基于边缘检测的高斯噪声滤波算法

针对传统去噪方法在滤除高斯噪声时导致图像边缘细节模糊的情况,提出一种基于边缘检测的去噪算法。先用Canny算子检测图像边缘,对边缘部分用K近邻平滑滤波器去噪,再对非边缘区域像素用改进的加权均值滤波器去噪。该算法具有较好的边界保持效果,与同类去噪算法相比具有更高的峰值信噪比。     

基于最大间距准则的硬件木马检测方法研究

针对硬件木马检测问题,分析了功耗旁路信号的统计特性,建立了木马检测问题的物理模型.在此基础上,提出了一种基于功耗旁路信号的硬件木马检测方法,该方法利用最大间距准则(MMC)处理旁路信号,构建体现基准芯片与木马芯片旁路信号之间最大差异的投影子空间,通过比较投影之间的差异检测集成电路芯片中的硬件木马;采用物理实验对该方法进行了验证,通过在现场可编程门阵列(FPGA)芯片上实现的高级加密标准(AES)加密电路中植入不同规模的木马电路,分别采集功耗旁路信号(各1 000条样本),并利用MMC方法对样本信号进行处理.实验结果表明:MMC方法能有效分辨出基准芯片与木马芯片之间旁路信号的统计特征差异,实现了硬件木马的检测.该方法与Karhunen-Loève(K-L)变换方法相比,有较好的检测效果.     

基于空间划分的海量数据K邻近新算法

逆向工程中,对测量数据的处理首先要建立数据点之间的拓朴结构,这通常通过计算点的K邻近来实现.文中在分析现有算法的基础上,提出了一种新的基于空间划分的海量数据K邻近算法.该算法综合考虑了点云密度、点云数量以及K值对小立方体栅格边长的影响,通过确定合适的小立方体栅格边长以及排除不包含点云数据的小立方体栅格来确定邻近点最佳搜索范围,从而提高了搜索速度,保证了搜索结果的正确性.最后通过逆向软件的二次开发编程验证了算法.     

基于GHF高斯粒子滤波的检测前跟踪算法

针对粒子滤波存在粒子退化,会导致检测前跟踪(TBD)算法的检测和跟踪性能下降这一不足,提出了一种基于高斯-哈密顿滤波(GHF)高斯粒子滤波的TBD算法.该算法基于高斯粒子滤波,采用GHF算法构造的重要性密度函数采样连续出现粒子,考虑了最新的量测信息,采样粒子更逼近于真实的后验概率密度,克服了粒子退化问题.仿真结果表明:与基本TBD算法相比,所提出的TBD算法提高了对目标的检测和跟踪性能.     

基于旁路分析的硬件木马检测方法

集成电路芯片在不受控的制造过程中可能会被嵌入恶意电路结构,形成硬件木马,这给集成电路芯片的可靠性和可信度带来了极大的隐患,而利用传统的测试技术很难发现这些硬件木马.针对这一问题,文中提出了一种非破坏性的、基于旁路分析的硬件木马检测方法,它通过对芯片功耗瞬态变化情况的分析,采用奇异值分解算法对功耗进行统计处理来检测芯片中的硬件木马.在FPGA芯片上的硬件验证结果表明,即使在测量噪声和工艺扰动较大的环境中,文中方法也能检测出面积比原始电路小2个数量级的硬件木马.     

基于RS232协议时隙的硬件木马设计

密码芯片的硬件安全模块在IC生产和制造的过程中易被植入硬件木马等恶意电路。鉴于硬件木马的强大功能,提出了基于RS232协议时隙的硬件木马设计方法。利用RS232协议的异步特性,对其发送密文字节间的时隙进行编码,从而实现密码芯片中密钥的隐蔽泄漏;并通过功能分析和电磁旁路分析两种方法成功检测出木马所发送出的密钥。实验表明,该硬件木马在占用不到40个寄存器的情况下,成功实现了DES密钥的泄漏。     

基于电路活性测度的硬件木马检测方法

针对硬件木马的隐蔽性强和检测效率低等问题,提出一种基于电路活性测度的硬件木马检测方法.通过从恶意攻击者的角度分析电路,在电路的少态节点处植入木马激活模块(TAM),该方法可有效提升电路的整体活动性,进而提高硬件木马的激活度.以ISCAS'89基准电路S713为研究对象进行仿真验证,实验结果表明:TAM结构可将电路活动性提升1.7倍.在此基础上建立基于FPGA的测试平台开展侧信道分析实验,并采用主成分分析方法,实现低活性硬件木马的检测.     

