随着集成电路的发展和半导体产业的全球化,硬件安全问题已成为信息安全和系统安全领域普遍关注的问题。硬件木马可以篡改电路功能、泄露机密信息、降低系统可靠性,甚至使芯片失效。被恶意植入木马的芯片一旦应用于金融、通信、国防等关键领域,将会导致严重的安全问题甚至巨大的经济损失。因此,开展硬件木马检测技术的研究是十分有必要的,具有广泛的现实意义。本文针对电路的门级网表,对硬件木马的检测方法进行了深入研究,主要完成了以下工作:(1)将硬件木马的检测问题转换为木马电路和信号的分类问题,提出了一种全新的基于支持向量机的硬件木马检测流程。通过对电路进行特征分析和提取,使用支持向量机(Support Vector Machine,SVM)训练决策模型并对待测电路进行分类,从而检测出该待测电路是否为木马电路。该检测算法执行速度快,效率高,且无需用测试模型来激活木马,是一种静态木马检测方法。(2)研究了一种基于可控制性和可观察性的硬件木马特征提取方法。通过对门级网表进行可控性和可观察性分析以及k-means无监督学习,并结合电路规模统计数据进行特征融合,建立了硬件木马门级网表的特征库,并用于后续支持向量机的训练,完成对木马电路的检测。Trust-HUB数据库上的实验结果表明,该特征提取方法能够实现硬件木马电路的准确检测。(3)研究了基于电路可测试性分析和结构分析的硬件木马检测方法。通过电路结构分析和可测性分析提取木马信号相关的电路特征,用支持向量机对木马信号进行准确分类。最后通过对分类结果的分析,得到木马信号列表,使得可以完全恢复插入的木马并隔离其触发和有效载荷电路。