌
基于寄存器簇恢复的追踪信号选择方法
  • DOI:
    10.11897/sp.j.1016.2018.02318
  • 发表时间:
    2018
  • 期刊:
    计算机学报
  • 影响因子:
    --
  • 作者:
    程云;李华伟;王颖;李晓维
  • 通讯作者:
    李晓维
面向视频应用中相变存储器的双阈值近似写方法
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    计算机辅助设计与图形学学报
  • 影响因子:
    --
  • 作者:
    方运潭;李华伟;李晓维
  • 通讯作者:
    李晓维
基于信号跳变时间可调整的容错路由器
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    同济大学学报(自然科学版)
  • 影响因子:
    --
  • 作者:
    张颖;江建慧;李华伟;李晓维
  • 通讯作者:
    李晓维

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

李晓维的其他基金

航空电子系统的故障预测与健康管理方法研究
  • 批准号:
  • 批准年份:
    2021
  • 资助金额:
    58 万元
  • 项目类别:
    面上项目
基于硅通孔的三维集成电路故障诊断
  • 批准号:
    61376043
  • 批准年份:
    2013
  • 资助金额:
    80.0 万元
  • 项目类别:
    面上项目
微处理器自修复设计基础技术研究
  • 批准号:
    90707004
  • 批准年份:
    2007
  • 资助金额:
    80.0 万元
  • 项目类别:
    重大研究计划
数字VLSI电路测试技术研究
  • 批准号:
    60633060
  • 批准年份:
    2006
  • 资助金额:
    200.0 万元
  • 项目类别:
    重点项目
多芯核共享的测试响应数据压缩方法研究
  • 批准号:
    60576031
  • 批准年份:
    2005
  • 资助金额:
    25.0 万元
  • 项目类别:
    面上项目
从行为级到版图级的设计验证与测试生成
  • 批准号:
    90207002
  • 批准年份:
    2002
  • 资助金额:
    200.0 万元
  • 项目类别:
    重大研究计划
内置自测试自动综合技术的研究
  • 批准号:
    69976002
  • 批准年份:
    1999
  • 资助金额:
    10.6 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码