基于RO硬件木马检测的工艺偏差校正方法

第51卷 第6期 2018年6月天津大学学报(自然科学与工程技术版)Journal of Tianjin University (Science and Technology )V ol. 51 No. 6Jun. 2018收稿日期：2017-05-01；修回日期：2018-01-06.作者简介：赵毅强（1964— ），男，博士，教授. 通讯作者：赵毅强，yq_zhao@.基金项目：国家自然科学基金资助项目(61376032)；天津市科技计划资助项目(15ZCZDGX00180).Supported by the National Natural Science Foundation of China (No.61376032) and the Science and Technology Support Program of Tianjin ，China (No.15ZCZDGX00180).DOI:10.11784/tdxbz201705001基于RO 硬件木马检测的工艺偏差校正方法赵毅强1, 2，刘阿强1, 2，何家骥1, 2，刘燕江1, 2(1. 天津大学微电子学院，天津 300072；2. 天津市成像与感知微电子技术重点实验室(天津大学)，天津 300072)摘 要：针对基于环形振荡器(ring oscillator ，RO )的硬件木马检测方法受到工艺偏差的严重影响，导致木马检测准确度降低的问题，提出了一种新的针对RO 硬件木马检测进行工艺偏差校正的方法．首先，根据硬件木马和工艺偏差对芯片供电电压变化的不同反应特性，改变测试数据中两者所占的比重，获取大致工艺偏差影响范围，然后削弱测试数据中工艺偏差的影响，突出和显化硬件木马的影响，最后通过马氏距离以及欧式距离等判别方法识别出硬件木马．利用现场可编程门阵列(field-programmable gate array ，FPGA )测试平台进行了实验验证，数据处理结果表明，在0.61%片内工艺偏差下可以有效检测出工艺偏差校正前无法识别的硬件木马，木马电路的大小等效为44个与非门．并且提出的方法可以扩展应用于包含片内工艺偏差的情况． 关键词：信息技术；硬件木马检测；校正方法；环形振荡器；工艺偏差中图分类号：TN918 文献标志码：A 文章编号：0493-2137(2018)06-0645-06Process Variation Calibration Method for RO -basedHardware Trojan Detection TechnologyZhao Yiqiang 1, 2，Liu Aqiang 1, 2，He Jiaji 1, 2，Liu Y anjiang 1, 2(1．School of Microelectronics ，Tianjin University ，Tianjin 300072，China ；2．Tianjin Key Laboratory of Imaging and Sensing Microelectronic Technology ，Tianjin University ，Tianjin 300072，China )Abstract ：Ring oscil l ator (RO )based hardware Trojan (HT )detection technol ogy is severel y infl uenced by processvariations ，which leads to the decrease of the Trojan detection precision ．Therefore ，a new process variation calibra-tion method for RO-based HT detection technol ogy is proposed in this paper ．Firstly ，according to the distinct re-sponse to the supply voltage of the HTs and process variations ，respective proportion of the two in the test data is changed and approximate process variation amplitude is obtained ．Secondly ，the impact of process variation is cali-brated to lower its effect on the oscillation frequency and the impact of HT is manifested ．Finally ，pairwise distance analysis method using Mahalanobis distance or Euclidean distance is applied to identify whether the circuit is Trojan infected ．