集成电路(Integrated Circuit,IC)工艺技术的飞速发展让集成芯片的应用越来越多也越来越重要。但与此同时,集成电路芯片缺陷带来的威胁和损失也日益严重。然而目前却缺乏成熟有效的手段对集成电路芯片的硬件缺陷进行检测。在此背景之下,本文对集成电路芯片的多种硬件缺陷进行了研究和分析,并提出了对集成电路芯片的不同硬件缺陷进行分类的算法。本论文的主要工作内容如下:(1)本文对集成电路芯片的硬件缺陷分析技术的发展现状进行了调研,并重点分析了目前神经网络在集成电路芯片硬件缺陷分析中的应用和今后的发展趋势。(2)研究了集成电路芯片硬件故障的智能分类算法:本文首先对集成电路芯片的典型故障进行了研究,然后基于芯片的输出响应信号,应用了基于小波分解的故障特征提取技术,并根据实际情况对特征提取技术进行了改进,最后利用神经网络作为分类器,完成了对集成电路芯片硬件故障的智能化分类检测。此算法具有较高检出率,且检测过程不需要“黄金芯片”模型作为参照。(3)提出了两种基于神经网络的硬件木马分类策略:针对集成电路芯片的硬件木马,我们基于有木马芯片和无木马芯片在热像图上所呈现出来的特征,利用神经网络对其进行识别并分类,最终实现了对集成电路芯片硬件木马的分类检测。我们提出的硬件木马检测算法可以检测出分布不同、位置不同的木马,并且即使木马未被激活,我们的算法依旧能将其检测出来。此外,我们还分析了不同的激励信号以及芯片工艺偏差对木马检测的影响。同时为了对特征信息进行降维,简化神经网络结构,我们使用了二维主成分分析(2-Dimensional Principal Component Analysis,2DPCA)技术对热图进行特征提取。此外,根据应用场景的差异,我们采用了两种不同的神经网络应用于此算法中。这两种神经网络分别采用了有监督的学习方式和无监督的学习方式。我们也对基于这两种不同神经网络的方法进行了比较,并分析了各自的优缺点。