论文研究-基于细节增强分析的硬件木马红外图像检测方法.pdf

所需积分/C币:17 2019-09-07 09:07:35 1.12MB .PDF
0
收藏 收藏
举报

将RO环(Ring Oscillator,环形振荡器)作为可信任安全性设计是一种检测硬件木马是否植入的有效方式,硬件木马的植入会形成低温区,从而导致RO环热边界改变。面对低温区红外信号相对较弱的特点,提出了一种融合了时间维和空间维的细节增强方法,即先在时间维使用自适应滤波降低噪声,然后在空间维使用基于引导滤波的细节增强方法锐化图像。实验结果表明,经此方法处理后红外图像信噪比为20.110 4 dB,相比原始红外图片提高了6.142 1 dB,相比单纯降噪提高了3.595 6 dB,相比单纯细节增强提高了3.605 0 dB,具有更优秀的降噪性能和更丰富的细节,可以显化低温区热边界并检测硬件木马
计算机工程与应用 可如下式子计算 红外图像提取过程 )红外成像实验平台主要由红外热成像仪计算机和 山于在通常工艺下Jk极小,静态能量消耗极小,软件等组成。如图所示,红外热成像仪的作用是提取 且硬仹木马的触发逻辑翻转率较高,相比丁动念能量消芯片纩外信息并将其传输到计算机上,计算机和软件的 耗而言静态能量消耗中发散的热量可以忽咯不计。作用是处理红外数据和显示红外图像。其中红外热成 动态能量消耗Px是逻辑电路产生翻转时存在动像仪是一个由许多微米量级像素元件组成的,其分 态能量消耗,且占主导地位。动态能量消耗产生有两个辦率的范围是 实际因素: 第·个因素是当元件输出信号转换时,会产生瞬时 短路电流: 其中,时间T内短路电流所造成的平均能量消耗为P Pn装小逻辑元件瞬时短路能量消耗:表示转换 活动引起的短路电流峰值;t表示短路电流持续时 间。山于短路电路引起的动态功耙通常较小,短路功耗 的散发的热量可以忽略不计 图红外图像提取实验平台 第二个因素是元件中负载电容充电,电源提供的能 通常,检测的芯片是封装的芯片,其结构如 量可通过如下积分方程计算得到: 图所示。可知芯片的硅衬底面是朝向上方的,而铜互 Evn=aOn=vmC=dm山 连层是朝向下方的并与电路相连。 导热酯 dV=CV 0000000o 倒装芯片焊接点 存储在负载电容C1中的能量可通过如下积分得到: 陶瓷基座 Ec=l ivon (t)Vout dt= Cr dVo 印刷版 倒装芯片焊接点 动念能量转换只与负载电容C1大小以及电源电压 陶瓷基座 大小有关,根据能量守恒定律,由电源提供的能量 印刷版 存储在负载电容C1中的能量以及由电阻R转化成热 图心片开盖示意图 能的能量满足如下等式: Ev=Ec+Q 由上文可知,芯片的绝大部分红外能来源于晶体管 的动态功耗,并由硅衬底传导,把上盖剖开,即可 可以得到在这一过程中由源漏电阻R转化成热能 将芯片的硅片直接暴露在红外成像仪器下,从而完成红 的能量,即热量Q的主要成分为 外图像数据的提取。 Q≈Qk=Ev-E L V D 降噪与细节增强方法分析 环的翻转率极高,其红外信号主要来自于非门 降低噪声和增强细节的关系 晶体管动态功耗逸散的热量。 面对一个不能区分有用信息和噪声的图像,在增强 导热机理 有用细节的同时,也会增强无用的噪声;在降低无用噪 绝大部分的源漏电阻是由管源漏扩散区的硅声的同时,也会减弱有用的细节。参考文献采用了 基电阻以及栅下导电沟道的硅基电阻组成,即由电能转样品红外图像与纯净母本红外图像进行一次差分,再对 化成的红外能绝大部分都存储在管下的硅衬底红外图像剩余像素进行一次差分,最后使用卡尔曼滤波 卩。