以机器学习检测硬件木马

物联网正在改变一切-从智能设备到智能基础设施不幸并伴有恶意软件和网络安全攻击威胁iot设备可包含多源组件,硬件和软件可包含安全机制,从极复杂到不存在不等。检测恶意电路-或硬件木马-随着电子组件数的增加而变得更加困难越来越多的iot设备进入我们的日常生活,工程师必须考虑新方法检测硬件木马

分析设备当前波形法是识别电路内硬件木马的一种方法工人们必须快速连续测量 以完全细节捕捉波形可生成大数据文件, 可能大于1Terabyte24小时测量人工筛选如此庞大数据库是一项艰巨任务硬件木马很容易滑过

最近才真正解决数据登录器可捕捉大量数据, 但他们没有带宽捕捉高频信号脉冲镜可处理带宽,但数据存储有限硬件解决方案都无法内置数据视觉化,难以识别意外模式

多技术公司探索新解决方案处理大数据挑战机器学习.密钥视觉研究者开发解决方案可比传统技术更快分析方位波形数据库量级图1

图1异常波分析能力概述

用户可立即定位无法用传统方法识别的有问题信号系统实时使用机器学习技术排序输入数据并标签波形段需要注意的是排序不一定要完美只需要足够的信息检测趋势并识别异常值

复杂设备持续增加 软件工具评价 需要保持速度遇有设备用于任务临界系统如IoT时,理解波形行为可制造或破坏系统或设备安全IoT安全对用户和开发者都很重要无论是设计工业、家庭、医疗或教育部门IoT设备,设备安全都必须在产品部署前分析。机器学习后,分析变得容易得多