基于有限状态机的硬件木马设计和插入

针对集成电路设计和制造中存在的硬件木马问题, 提出一种新的模型来提高木马检测能力。该模型基于有限状态机, 比组合电路型木马难于触发和检测。同时, 木马电路插入位置的选择也可以有效规避路径延时检测方法。实验选择ISCAS’89基准电路中的S349作为目标电路, 对功能和延时信息进行仿真。实验结果表明, 这种类型的木马难于激活, 并且选择合适的插入位置可以有效隐藏延时信息。     

基于多元正态分析的硬件木马检测研究

针对硬件木马旁路检测中投影变换等方法可能造成的多点关联信息丢失问题,从旁路信号的点特征分析入手,对旁路信号轨迹多元正态分布特征的检验方法进行了分析和验证,采用多元正态分布的概率密度函数来描述金片旁路信号的分布特征,针对不同数据激励下的旁路信号轨迹,采用成对数据的t检验方法进行硬件木马判别.在FPGA平台上实现的8051微处理器中分别植入5种类型的硬件木马,并对电磁旁路信号进行了检测验证实验.实验结果表明:该方法能够成功检测逻辑规模低至0.05%的硬件木马.     

基于局部敏感哈希的K邻近算法识别垃圾短信

针对目前垃圾短信的识别算法存在的关键字及频次的规则死板,易于被不法分子探测和规避等问题,提出将局部敏感哈希的K邻近算法应用于垃圾短信分类识别;首先定义特征,然后采用局部敏感哈希算法计算向量距离,通过得到的距离衡量矩阵的相似性,量化矩阵相似程度,对本文中提出的优化模型进行实现和训练;基于短信文本内容,运用词频-逆向文本频率算法生成矩阵,利用局部敏感哈希算法求解最相似样本,记录样本类别,将训练结果导入K邻近算法分类器得到最优近邻,在测试集或验证集上对优化模型垃圾短信分类识别准确率进行评测。结果表明,经过K邻近算法分类器后,优化模型垃圾短信分类识别准确率达到98.7%。     

基于子空间域特征提取的硬件木马检测方法

为了解决制造变异和噪声对已有硬件木马检测方法的挑战和干扰,提出了一种新的微弱木马信号检测技术,能够在较大的制造变异和噪声的背景下提取出木马特征信号.首先,将木马检测问题建模为特征提取模型,然后提出了一个基于时域约束估计器和主成分投影的统一子空间木马检测方法.并通过特定的子空间投影或重构信号分析,证实弱小的木马信号可以与各种噪声和干扰区分开来.该方法为已有的硬件木马检测方法提供了一种通用的消除制造变异和噪声影响的方法.设计实现了2个时序硬件木马,在ISCAS89基准电路上进行了仿真实验验证,并在FPGA上进行了硬件实物验证,实验结果均表明了所提方法的有效性和高检测精度.     

基于自差分分析的硬件木马检测研究

针对硬件木马旁路检测方法的噪声干扰问题,提出了基于自差分分析的硬件木马检测方法.基于旁路信号特征分析提出了两点假设:a.相同采样窗口内旁路信号的噪声变化小;b.不同激励下硬件木马的旁路特征存在差异.对同一采样窗口内不同激励的旁路信号进行自差分分析,将安全芯片与待测芯片的直接对比转变为自差分信号的相对差异分析,从而降低工艺噪声和环境噪声的干扰.提出了自差分分析的旁路信号模型以及相应检测流程.搭建了基于在线可编程门阵列芯片的验证平台,以8051微处理器内核为实验对象,采用马氏距离度量多点旁路信号差异,验证了假设的正确性,构建了待测芯片集合,成功检测出逻辑规模低至0.025%的硬件木马.     

基于混合特征分析的硬件木马检测方法

提出一种基于混合特征分析的硬件木马检测方法,该方法首先在时序层级抽象并构建待测电路的控制数据流图,然后利用功能性分析方法建立以低动态翻转率为特征的动态可疑节点集,最终使用静态结构特征匹配方法实现硬件木马的检出.以Trust-Hub中涵盖Basic-RSA,AES和RS232基准电路在内的13种硬件木马为检测对象开展检测...     