根据红外学公式Q=Cm△T,变形得到△T= 降噪的方案。此方案存在的问题是:第一,需要纯净母 mC本;第二,对样品和纯净母本提取图像的过程是相互独 其中△7表示硅衬底的温度变化,单位为℃;Q表示硅立的,能保证差分的效果;第三,仅使用卡尔曼滤波降 衬底吸收的红外能大小,单位为J;m表示硅衬底的质噪,未考虑对硬件木马信号的增强。对应这些问题,本 量,单位为kg;C表示硅衬辰的比红外容大小,单位为文方法不需要纯净母本,只需一次图像提取过程,且在 J/(kg:℃)硅比红外容Cs的大小为703J/(kg·℃)。 时间维完成降噪处理,在空间维完成增强处理,规避了 成钊,王和明,唐永康,等:基于细节增强分析的硬件木马红外图像检测方法 一个维度上降噪和增强的矛盾 自适应滤波 自适应滤波利用前一时刻已获得的滤波器参数等 0+E 结果,自动调节现时刻的滤波器参数,以适应信号和噪 声未知或随时间变化的统计特性,从而实现最优滤波 其中,是1在窗口中的平均值;a2是I在窗口k 如图所示 中的方差;a|是窗口k中像素的数量;是待滤波图 w(n) 像p在窗口ak中的均值。 未知系统)dm)s(n) n) 在计算每个窗口的线性系数时,可得知一个像素会 r(n) 被多个窗口包含,即每个像素都由多个线性函数所描 w(n) v(n) 述。因此,要具体求某点的输出值时,只需将所有包 自适应 滤波器 合该点的线性函数值平均即可 I+bk=a I:+6 图自适应滤波 r(n=10)+5(m)-yn)=X(mW()+ 空间维细节增强方法 s(n)-X(n)W(n) 基于引导滤波的细节增强方法具体过程如图所 w(n+1=w(n)+2uelnx(7 ()小:首先,对原始图像进行引导滤波,即保持区域边界信 cn=d(n)-y(n ()息并使区域内信号平滑;第一,使用原始图像减去引导 式中,x()为n时刻参考输入信号;W(n)为n时刻自适波后的结果得到差值,此差值为可能包含噪声的细 应滤波器权系数;W(n)为n时刻未知系统权系数 节;第三,对此差值进行放大;最后,把放大后的差值加 入经引导滤波的图像达到细节增强效果。 dl(m)为期望信号;c(n)为误差信号;s(n)为输入干扰信 号;cn)为跟踪误差信号;μ为步长因子,用来控制稳定 原始图像引导滤波 派波后图像 性和收敛速度。 作差 n阶自适应滤波器权系数 (m)Gn)b(m…b-( 绀节 放大 参考输入向量: 细节增强 Xm)1(x).x-1)…,(-M+1 相加 引导滤波 引导滤波是本文所采用的细节增强方法的第一 细节增强图像 步,其模型默认复杂网数可以分解为多个局部线性函数 图空间维细节增强方法 的总和。同理,图像是无法用解析式表示的二维函数 此方法的优势在于引导滤波会保持图像区域的边 假设该函数输出和输入在一个二维窗口内满足线性界信息因此在作差时区域边界会保持在零值附近而不 关系: 会有抖动,经放大细节后也不会有明显的抖动。再加入 =a22+bs,i∈ck 其中,q是输出像素的值;是输入图像的值;i和是引导滤波的图像后,细节会有较明显的增强,并且边 界会非常清晰而不会模糊,在边界划分和提取方面有很 像素索引;a和b是当窗日中心位于时该线性函数的大优势。 系数;是所有包含像素i的窗口;k是其屮心位置。 对两边取梯度可得 实验设计 q 即当输入Ⅰ有梯度,输出q也有梯度。求出线性函数的 基于环的可信任安全性设计 系数,希望拟合函数的输出值与真实值之问差距最小, 在中设计环模拟正常的热工作模式,并 即使下式最小 在其中部靠右下区域留下无逻辑区,模拟由硬件木马植 Ea2b)=∑(al+b-p)2+2) 于防止求得的a过大,也是调节滤波器滤波效果的重要 辛()入造成的环断裂(下文称为模拟单元)产生的低温 区。