Un marco eficiente con filtrado de nodos y expansión de carga para la detección de troyanos de hardware basada en aprendizaje automático
Autores: Dong, Meng; Pan, Weitao; Qiu, Zhiliang; Gao, Yiming; Qi, Xiaoxin; Zheng, Ling
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un marco eficiente con filtrado de nodos y expansión de carga para la detección de troyanos de hardware basada en aprendizaje automático
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Globalización
Circuito integrado
Troyanos de hardware
Aprendizaje automático
Desequilibrio de datos
Algoritmos de detección
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
La globalización de la industria del circuito integrado (IC) ha planteado preocupaciones sobre los troyanos de hardware (HT), y hay una necesidad urgente de métodos eficientes de detección de HT a nivel de compuertas en las listas de redes. El aprendizaje automático (ML) es una herramienta poderosa para este propósito. Se propone en este documento un marco de detección de troyanos para resolver los problemas de desequilibrio de datos y baja precisión de los algoritmos de detección de HT basados en ML existentes.
Descripción
La globalización de la industria del circuito integrado (IC) ha planteado preocupaciones sobre los troyanos de hardware (HT), y hay una necesidad urgente de métodos eficientes de detección de HT a nivel de compuertas en las listas de redes. El aprendizaje automático (ML) es una herramienta poderosa para este propósito. Se propone en este documento un marco de detección de troyanos para resolver los problemas de desequilibrio de datos y baja precisión de los algoritmos de detección de HT basados en ML existentes.