基于細(xì)節(jié)增強(qiáng)分析的硬件木馬紅外圖像檢測(cè)方法

成 釗，王和明，唐永康，張 穎

CHENG Zhao1，2,WANG Heming1,TANG Yongkang2,ZHANG Ying1

1.空軍工程大學(xué) 防空反導(dǎo)學(xué)院，西安 710051

2.國(guó)防科技大學(xué) 計(jì)算機(jī)學(xué)院，長(zhǎng)沙 410073

1.Air Defense and Antimissile Institute,Air Force Engineering University,Xi’an 710051,China

2.School of Computer,National University of Defense Technology,Changsha 410073,China

1 引言

在針對(duì)集成電路的非傳統(tǒng)安全威脅中，硬件木馬是一種熱門的攻擊方式，它植入方式靈活，攻擊手段多樣，隱蔽性普遍較高，由此帶來(lái)了集成電路安全領(lǐng)域的“攻防失衡”問(wèn)題，業(yè)界急需應(yīng)對(duì)硬件木馬威脅的可靠防御手段。根據(jù)集成電路設(shè)計(jì)制造全球化的發(fā)展趨勢(shì)，第三方代工廠在生產(chǎn)階段植入的硬件木馬是目前和未來(lái)的重點(diǎn)防御對(duì)象[1]。

如今業(yè)內(nèi)針對(duì)硬件木馬的檢測(cè)方法可分為破壞性方法和非破壞性方法。破壞性方法主要指的是反向解剖驗(yàn)證，其效果較好但成本非常高昂。非破壞性方法包含功能測(cè)試和旁路分析。在功能測(cè)試領(lǐng)域中，Banga和Hsiao等于2009年提出利用基于測(cè)試模式生成方法激活木馬，并提高了在輸出結(jié)果中觀測(cè)到木馬的作用效果的概率[2]。Zhang等人于2015年提出基于翻轉(zhuǎn)率篩選的硬件木馬檢測(cè)方法[3]，通過(guò)仿真篩選出翻轉(zhuǎn)率較低的部分，再對(duì)可疑點(diǎn)進(jìn)行排除和對(duì)比，找出藏有木馬的部分。在旁路分析領(lǐng)域中，Liu等人在2013年提出了一種利用功耗信息的旁路檢測(cè)技術(shù)來(lái)檢測(cè)信息泄露型木馬[4]。2014年Soll等人提出基于電磁輻射的硬件木馬監(jiān)測(cè)方法[5]。2008年Jin和Makris提出一種基于路徑延遲特征識(shí)別方法[6]，即一種基于木馬電路引起的路徑延遲而形成的木馬檢測(cè)技術(shù)。2014年，Intel公司、AMD公司和Rice大學(xué)等機(jī)構(gòu)聯(lián)合署名發(fā)表文章，提出了一種基于芯片工作紅外圖像的硬件木馬檢測(cè)方法[7]。國(guó)防科技大學(xué)唐永康等人于2016年提出了基于自我監(jiān)控的有限狀態(tài)機(jī)的硬件木馬防御方法[8]，并于2017年提出了基于紅外光譜分析的硬件木馬檢測(cè)方法[9]。國(guó)防科技大學(xué)沈高等人于2017年提出了基于二級(jí)差分的硬件木馬檢測(cè)方法[10]。

相較于其他思路，基于芯片工作時(shí)的紅外圖像對(duì)硬件木馬檢測(cè)是一種檢測(cè)力更強(qiáng)的方法，其主要優(yōu)勢(shì)在于：第一，采集的紅外圖像信息是直觀的二維信息，可獲取芯片內(nèi)部微小電路工作的信息；第二，此方法通過(guò)工作散熱區(qū)分了靜態(tài)功耗和動(dòng)態(tài)功耗，有助于判別硬件木馬的植入；第三，時(shí)間成本和經(jīng)濟(jì)成本都比較低廉。但目前業(yè)內(nèi)還未形成標(biāo)準(zhǔn)檢測(cè)流程和統(tǒng)一檢測(cè)方案。

