La fabricación de chips de circuitos integrados requiere la participación de múltiples partes, lo que aumenta enormemente la posibilidad de inserción de troyanos de hardware y representa una amenaza significativa para todo el dispositivo de hardware; sin embargo, los métodos tradicionales de detección de troyanos de hardware requieren chips de oro, por lo que el costo de detección es relativamente alto. El mecanismo de atención puede extraer datos con características más adecuadas, lo que puede mejorar la expresividad de la red. Este artículo combina un módulo de atención con un perceptrón multicapa y una red neuronal convolucional para la detección de troyanos de hardware basada en información de canal lateral, y evalúa los resultados de detección mediante la implementación de experimentos específicos. Los resultados muestran que el método propuesto supera significativamente a los métodos de clasificación de aprendizaje automático y métodos relacionados con redes, como SVM y KNN, en términos de precisión, sensibilidad, recordatorio y valor F1. Además, el método propuesto es efectivo para detectar datos que contienen uno o varios troyanos de hardware, y muestra una alta sensibilidad al tamaño de los conjuntos de datos.