工艺偏差下基于因子分析的硬件木马检测方法

针对侧信道硬件木马检测方法受到工艺偏差噪声和测试噪声影响的问题,提出了一种基于最大似然因子分析结合聚类判别的硬件木马检测方法.首先获取待测芯片的功耗信息,利用因子分析的方法提取公共因子,并利用最大似然方法计算因子载荷矩阵,最后使用分层聚类方法对因子载荷矩阵进行分类,区分出含有硬件木马的待测电路.利用现场可编程门阵列检测平台在考虑工艺偏差影响的情况下进行了实验验证,结果表明:在母本电路等效门数约为4 292个与非门的情况下,采用基于因子分析结合聚类分析的硬件木马检测方法可以在工艺偏差条件下有效检测出占母本电路面积比0.44%左右的硬件木马.     

改进的辅助粒子多Agent系统信息融合滤波算法

为克服多Agent系统的非线性问题,提高多Agent系统对信息的协同合作能力,提出一种改进的辅助粒子信息融合滤波算法。该算法通过分析多Agent系统的结构,根据正交小波多尺度分析理论对系统内Agent的信息进行分解、重构,给出以Agent信息为重要采样密度函数的辅助粒子滤波算法,并对滤波结果进行特征融合,得到多Agent系统融合特征。将此算法应用到机动目标跟踪领域,并与传统的滤波算法进行对比,仿真结果验证了该算法的有效性。     

基于CUDA的高速并行高斯滤波算法

为加快表面三维形貌分析中高斯滤波算法的执行速度,提出了一种基于计算统一设备构架(CUDA)的高斯滤波算法来实现高速并行处理.分析高斯滤波算法原理和CUDA并行计算体系,将CUDA并行计算技术引入到表面分析领域.针对高斯滤波数据间依赖性弱和CUDA采用单指令多线程(SIMT)执行模型的特点,总结出适合于CUDA的并行高斯滤波算法流程.实验证明:该方法与CPU串行处理方法相比,其加速比达到40倍以上,可以有效提高数据处理能力.     

基于自组织竞争神经网络的硬件木马检测方法

针对目前硬件木马的侧信道检测普遍采用基于降维与主特征提取的分类方法,该方法在选取有用信息过程中可能会损失包含木马特征的关键信息这一问题,提出了一种基于自组织竞争神经网络的硬件木马检测方法.该方法在不损失有用信息的基础上,采用无监督学习的方式建立数学模型,对母本信息与待测信息进行分类判别.基于FPGA搭建了验证系统并对侧信道电流信息进行采集.数据处理结果表明:该方法可以有效检测出占母本电路面积0.16%的硬件木马.     

基于数学形态学与小波阈值组合滤波算法的大地电磁噪声压制

针对实测大地电磁信号资料中常出现的强噪声干扰问题,提出一种基于数学形态滤波和小波阈值滤波结合的大地电磁噪声压制方法。首先,利用自适应多尺度形态滤波算法对含噪信号进行初次滤波,以消除脉冲类干扰。然后,对已处理的信号进行小波阈值滤波提取大尺度强噪声轮廓。最后,剔除强噪声干扰重构大地电磁信号。通过仿真实验对比,在不同强度噪声干扰背景下,所提方法的性能优于普通小波阈值方法,能更多地保留大地电磁原始信号的细节特征。实测资料处理结果表明,该方法能有效地抑制大尺度强噪声干扰和基线偏移的影响,有效地改善了视电阻率曲线质量,具有较好的应用前景。     

基于CORDIC算法的高斯随机噪声实时产生研究

该文提出了一种基于坐标旋转数字计算机（CORDIC）算法实时产生高斯随机噪声的硬件实现方法。运用变换抽样法处理均匀分布随机序列,实时产生一对独立的高斯噪声序列,处理过程中用到的对数、开方、三角函数等超越代数计算利用CORDIC算法,构建运算功能单元在超大规模集成电路上实现。硬件仿真结果表明,这种方法生成的高斯噪声精度高,误差小,性能稳定,硬件速度可达到90MHz以上,适用于高速信号处理领域。     

基于改进K最短路算法的公交线网优化研究

文章研究了公交场站选址和线网设计组合优化问题,建立以站间直达为关键约束的线网优化模型并给出求解算法。在所构建的公交网络中,利用改进的K最短路算法和相应的路径筛选条件获得从节点出发的K最短路径树,找出符合条件的单个K最短路径树作为初始解;通过不同节点的K最短路径树的叠加、删除、替代的优化过程,获得最优的K最短路径树组合,得到最优的公交线路集、场站位置。算例结果表明:公交网络规模越大,所需场站越多;K值越大,所需场站越少;不同场站可相互配合进行布局,实现公交线网性能的提升。