本文立足于將硬件木馬顯化的目標(biāo)，設(shè)計(jì)了一種利用RO環(huán)（Ring Oscillator，環(huán)形振蕩器）充當(dāng)可信任安全設(shè)計(jì)的方法并提取紅外圖像，在此基礎(chǔ)上提出了一種融合了時(shí)間維和空間維的細(xì)節(jié)增強(qiáng)方法，即首先在時(shí)間維對(duì)700張連續(xù)紅外圖像使用自適應(yīng)濾波進(jìn)行初步降噪處理；進(jìn)而在空間維對(duì)其使用基于引導(dǎo)濾波的增強(qiáng)細(xì)節(jié)方法進(jìn)行細(xì)節(jié)優(yōu)化；最終選擇信噪比較高的紅外圖像作為判定依據(jù)，并利用FPGA進(jìn)行了實(shí)驗(yàn)驗(yàn)證。

2 理論分析

2.1 硬件結(jié)構(gòu)分析

2.1.1 硬件木馬結(jié)構(gòu)

硬件木馬的設(shè)計(jì)存在于整個(gè)集成電路設(shè)計(jì)和制造流程中，主要借助設(shè)計(jì)過(guò)程中電路內(nèi)部冗余狀態(tài)或版圖中冗余面積對(duì)目標(biāo)電路進(jìn)行有目的的篡改，從而實(shí)現(xiàn)無(wú)條件或在預(yù)設(shè)的觸發(fā)條件下篡改電路功能、泄露機(jī)密信息或癱瘓系統(tǒng)的目的。

從結(jié)構(gòu)角度分類，硬件木馬主要包括兩類，如圖1所示：第一類是擁有觸發(fā)邏輯與功能邏輯的硬件木馬，其觸發(fā)邏輯處于長(zhǎng)期偵聽(tīng)正常工作邏輯中特定信號(hào)的工作狀態(tài)；功能邏輯在觸發(fā)信號(hào)到達(dá)前長(zhǎng)期處于靜止?fàn)顟B(tài)，一旦觸發(fā)信號(hào)到達(dá)，便立刻執(zhí)行其預(yù)設(shè)的惡意功能。第二類是只擁有功能邏輯的硬件木馬，沒(méi)有觸發(fā)邏輯，功能邏輯時(shí)刻保持威脅電路和信息安全的工作狀態(tài)。

圖1 硬件木馬結(jié)構(gòu)分類

不論是第一類硬件木馬還是第二類硬件木馬，都存在著芯片正常邏輯之外的額外邏輯保持工作狀態(tài)，這些額外邏輯都會(huì)侵占芯片的無(wú)邏輯區(qū)。

2.1.2 基于RO環(huán)的可信任安全設(shè)計(jì)

RO環(huán)是由非門搭建的奇數(shù)級(jí)環(huán)路，無(wú)需時(shí)鐘控制翻轉(zhuǎn).環(huán)形振蕩器翻轉(zhuǎn)率與級(jí)數(shù)相關(guān)，最高可在90%以上，即功耗極高，發(fā)熱極大。打斷環(huán)形振蕩器，整個(gè)環(huán)路將停止工作。

考慮到硬件木馬植入是通過(guò)占領(lǐng)無(wú)邏輯區(qū)實(shí)現(xiàn)的，給出一種基于RO環(huán)的可信任安全設(shè)計(jì)。此設(shè)計(jì)利用多組RO環(huán)占領(lǐng)無(wú)邏輯區(qū)，并利用如圖2所示的多模工作狀態(tài)將熱模式和正常模式區(qū)分開(kāi)。在熱模式中，如果硬件木馬植入則會(huì)打斷RO環(huán)，形成低溫區(qū)并導(dǎo)致其熱邊界的改變，通過(guò)觀測(cè)熱模式紅外圖像的低溫區(qū)和熱邊界，即可判斷是否有硬件木馬植入。