The proposed method is validated on the FPGA platform and the results show that within 0.61% intra-die process variation ，HTs that cannot be detected before the calibration can be effectively identified ，and the size of the trojan circuit is equivalent to 44NAND gates ．Further ，the proposed method can be extended to applications whichinclude the impact of inter-die process variation ．Keywords ：information technology ；hardware Trojan detection ；calibration method ；ring oscillator (RO )；processvariation·646· 天津大学学报(自然科学与工程技术版) 第51卷 第6期随着集成电路设计生产流程的分化，芯片设计者将版图制作好后要交给代工厂进行流片，由于这个过程对设计者是不透明的，因此无法确定其是否可信，生产过程中可能存在对原始电路的篡改．为了不影响原始电路的功能，防止被设计者发现，这种篡改最有可能表现为额外电路的植入，也就是硬件木马[1]．平时硬件木马处于静默状态，在特殊情况下被激活，可以实现信息窃取等破坏功能[2]．硬件木马是对芯片信息安全的极大威胁，由于硬件木马激活条件隐蔽，检测较为困难．目前国内外对硬件木马检测技术的研究一般分为破坏式和非破坏式[3]，其中利用RO 进行硬件木马检测属于非破坏式的检测方法，具有结构简单、容易实现、占电路面积小、消耗功耗低等优点．RO 的振荡频率与电压有关，当芯片中有硬件木马植入后，由于木马要消耗额外的电流，因此会引起芯片电源网络上电压的变化，进而导致RO 的振荡频率发生变化，从而可以被检测到．目前已经有一些学者进行了RO 检测硬件木马的研究，文献[4]利用RO 检测专用集成电路芯片中的硬件木马并利用主成分分析的方法进行数据处理；文献[5]通过降低供电电压和改变电源内阻来提高硬件木马对RO 振荡频率的影响程度，并利用基于凸包(convex-hull )的方法进行木马识别；文献[6]提出基于与非门的RO 比基于反相器的RO 对硬件木马更敏感；文献[7]提出通过更改RO 级数的方法提高对硬件木马的敏感程度；文献[8]提出利用芯片运行时级数可配置的环形振荡器来检测硬件木马．由于没有一种很好的校正工艺偏差方法，当面对较高工艺偏差的影响时，检测效果并不理想．本研究提出一种针对利用RO 进行硬件木马检测来校正工艺偏差的方法．根据硬件木马和工艺偏差对芯片供电电压变化的不同反应特性来区分工艺偏差和硬件木马对RO 振荡频率的影响，通过校正方法减小测试数据中工艺偏差的影响，突出和显化硬件木马的影响，然后进行判别区分实现硬件木马检测．1 硬件木马检测原理及流程RO 可以由奇数级反相器首尾相连组成，其振荡频率由每一级延时的总和决定．假定每一级的延时可以由t d 表示，并且RO 一共由n 级组成，那么它的振荡频率可以大致表示[9]为d1=2f nt (1)每一级反相器的延时可以进一步表示为L DD d DSAT0.52C Vt I ≈ (2)式中：C L 是负载电容；V DD 是电源供电电压；I DSAT 是饱和电流．因此RO 的振荡频率是V DD 的函数．当某个RO 布局在硬件木马附近时，它的振荡频率就会受到硬件木马的影响．因此基于RO 的硬件木马检测方法一共受到4种因素的影响，分别是温度等环境因素、片内工艺偏差、片间工艺偏差和是否有硬件木马．对于母本电路而言，假定一共植入了N 个环形振荡器，对于第i 个RO ，其测量的振荡频率为0e inter intra i f f f f f =+++ (3)式中：f 0表示在不考虑工艺偏差和环境因素以及测量误差的情况下，完全由电路设计参数决定的振荡频率；f e 表示由于测量误差、环境偏差导致的每次测量数值的差异；f inter 和f intra 分别表示由片间工艺偏差和片内工艺偏差导致的RO 振荡频率的变化．对于不包含硬件木马的待测电路，其测量的振荡频率为 0e inter intra i f f f f f ′′′=+++ (4)式中的上标表示数值的变化．对于待测电路中包含硬件木马的芯片，其测量的振荡频率为0e inter intra Trojan i f f f f f f ′′′′′′=++++ (5)式中f Trojan 是由于额外的硬件木马电路造成的对RO 振荡频率的变化．对于以上几种影响振荡频率的因素，由于所有的测试都是在相对稳定的室温下进行，温度等环境偏差的影响可以忽略，进而f e 可以通过对同一RO 进行多次测量取平均值来消除．其余影响RO 振荡频率的因素就是工艺偏差的和硬件木马，因此这种基于RO 的硬件木马检测方法最关键的问题就是如何将工艺偏差的影响和硬件木马的影响区分开．上面提到了工艺偏差分为片间工艺偏差和片内工艺偏差，而片间工艺偏差又可以分为同一批次芯片之间的偏差和不同批次芯片之间的偏差．