通过对信噪比数据的分析和对低温区的边界的观 这里,p只能是待滤波图像。同时,a之前的系数用察,判断红外图像处理方法的效果 时间维降噪空间维细节增强方法 参数。通过最小二乘法,可以得到: 细节増强方法有叮能会在增强红外信号的同时增 计算机工程与应用 强噪声,因此考虑在细节增强前先进行一次噪声滤除 因为空间维降噪和细节增强是相互矛盾的,所以此方案 采用时间维降噪。 芯片中单个像素点的温度曲线特点是抖动上升,此 抖动就是噪声的影响结果。对温度随时间上升曲线的 降噪只会优化曲线的平滑度而不会改变整体的趋势和 温度上升速率,也不会改变温度数据在空间维的真实分 布情况 此方法降噪具体过程为:首先将单次拍摄的全部 拟单元低温 张红外图像按时间顺序排列;第二,在所有红外图像 区边界模糊 中提取同一像素点的温度数据,即可得到此像素点温度 图未经处理的原始红外图像 随时间上升曲线,第三,对每一个单像素点的温度曲线 使用自适应滤波方法,使温度上升曲线尽可能光滑达到 滤除噪声目的;第四,将所有像素点的自适应滤波结果 综合得到张滤波后的红外图像6 最后,在时间降噪的基础上,使用基于引导滤泼的 细节増强方法,増强时间降噪后的红外图像细节,即可 得到实验结果 实验结果与分析 模拟单元低温区 本实验按时间顺序提取了张芯片工作的红外 边界被噪声掩盖 图像,时间间隔为 随时间的推移.片工作时热扩 图经空间维细节增强处理的红外图像 散现象会越来越明显,会遮盖有川信号,因此抽取第张 时间维降噪方法 红外图像作为实验样张。信噪比如下计算:计算局部方 时间维降噪方法通过对单个像素点温度上升曲线 差,将其最大值作为信号厅差,最小值作为噪声方差,求使用自适应滤波降噪,从而完成对整幅图片降噪。效果 出比值后转成数。假设一幅MxN的灰度图像,由平滑度指标评价: xl,为模板中心的灰度值,那么在(2n+1)×(2m+1)的 /(+1)-( 窗口內,其局部均值可以表示为 ∑[(n+1)-/(m) mn=(2n+1(2+2:1一m 式中,∫)为原始信号,(ω)为降噪后信号。降噪前方 其局部均方差可以表示为 差和为 降噪后方差和为 其比值即平滑 (2n+12+1)2少-m)2 度为 。由图与图对比可知,降噪结果较好 信噪比为: SNR=20 lg( yA认 原始图片信息 山图可得,图片中高温区域颜色为红色,中温区 域颜色为橙色,低温区域颜色为黄色和蓝色,图片的对 比度较差,右下角的模拟单元低温区边界模糊,不可识別。 根据信噪比公式可得,原始图片的信噪比为 空间维细节增强方法 由图可直观看出,基于引导滤波的细节增强方法 在増强有川信息时,连同噪声也一并増强了。右下角模 图原始单点温度上升曲线 拟单元低温区信号增强,但被噪声影响不能识别,信噪 由图可知,经时间维降噪后,由丁受之后图像的 比为 相较原始图片信噪比提高了 影响,信号相对加强,完成了噪声滤除。右下角模拟单 细节增强效果比较明显。 元低温区与旁边的高温区对比强烈,但边界仍不能显 成钊,王和明,唐永康,等:基于细节增强分析的硬件木马红外图像检测方法 于最大观测值的离群点。这些数据是判断数据集的数 据窝散程度和偏向的依据,屮位数越靠上说明信噪比越 高,上下四分位数越靠近中位数说明越稳定,离群点越 少说明数据越可靠。其中最大(最小)观测值设置为与 四分位数值间距离为个(中间四分位数极差)。 