1. 硬件木马检测技术背景与挑战在集成电路安全领域硬件木马Hardware Trojan已成为供应链安全的首要威胁之一。这类恶意电路修改通常发生在芯片设计或制造环节攻击者通过插入、替换或修改标准单元Standard Cell来实现功能篡改。与软件漏洞不同硬件木马一旦植入芯片将永久存在且难以通过常规测试发现。传统检测方法主要依赖两类技术功能测试通过输入激励验证电路行为但对潜伏型木马需特定条件触发效果有限侧信道分析监测功耗、时序等物理特征变化但易受工艺偏差影响近年来兴起的物理检测技术利用扫描电子显微镜SEM获取芯片的纳米级图像通过对版图结构的视觉分析识别异常。这种方法面临三大核心挑战工艺节点缩小28nm以下工艺中晶体管和互连结构的尺寸接近SEM成像分辨率极限约3-5nm特征模糊化严重单元相似性干扰现代标准单元库中不同功能的单元可能具有高度相似的物理结构如XOR与XNOR单元成像噪声样品制备过程中的研磨损伤、成像时的电子散射等会引入随机噪声典型案例我们在65nm RISC-V芯片实验中发现仅需替换3个XNOR单元为XOR单元就能永久禁用权限检查机制。这种修改在SEM图像中几乎不可见因为两种单元的底层通孔Via布局差异小于5nm。2. 基于通孔位置的特征提取方法2.1 通孔模式的拓扑特征通孔作为连接不同金属层的垂直通道其位置分布具有功能相关性。我们提出通过拓扑持久性分析Topological Persistence Analysis提取通孔点云的拓扑特征具体步骤图像预处理使用自适应阈值算法消除亮度不均图1a→1b应用形态学开运算去除成像噪点import cv2 img cv2.imread(sem_image.tif, 0) thresh cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2) kernel np.ones((3,3), np.uint8) cleaned cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)持久同调计算将二值图像视为高度场通过水位上升模型提取持久特征记录通孔中心点的出生-死亡半径图1c% MATLAB示例使用Persistence Images工具箱 [dgm, ~] compute_persistence(cleaned); salient_features dgm(dgm(:,2)-dgm(:,1) persistence_threshold, :);特征向量构建将通孔位置转换为相对单元中心的极坐标计算径向分布直方图20nm分箱特征类型90nm节点65nm节点40nm节点通孔数量12.7±1.29.8±0.97.3±0.6平均间距(nm)46.238.529.1最大持久性0.780.650.522.2 单元代表生成算法为克服单张SEM图像的噪声影响我们开发了多实例平均算法对齐同一类型的所有单元实例基于轮廓矩匹配对通孔位置进行核密度估计KDE提取概率密度峰值作为代表通孔位置实验数据显示当样本量≥15时代表位置的标准差可控制在2.1nm以内90nm工艺。该方法在28nm节点的表现如图2所示即使存在明显的成像伪影箭头处仍能准确识别真实通孔。3. 相似性度量与检测流程3.1 改进的相似性评分传统模板匹配TM和通孔掩模匹配VM方法存在局限性TM对图像配准误差敏感3nm偏移导致评分下降40%VM忽略通孔间的拓扑关系我们提出的通孔位置VP评分结合位置相似性Hausdorff距离度量通孔点云的空间分布 $$ d_H(A,B) \max(\sup_{a\in A}\inf_{b\in B}||a-b||, \sup_{b\in B}\inf_{a\in A}||a-b||) $$拓扑一致性持久同调群的Betti数匹配度密度相关性通孔区域灰度值的Pearson相关系数3.2 检测流程实现完整检测流程如图3所示关键步骤包括候选区域提取使用U-Net网络分割SEM图像中的标准单元对每个单元实例提取通孔特征异常检测def detect_trojan(cell_features, library_db): # 计算与所有库单元的相似度 scores [vp_score(cell_features, lib_cell) for lib_cell in library_db] # 取最高分作为匹配结果 max_score max(scores) if max_score threshold: return TROJAN else: return CLEAN结果验证对标记为木马的单元进行局部EDS能谱分析检查是否存在异常材料如高Z元素4. 实验结果与分析4.1 跨工艺节点性能对比在四个工艺节点上的测试结果如图4所示检测方法90nm FN率65nm FN率40nm FN率28nm FN率模板匹配0.920.850.760.68通孔掩模0.310.420.550.91我们的方法0.030.170.240.19特别在90nm节点VP方法将XOR-XNOR替换的漏检率从92%降至3%。但在65nm节点出现17%的FN率主要源于成像伪影导致假通孔检测图5a缓冲单元Buffer的多功能相似性4.2 资源开销对比在Xeon Gold 6248R服务器上的测试显示方法特征提取时间(ms/单元)匹配时间(μs/对比)内存占用(MB)模板匹配12.78.2210我们的方法18.31.695虽然VP方法特征提取耗时略高但其高效的哈希表匹配机制O(1)复杂度使整体吞吐量提升2.3倍。