这些偏差的本质都是芯片制作过程中由于工艺精度的影响，设计时相同的晶体管，其生产出来的实际晶体管沟道长度、宽度、掺杂浓度等不完全相同，存在一定的偏 差[10]．一般而言，片内工艺偏差比较小，片间工艺偏差大些，不同批次芯片之间的工艺偏差要大于同一批次芯片之间的工艺偏差．据文献[11]的测试结果，片内工艺偏差在0.75%左右，片间工艺偏差在6.61%左右．通过直接比较无法确定待测芯片中RO 的振荡频率相比于母本芯片的差异是不是硬件木马引起的．目2018年6月 赵毅强等：基于RO 硬件木马检测的工艺偏差校正方法 ·647·前已有的利用RO 进行硬件木马检测的方法大都由于工艺偏差的影响太大而检测效果不理想．为了解决这一问题，考虑到硬件木马和工艺偏差对芯片供电电压变化的不同反应特性，当改变芯片的供电电压进行测试时，相比于硬件木马对RO 振荡频率的影响，工艺偏差的影响会变化得非常小，从而利用这种差异进行工艺偏差和硬件木马的分离．Xiao 等[3]提到降低芯片核心供电电压后，可以提高硬件木马对RO 振荡频率的影响程度．既然FPGA 在正常核心供电电压下木马的影响比较小，可以利用这组测试数据获取不同RO 之间大致的工艺偏差幅度．然后通过降低芯片核心供电电压后，如果工艺偏差对RO 振荡频率的影响不如硬件木马的影响变化那么大，就可以利用这种差异对测试数据进行工艺偏差校正．最后再使用距离分类判别方法，就可以判断出待测芯片中是否含有硬件木马．虽然这种方法不能完全校正工艺偏差，但是大大降低了工艺偏差对硬件木马检测精确度的影响．针对专用集成电路芯片在考虑工艺偏差情况下利用RO 进行硬件木马检测与工艺偏差校正的流程如下．在芯片正常供电电压下，测量所有芯片中所有RO 的振荡频率，对于同一RO 进行多次测量以消除测量误差．利用待测芯片的RO 振荡频率与母本电路的相对应的RO 的振荡频率计算偏差幅度，即 t a a =()/f f f Δ− (6)式中：f t 为待测芯片的RO 振荡频率；f a 为母本芯片的RO 振荡频率；Δ 为偏差幅度．降低芯片供电电压，同时又确保电路工作不出错，再次测量所有芯片中所有RO 的振荡频率，对于同一RO 进行多次测量以消除测量误差．对待测芯片中每个RO 的测试数据进行校正，计算公式为calib /(1)f f Δ=+ (7)式中：f 为测试所得的RO 振荡频率；f calib 为校正后的RO 振荡频率．最后对校正后的数据进行距离判别，可以利用欧氏距离或者马氏距离，进而区分出包含硬件木马的待测电路．2 硬件木马检测实验为了对提出的工艺偏差校正与硬件木马检测方法进行验证，完成了母本电路与硬件木马电路的设计、测试数据采集和数据处理3部分工作．由于FPGA 是专用集成电路的硬件仿真平台，所以实验是基于Sakura-G FPGA 测试板[12]进行的，板子上的FPGA 型号为Spartan6xc6slx75．首先测量片上工艺偏差对RO 振荡频率的影响．每个RO 选择的级数是5级，这样可以确保在FPGA 中布局到同一个slice 中，并且其中一级的一个输入作为RO 的使能信号．RO 的原理如图1所示．每一级的RO 是一个多路选择器，当选择信号为逻辑高电平时，其输出为逻辑低电平，反之亦然．为了确保所有的RO 在布局布线之后完全相同，利用FPGA editor 将RO 做成Hard Macro ，然后在新的测试程序中多次实例化这个硬核，这样可以将完全相同的RO 结构布局到FPGA 的不同位置．RO 的版图如图2所示．利用解码器将不同的RO 依次选通，利用计数器测量其一段时间内的振荡次数，从而可以获得其振荡频率．总共测量了32个RO 的振荡频率，利用/100%f σ×计算出实验用的FPGA 的片内工艺偏差在0.61%左右，其中f 表示所有RO 振荡频率的均值，σ 为方差． 接下来验证FPGA 芯片在核心供电电压不同的情况下，各个RO 之间工艺偏差程度是否变化很小. 在FPGA 中放置了8个RO ，分别记为RO 1～RO 8．通过调整FPGA 的核心供电电压分别为1.2V 、1.0V 和0.8V ，对8个RO 的振荡频率进行统计．在每种供电电压下分别计算了RO 2～RO 8相对于RO 1的偏差程度．测量结果如图3所示．图1 环形振荡器原理Fig.1 Schematic of RO·648· 天津大学学报(自然科学与工程技术版) 第51卷 第6期图2 FPGA 实现的环形振荡器原理Fig.2Layout of the RO as implemented in FPGA图3 不同供电电压下的工艺偏差Fig.3 Process variation under different power supplyvoltages由图3可见RO 2、RO 3、RO 5和RO 8相对于RO 1的偏差量在不同电压下变化非常小．虽然RO 4、RO 6和RO 7变化相对大一些，但通常情况下，木马对RO 振荡频率的影响会变化更大，这一点可以通过后面的实验得到证明．下面测试RO 振荡频率受硬件木马的影响情况．母本电路选择ISCAS89基准电路中的s1423，木马电路选择ISCAS89基准电路中的s27．由于FPGA 设计流程中，电路代码的改变会导致整个设计被重新综合，进而导致植入木马后电路变化较大，因此为了模仿实际专用集成电路芯片中的硬件木马植入情况，将母本电路单独布局布线之后也利用FPGA editor 做成了Hard Macro ，这样可以确保其版图在不同的测试中保持不变，更接近实际ASIC 被植入硬件木马的情况．