图》适应滤波后单点温度上升曲线 原始图像自适应滤波引导滤波泥合滤波 图前张红外图像信噪比数据统计盒图 数据结果如表所示,可以得出结论,相比单纯降 噪或单纯增强方法,本文提岀的先时间维降噪再空间维 增强的方法可以明显改善芯片工作红外图像的信噪比 所有数据都处在最佳水平 表数据对比 模拟单元低温区 边界模糊不明显 信噪比 类别 图经时间维降噪处理的红外图像 原图空间増强时间降噪降喚増强 中位数 化ε信噪比为 相较原始图片信噪比提高了 上四分位数 降噪效果比较明显。 下四分位数 时间维降噪空间维细节增强方法 最大观测值 最小观测值 由图可知,经时间维降噪空间维细节增强方法 处理后,高温区和低温区对比度加大,右下角模拟单元 结東语 低温区明显且出现边界,说明经此方法处理后可以增 本文设计了一种利用环充当可信任安全设计的 强硬件木马植入带来的低温区信号.并可以显化其边 硬件木马检测方法,并提出了一种面向红外图像的时间 界。信噪比为 相较原始图片信噪比提高了 降噪和细节增强效果明显。 维降噪空间维细节增强方法。该方法在时间维利用自 适应滤波方法降低噪声,避兔了空间降噪对有用信息的 干扰;在空间维利用基于引导滤波的细节増强方法优化 细节,提高有用细节的对比度。实验表明,经该方法处 理后红外图像信噪比为 ,相比原始图片提高 相比单纯降噪提高了 相比单 纯细节增强提高了 ,明显提高了红外图像的 信噪比,并显化了预先改置的模拟单元边界。但将低温 区边界显化只是硬件木马检测的第一步,在以后的研究 中将逐步加入聚类划分和识别的研究内容 模拟单元低温 区边界清晰 图经时间维降噪空间维细节增强处理的红外图像 参考文献: 数据分析 本文利用如图所示的盒图进行幅红外图像 的信噪比数据整理和分析,主要包含中位数、上四分位 数、下四分位数、最大观测值和最小观测值,并标明了大 计算机工程与惑 业,李少青,等基于红外光谱分析的硬件木 方法计算机工程与应用 () 贺宽,黄涛基于的自适应滤波器设计武汉理 工大学学报:信息与管理工程版,() (上接页) 质,证明了极小素理想等价于极小格素理想,并绐出了 极小素理想与零化子的相互表示定理。提出了格蕴涵 代数中的α理想概念并给出其若干等价刻画,证明了 朱笮,赵建彬,徐扬格蕴涵代数中的扩张滤子模糊系 极小素理想是a理想。最后证明了素α理想之集S(l) 统与数学 是一个紧的空间,进一步给出S2(L分别是T1、T2 拓扑空间的充要条件。 参考文献: 徐扬格蕴涵代数西南交通大学学报, 王国俊代数、代数、代数与多值辑模糊系 统与数学,,(): 朱华,赵建彬,徐扬剩余格蕴涵代效中准素理想的研究 郑州大学学报, 赵建彬,朱华,陈树伟格蕴涵代数中的零化子郑州大 学学报, 孟彪龙格蕴涵代数的素滤子西北大学学报,

...展开详情
试读 7P 论文研究-基于细节增强分析的硬件木马红外图像检测方法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
抢沙发
一个资源只可评论一次,评论内容不能少于5个字
weixin_38744435 如果觉得有用,不妨留言支持一下
2019-09-07
  • 至尊王者

    成功上传501个资源即可获取
关注 私信 TA的资源
上传资源赚积分or赚钱
    最新推荐
    论文研究-基于细节增强分析的硬件木马红外图像检测方法.pdf 17积分/C币 立即下载
    1/7
    论文研究-基于细节增强分析的硬件木马红外图像检测方法.pdf第1页
    论文研究-基于细节增强分析的硬件木马红外图像检测方法.pdf第2页

    试读结束, 可继续读1页

    17积分/C币 立即下载 >