5. 防御策略与工程实践5.1 单元库加固方案针对高相似度单元对的防御措施设计约束# Synopsys Design Compiler约束示例 set_dont_use {CORE65LPLVT_XOR2X1 CORE65LPLVT_XNOR2X1} set_dont_use {CORE28HPLVT_INVX1 CORE28HPLVT_BUFX1}实测显示排除28nm节点的9个高风险单元仅导致面积开销0.013%时序影响0.047%功耗增加0.022%物理区分增强在非关键层添加区分标记如多晶硅dummy图形采用非对称通孔排布图6b5.2 检测系统部署建议在实际产线部署时需注意样品制备背面减薄至50μm以下28nm节点要求30μm离子铣削角度控制在3°以内成像参数加速电压1-2kV避免电子穿透像素尺寸≤2nm满足Nyquist采样定理数据管道graph LR A[SEM设备] -- B(图像预处理) B -- C{本地检测} C --|可疑样本| D[云端复核] D -- E[报告生成]6. 常见问题与解决方案Q1如何处理通孔检测的假阳性典型场景65nm节点中STI浅槽隔离边缘的反光伪影图7a解决方案采用持续同调滤波def persistence_filter(points, birth_death): # 移除持久性0.2的临时特征 return points[birth_death[:,1] - birth_death[:,0] 0.2]添加材料验证步骤使用EDS检测疑似通孔的成分真通孔应含W元素Q2低对比度图像如何处理案例28nm节点金属层图像图7b改进方案动态对比度增强img_adjust imadjust(img, stretchlim(img, [0.02, 0.98]));电子束参数优化增加探头电流至50pA采用T1检测器收集二次电子我们在实际项目中总结的经验是对于40nm以下节点建议采集5帧图像做像素级平均可将信噪比提升√5倍。7. 技术展望随着3D IC技术的发展未来检测系统需要增加Z轴分辨能力如采用FIB-SEM断层扫描开发针对TSV硅通孔的特异性检测算法结合EELS电子能量损失谱进行材料指纹识别当前方法已成功应用于三家Foundry的65nm/40nm产线检测累计检出12例确认的木马植入案例。一个值得关注的趋势是攻击者开始采用混合单元替换策略如同时修改XOR和MUX单元这要求检测系统具备多单元联合分析能力。
硬件木马检测：通孔位置特征与拓扑分析技术
1. 硬件木马检测技术背景与挑战在集成电路安全领域硬件木马Hardware Trojan已成为供应链安全的首要威胁之一。这类恶意电路修改通常发生在芯片设计或制造环节攻击者通过插入、替换或修改标准单元Standard Cell来实现功能篡改。与软件漏洞不同硬件木马一旦植入芯片将永久存在且难以通过常规测试发现。传统检测方法主要依赖两类技术功能测试通过输入激励验证电路行为但对潜伏型木马需特定条件触发效果有限侧信道分析监测功耗、时序等物理特征变化但易受工艺偏差影响近年来兴起的物理检测技术利用扫描电子显微镜SEM获取芯片的纳米级图像通过对版图结构的视觉分析识别异常。这种方法面临三大核心挑战工艺节点缩小28nm以下工艺中晶体管和互连结构的尺寸接近SEM成像分辨率极限约3-5nm特征模糊化严重单元相似性干扰现代标准单元库中不同功能的单元可能具有高度相似的物理结构如XOR与XNOR单元成像噪声样品制备过程中的研磨损伤、成像时的电子散射等会引入随机噪声典型案例我们在65nm RISC-V芯片实验中发现仅需替换3个XNOR单元为XOR单元就能永久禁用权限检查机制。这种修改在SEM图像中几乎不可见因为两种单元的底层通孔Via布局差异小于5nm。2. 基于通孔位置的特征提取方法2.1 通孔模式的拓扑特征通孔作为连接不同金属层的垂直通道其位置分布具有功能相关性。我们提出通过拓扑持久性分析Topological Persistence Analysis提取通孔点云的拓扑特征具体步骤图像预处理使用自适应阈值算法消除亮度不均图1a→1b应用形态学开运算去除成像噪点import cv2 img cv2.imread(sem_image.tif, 0) thresh cv2.adaptiveThreshold(img, 255, cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY, 11, 2) kernel np.ones((3,3), np.uint8) cleaned cv2.morphologyEx(thresh, cv2.MORPH_OPEN, kernel)持久同调计算将二值图像视为高度场通过水位上升模型提取持久特征记录通孔中心点的出生-死亡半径图1c% MATLAB示例使用Persistence Images工具箱 [dgm, ~] compute_persistence(cleaned); salient_features dgm(dgm(:,2)-dgm(:,1) persistence_threshold, :);特征向量构建将通孔位置转换为相对单元中心的极坐标计算径向分布直方图20nm分箱特征类型90nm节点65nm节点40nm节点通孔数量12.7±1.29.8±0.97.3±0.6平均间距(nm)46.238.529.1最大持久性0.780.650.522.2 单元代表生成算法为克服单张SEM图像的噪声影响我们开发了多实例平均算法对齐同一类型的所有单元实例基于轮廓矩匹配对通孔位置进行核密度估计KDE提取概率密度峰值作为代表通孔位置实验数据显示当样本量≥15时代表位置的标准差可控制在2.1nm以内90nm工艺。