然后在母本电路中植入了8个RO ，并且使其较为均匀地分布在母本电路中的不同位置．上述电路作为实验中的母本，记为ORI ．在以后的每次测试中，RO 与s1423的相对位置关系都保持不变．通过将ORI 电路布局到FPGA 中的不同位置，获得了不包含硬件木马的待测电路，记为ORI 1．这样在测试中引入了片内工艺偏差的影响．然后通过将两个s27电路植入ORI 1中，获得了两种包含硬件木马的待测电路，记为TR 1．使用Synopsys 公司的Design Com-piler (Version D-2010.03-SP5)采用SMIC 180nm 工艺对s27电路进行综合，利用得到的电路面积除以一个与非门的电路面积，得到s27电路的等效门数是22门，因此木马电路的等效门数约为44门．最终通过调整FPGA 芯片的核心供电电压，将其分别设置为1.2V 、0.9V 和0.8V ，利用前面所述相同的测试方法测量了所有测试电路中全部RO 的振荡频率，并利用上述检测方法进行了如下的数据处理，实现硬件木马的检测．3 检测结果分析首先考虑ORI 、ORI 1和TR 1电路的测试数据，图4表示在FPGA 的核心供电电压为1.2V 的情况下，ORI 、ORI 1和TR 1中RO 的振荡频率．可以发现木马对RO 振荡频率的影响相比工艺偏差要小得多，通过直接比较无法区分出硬件木马．图中每种颜色的折线分别有10条，代表10次测试结果．图4 木马对RO 振荡频率的影响Fig.4 Impact of HT on RO oscillation frequency欧式距离判别方法可以反映样本之间的差异，可以用于硬件木马检测[13] ．马氏距离可以排除变量之间的相关性干扰，也适用于硬件木马检测[14] ．待测样本L 2与母本L 1之间的马氏距离公式为T 11/21222(,)[()()]d −=−−L L L µL µ∑ (8)式中：µ为母本L 1的均值；∑为母本L 1的协方差 矩阵.图5是待测电路和母本电路之间的欧式距离分布直方图，未进行工艺偏差校正．红色条纹代表不含硬件木马的待测电路与母本电路的欧氏距离分布情况，绿色条纹对应于含有硬件木马的待测电路．如图所示，含有硬件木马的待测电路相比于母本电路的欧式距离比不含有硬件木马的待测电路还要小，并且红色条纹和绿色条纹存在交叠部分，因此在工艺偏差校正前无法正确识别出硬件木马，或者会导致含有木马的待测电路被错误识别为不含木马的电路．2018年6月赵毅强等：基于RO硬件木马检测的工艺偏差校正方法 ·649·图5欧式距离分布直方图(未进行工艺偏差校正) Fig.5Euclidean distance distribution(without process variation calibration)图6是进行工艺偏差校正后欧式距离分布直方图．校正后，含有硬件木马的待测电路相比于母本电路的欧式距离比不含有硬件木马的待测电路大，并且红色条纹和绿色条纹之间没有交叠的部分，因此硬件木马可以被正确地识别．并且对于未进行工艺偏差校正的测试数据，利用主成分分析等方法也无法进行正确判别，证明了校正方法的必要性．接下来利用马氏距离进行了类似的数据处理，其结论与用欧式距离进行区分时相同，也是利用提出的校正方法进行工艺偏差校正后才能区分出含木马的电路．图6欧式距离分布直方图(进行工艺偏差校正) Fig.6Euclidean distance distribution(with process varia-tion calibration)4 结 语本文提出了一种针对RO进行硬件木马检测中工艺偏差的校正方法，并通过FPGA测试验证了本方法的有效性．利用本文提出的工艺偏差校正与硬件木马检测方法，可以有效地减小测试数据中工艺偏差的影响，提高硬件木马检测效果．并且本文提出的方法可以扩展应用于包含片内工艺偏差、片间工艺偏差等多种情况．实验结果表明：使用本方法可以有效检测出工艺偏差校正前无法识别的硬件木马，检测出的木马电路的大小等效为44个与非门．参考文献：［1］Bhunia S，Hsiao M S，Banga M，et al. Hardware Tro-jan attacks：Threat analysis and countermeasures[J].Proceedings of the IEEE，2014，102(8)：1229-1247. ［2］Ni L，Li S，Chen J，et al. The influence on sensitivity of hardware Trojans detection by test vector[C]// Com-munications Secu r ity Confe r ence. Beijing，China，2014：1-6.［3］Xiao K，Forte D，Jin Y，et al. Hardware Trojans：Lessons learned after one decade of research[J]. ACMTr ansactions on Design Automation of Electr onic Sys-tems(TODAES)，2016，22(1)：6-1-6-23.