| 1 |
1
기계학습 기반의 FPGA 하드웨어 악성기능 트리거 탐지 방법에 있어서,FPGA 하드웨어 악성기능을 활성화 시키는 트리거를 찾기 위한 특징정보(featured information)를 추출하여, 상기 하드웨어 악성기능이 포함된 룩업 테이블(LUT) 정보를 학습시키는, LUT 학습 모듈에 의해 수행되는, LUT 학습 단계 - 상기 특징정보는 대상 XDL 파일에서 PIP 정보와 LUT 정보를 활용하여 추출됨 -;상기 대상 XDL 파일에서 상기 PIP 정보와 LUT 정보를 추출한 뒤, 특정정보(specific information)를 추출하여 학습된 모델의 입력부에 입력하는, 특정정보 추출 및 학습 모델 입력 모듈에 의해 수행되는, 특정정보 추출 및 학습 모델 입력 단계 - 상기 특정정보는 대상 XDL 파일에서 PIP 정보와 LUT 정보를 활용하여 추출되고, 상기 특징정보에 대응함 -; 및상기 특정정보가 입력되어 상기 학습된 모델로부터 출력된 새로운 데이터가 상기 LUT 학습 단계에서 학습된 학습 데이터 셋의 유사 여부에 따라 분류하여 하드웨어 악성기능을 탐지하는, 하드웨어 악성기능 탐지 모듈에 의해 수행되는, 하드웨어 악성기능 탐지 단계를 포함하고,상기 대상 XDL 파일은, FPGA 비트스트림의 구성 데이터(Configuration Data)에서 PIP 정보와 PLP 정보를 포함하고,상기 PIP 정보는 상기 XDL 파일의 PIP (Programmable Interconnect Point) 정보로부터 추출되고,상기 LUT 정보는 상기 XDL 파일의 PLP (Programmable Logic Point) 정보로부터 추출되는 것을 특징으로 하는, FPGA 하드웨어 악성기능 트리거 탐지 방법
|
| 2 |
2
제1 항에 있어서,상기 특징정보(featured information)는,LUT의 입력 핀 및 출력 핀이 거쳐 가는 LUT의 개수에 해당하는 Input_Pin_Depth, Output_Pin_Depth,LUT의 각 출력 핀으로부터 나가는 신호가 다음 입력으로 들어가는 LUT들의 개수인 Output_Pin_influence,LUT에 사용된 입력핀의 개수인 Input_Pin_Count, XDL상에서 하드웨어 악성기능과 연관된 트리거가 포함된 논리식의 일정한 패턴에 관한 정보인 Boolean-Equation_Pattern, 및LUT를 진리표 형태로 만든 뒤 출력으로 나가는 경우가 몇 개인지를 나타내는 수치인 Truth-table_Output_Count를 포함하는, FPGA 하드웨어 악성기능 트리거 탐지 방법
|
| 3 |
3
제2 항에 있어서,상기 LUT 학습 단계에서, 상기 Input_Pin_Depth 및 상기 Output_Pin_Depth를 추출하여 상기 하드웨어 악성기능이 포함된 LUT를 학습시키고,상기 하드웨어 악성기능 탐지 단계에서, 상기 새로운 데이터와 학습 데이터 셋의 유사 여부 판단이 이루어지지 않으면,상기 특징정보의 개수를 증가시키면서, 상기 LUT 학습 단계를 다시 수행하고, 상기 하드웨어 악성기능 탐지 단계에서, 새로운 제2 데이터와 학습 데이터 셋의 유사 여부를 판단하는, FPGA 하드웨어 악성기능 트리거 탐지 방법
|
| 4 |
4
삭제
|
| 5 |
5
제2 항에 있어서,상기 하드웨어 악성기능 탐지 단계에서,상기 학습된 모델로부터 출력된 새로운 데이터가 학습 데이터 셋의 유사 여부를 One-Class Support Vector Machine 분류 알고리즘에 따라 분류하여 하드웨어 악성기능을 탐지하는 것을 특징으로 하는, FPGA 하드웨어 악성기능 트리거 탐지 방법
|
| 6 |
6
제5 항에 있어서,상기 LUT 학습 단계에서, 상기 Input_Pin_Depth 및 상기 Output_Pin_Depth를 추출하여 상기 하드웨어 악성기능이 포함된 LUT를 학습시키고,상기 하드웨어 악성기능 탐지 단계에서, 상기 새로운 데이터와 학습 데이터 셋의 유사 여부 판단이 상기 One-Class Support Vector Machine 분류 알고리즘에 따라 이루어지지 않으면,상기 특징정보의 개수를 증가시키면서, 상기 LUT 학습 단계를 다시 수행하고, 상기 하드웨어 악성기능 탐지 단계에서, 새로운 제2 데이터와 학습 데이터 셋의 유사 여부를 제2 분류 알고리즘에 따라 판단하는, FPGA 하드웨어 악성기능 트리거 탐지 방법
|
| 7 |
7
제6 항에 있어서,상기 제2 분류 알고리즘은 상기 One-Class Support Vector Machine 분류 알고리즘에서 상기 특징정보의 개수가 증가함에 따라 상기 하드웨어 악성기능 탐지와 연관된 학습된 경계(learned frontier)의 임계 영역의 면적을 축소시키는 것을 특징으로 하는, FPGA 하드웨어 악성기능 트리거 탐지 방법
|
