买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜合肥工业大学申请的专利一种硬件木马深层次表征模型构建及特征提取方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119720060B 。

龙图腾网通过国家知识产权局官网在2025-05-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510238301.6，技术领域涉及：G06F18/2433；该发明授权一种硬件木马深层次表征模型构建及特征提取方法及系统是由王秋晨;刘波设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本一种硬件木马深层次表征模型构建及特征提取方法及系统在说明书摘要公布了：本发明公开了一种硬件木马深层次表征模型构建及特征提取方法及系统；涉及木马模型构建提取技术领域，包括收集硬件木马和正常硬件数据，进行数据清洗，基于统计分析剔除异常值和归一化，最小‑最大归一化，基于深度学习算法，卷积或循环神经网络，含多层结构和池化操作构建表征模型，用训练数据训练，引入正则化项优化，将待检测数据输入训练好的模型，通过阈值和规则集判断是否存在木马及类型。本发明结合深度学习自动学特征，优化训练，降维提效，可视化结果，提高硬件木马检测的准确性、效率和可靠性，保障系统安全。

本发明授权一种硬件木马深层次表征模型构建及特征提取方法及系统在权利要求书中公布了：1.一种硬件木马深层次表征模型构建及特征提取方法，其特征在于，包括以下步骤：S1.收集硬件木马样本数据和无木马的正常硬件数据，对数据进行预处理，包括数据清洗、归一化处理，数据清洗通过去除异常值和噪声数据实现，采用基于统计分析的方法，计算数据的均值和标准差，偏离均值超过设定倍数标准差的数据视为异常值并剔除；对数据进行归一化处理时，使用最小-最大归一化方法将数据归一化到[0,1]的范围，公式为：，其中X为原始数据，和分别为数据集中的最小值和最大值；S2.基于学习算法构建硬件木马深层次表征模型，学习算法包括卷积神经网络或循环神经网络；S3.数据对构建的模型进行训练，通过调整模型参数使模型区分硬件木马数据和正常硬件数据，训练过程中采用随机梯度下降SGD算法优化损失函数，防止过拟合，引入正则化项，包括L1或L2正则化，其损失函数为或，其中是原始的损失函数，是正则化系数，w是模型的权重；S4.待检测的硬件数据输入训练好的模型中，提取硬件木马的特征向量，根据特征向量判断硬件是否存在木马及确定木马的类型，在判断时，设定一个阈值，当特征向量对应的输出值超过阈值时判定为存在硬件木马，同时根据特征向量在不同维度上的值的分布情况，通过预定义的规则集确定木马的类型，规则集通过对大量已知硬件木马样本的特征分析得出；还包括：S5.对收集的数据进行特征工程处理，提取硬件的静态特征和动态特征，静态特征包括硬件的电路结构特征、逻辑门类型，通过硬件描述语言HDL解析电路结构，识别逻辑门的类型和连接关系，通过转化为可量化的特征表示；动态特征包括硬件在运行过程中的信号时序特征、功耗特征，包括信号时序特征通过硬件性能监测工具在硬件运行时以预定的采样频率采集信号波形数据，并进行傅里叶变换频谱分析提取频域特征，功耗特征通过在硬件电路的节点设置功率传感器，获取不同工作状态下的功耗数据，特征与预处理后的数据作为模型的输入；在特征提取过程中，采用主成分分析PCA或线性判别分析LDA降维算法对提取的特征向量进行降维处理，对于PCA降维，通过计算特征向量的协方差矩阵，求解其特征值和特征向量，对于LDA降维，通过计算类间散度矩阵和类内散度矩阵，求解广义特征值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230000 安徽省合肥市屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。