该方法在28nm节点的表现如图2所示即使存在明显的成像伪影箭头处仍能准确识别真实通孔。3. 相似性度量与检测流程3.1 改进的相似性评分传统模板匹配TM和通孔掩模匹配VM方法存在局限性TM对图像配准误差敏感3nm偏移导致评分下降40%VM忽略通孔间的拓扑关系我们提出的通孔位置VP评分结合位置相似性Hausdorff距离度量通孔点云的空间分布 $$ d_H(A,B) \max(\sup_{a\in A}\inf_{b\in B}||a-b||, \sup_{b\in B}\inf_{a\in A}||a-b||) $$拓扑一致性持久同调群的Betti数匹配度密度相关性通孔区域灰度值的Pearson相关系数3.2 检测流程实现完整检测流程如图3所示关键步骤包括候选区域提取使用U-Net网络分割SEM图像中的标准单元对每个单元实例提取通孔特征异常检测def detect_trojan(cell_features, library_db): # 计算与所有库单元的相似度 scores [vp_score(cell_features, lib_cell) for lib_cell in library_db] # 取最高分作为匹配结果 max_score max(scores) if max_score threshold: return TROJAN else: return CLEAN结果验证对标记为木马的单元进行局部EDS能谱分析检查是否存在异常材料如高Z元素4. 实验结果与分析4.1 跨工艺节点性能对比在四个工艺节点上的测试结果如图4所示检测方法90nm FN率65nm FN率40nm FN率28nm FN率模板匹配0.920.850.760.68通孔掩模0.310.420.550.91我们的方法0.030.170.240.19特别在90nm节点VP方法将XOR-XNOR替换的漏检率从92%降至3%。但在65nm节点出现17%的FN率主要源于成像伪影导致假通孔检测图5a缓冲单元Buffer的多功能相似性4.2 资源开销对比在Xeon Gold 6248R服务器上的测试显示方法特征提取时间(ms/单元)匹配时间(μs/对比)内存占用(MB)模板匹配12.78.2210我们的方法18.31.695虽然VP方法特征提取耗时略高但其高效的哈希表匹配机制O(1)复杂度使整体吞吐量提升2.3倍。5. 防御策略与工程实践5.1 单元库加固方案针对高相似度单元对的防御措施设计约束# Synopsys Design Compiler约束示例 set_dont_use {CORE65LPLVT_XOR2X1 CORE65LPLVT_XNOR2X1} set_dont_use {CORE28HPLVT_INVX1 CORE28HPLVT_BUFX1}实测显示排除28nm节点的9个高风险单元仅导致面积开销0.013%时序影响0.047%功耗增加0.022%物理区分增强在非关键层添加区分标记如多晶硅dummy图形采用非对称通孔排布图6b5.2 检测系统部署建议在实际产线部署时需注意样品制备背面减薄至50μm以下28nm节点要求30μm离子铣削角度控制在3°以内成像参数加速电压1-2kV避免电子穿透像素尺寸≤2nm满足Nyquist采样定理数据管道graph LR A[SEM设备] -- B(图像预处理) B -- C{本地检测} C --|可疑样本| D[云端复核] D -- E[报告生成]6. 常见问题与解决方案Q1如何处理通孔检测的假阳性典型场景65nm节点中STI浅槽隔离边缘的反光伪影图7a解决方案采用持续同调滤波def persistence_filter(points, birth_death): # 移除持久性0.2的临时特征 return points[birth_death[:,1] - birth_death[:,0] 0.2]添加材料验证步骤使用EDS检测疑似通孔的成分真通孔应含W元素Q2低对比度图像如何处理案例28nm节点金属层图像图7b改进方案动态对比度增强img_adjust imadjust(img, stretchlim(img, [0.02, 0.98]));电子束参数优化增加探头电流至50pA采用T1检测器收集二次电子我们在实际项目中总结的经验是对于40nm以下节点建议采集5帧图像做像素级平均可将信噪比提升√5倍。7. 技术展望随着3D IC技术的发展未来检测系统需要增加Z轴分辨能力如采用FIB-SEM断层扫描开发针对TSV硅通孔的特异性检测算法结合EELS电子能量损失谱进行材料指纹识别当前方法已成功应用于三家Foundry的65nm/40nm产线检测累计检出12例确认的木马植入案例。一个值得关注的趋势是攻击者开始采用混合单元替换策略如同时修改XOR和MUX单元这要求检测系统具备多单元联合分析能力。