［4］Ferraiuolo A，Zhang X，Tehranipoor M. Experimental analysis of a ring oscillator network for hardware trojandetection in a 90nm asic[C]//Proceedings of the Interna-tional Confe r ence on Compute r-Aided Design.California，USA，2012：37-42.［5］Kelly S，Zhang X，Tehranipoor M，et al. Detecting hardware Trojans using on-chip sensors in an ASIC de-sign[J]. Jour nal of Electronic Testing，2015，31(1)：11-26.［6］Hoque T，Mustapa M，Amsaad F，et al. Assessment of NAND based ring oscillator for hardware Trojan detec-tion[C]//2015 IEEE 58th International Midwest Sympo-sium on Cir cuits and Systems(MWSCAS). Colorado，USA，2015：1-4.［7］Kitsos P，V oyiatzis A G. FPGA Trojan detection using length-optimized ring oscillators[C]//2014 17th Euromi-cr o Confer ence on Digital System Design. Verona，Italy，2014：675-678.［8］Pirpilidis F，V oyiatzis A G，Pyrgas L，et al. An effi-cient reconfigurable ring oscillator for hardware trojandetection[C]// Pan-Hellenic Conference on Infor matics.Patras，Greece，2016：66-1-66-6.［9］Zhang X，Tehranipoor M. RON：An on-chip ring oscil-lator net-work for hardware Trojan detection[C]//Design，Automation & Test in Europe Conference & Ex-hibition. Grenoble，France，2011：1-6.［10］倪 林，李少青，赵志勋，等. 工艺偏差下基于功耗与延时的硬件木马检测有效性分析[J]. 数字通信，2014，41(5)：36-41.Ni Lin，Li Shaoqing，Zhao Zhixun，et al. Efficiencyanalysis of hardware trojans detection based on powerand delay under process variation[J]. Digital Communi-·650·天津大学学报(自然科学与工程技术版)第51卷第6期cation，2014，41(5)：36-41(in Chinese).［11］Maiti A，Casarona J，McHale L，et al. A large scale characterization of RO-PUF[C]//2010 IEEE Inte na-tional Symposium on Har dwar e-Or iented Secur ity andTrust. California，USA，2010：94-99.［12］SAKURA-G Specification Ver. 1.0[EB/OL]. http：//satoh.cs.uec.ac.jp/SAKURA/hardware/SAKURA-G.html，2013-08-01.［13］Wang Jianxin，Wang Boren，Qu Ming，et al. HardwareTrojan detection based on the distance discrimination[C]//2016 IEEE Inter national Conference on ComputerCommunication and the Inte net. Wuhan，China，2016：404-407.［14］Cui Q，Sun K，Wang S，et al. Hardware Trojan detec-tion based on cluster analysis of Mahalanobis distance[C]//20168th Inter national Confer ence on IntelligentHuman-Machine Systems and Cyber netics. Hangzhou，China，2016：234-238.(责任编辑：王晓燕)。