圖2 RO環(huán)熱模式與正常工作模式

參考文獻(xiàn)[7，10]均采用了提取芯片正常工作的紅外圖像，并與純凈母片相比對(duì)從而檢測(cè)硬件木馬有無(wú)的方案，但一般而言，純凈芯片母本是難以獲取的。與之相比，此設(shè)計(jì)法優(yōu)點(diǎn)有：第一，無(wú)需母本；第二，在冷背景中檢測(cè)可信任安全設(shè)計(jì)是否完整，即利用多模工作狀態(tài)避開(kāi)無(wú)需檢測(cè)的正常邏輯功能區(qū)，只檢測(cè)硬件木馬可能植入的區(qū)域；第三，將可信任安全設(shè)計(jì)對(duì)芯片原有正常功能的影響降到最低。

2.2 紅外圖像提取分析

2.2.1 發(fā)熱機(jī)理

一切硬件邏輯都以晶體管為基礎(chǔ)，其能量消耗實(shí)質(zhì)上可以分為靜態(tài)能量消耗和動(dòng)態(tài)能量消耗兩部分[11]。

靜態(tài)能量消耗Pstat，是元件中沒(méi)有任何翻轉(zhuǎn)活動(dòng)時(shí)的能量消耗，用Ileak表示漏電流，則靜態(tài)能量消耗Pstat可如下式子計(jì)算：

由于在通常工藝下Ileak極小，靜態(tài)能量消耗極小，且硬件木馬的觸發(fā)邏輯翻轉(zhuǎn)率較高，相比于動(dòng)態(tài)能量消耗而言，靜態(tài)能量消耗中發(fā)散的熱量可以忽略不計(jì)。

動(dòng)態(tài)能量消耗Pdyn是邏輯電路產(chǎn)生翻轉(zhuǎn)時(shí)存在動(dòng)態(tài)能量消耗，且占主導(dǎo)地位。動(dòng)態(tài)能量消耗產(chǎn)生有兩個(gè)實(shí)際因素：

第一個(gè)因素是當(dāng)元件輸出信號(hào)轉(zhuǎn)換時(shí)，會(huì)產(chǎn)生瞬時(shí)短路電流：

其中，時(shí)間T內(nèi)短路電流所造成的平均能量消耗為Psc；Psc(t)表示邏輯元件瞬時(shí)短路能量消耗；Ipeak表示轉(zhuǎn)換活動(dòng)引起的短路電流峰值；tsc表示短路電流持續(xù)時(shí)間。由于短路電路引起的動(dòng)態(tài)功耗通常較小，短路功耗的散發(fā)的熱量可以忽略不計(jì)。

第二個(gè)因素是元件中負(fù)載電容充電，電源提供的能量可通過(guò)如下積分方程計(jì)算得到：

存儲(chǔ)在負(fù)載電容CL中的能量可通過(guò)如下積分得到：

動(dòng)態(tài)能量轉(zhuǎn)換只與負(fù)載電容CL大小以及電源電壓VDD大小有關(guān)，根據(jù)能量守恒定律，由電源提供的能量、存儲(chǔ)在負(fù)載電容CL中的能量以及由電阻R轉(zhuǎn)化成熱能的能量滿足如下等式：

可以得到在這一過(guò)程中由源漏電阻R轉(zhuǎn)化成熱能的能量，即熱量Q的主要成分為：

RO環(huán)的翻轉(zhuǎn)率極高，其紅外信號(hào)主要來(lái)自于非門晶體管動(dòng)態(tài)功耗逸散的熱量。

2.2.2 導(dǎo)熱機(jī)理

絕大部分的源漏電阻是由MOS管源漏擴(kuò)散區(qū)的硅基電阻以及柵下導(dǎo)電溝道的硅基電阻組成，即由電能轉(zhuǎn)化成的紅外能絕大部分都存儲(chǔ)在MOS管下的硅襯底中。根據(jù)紅外學(xué)公式Q=CmΔT，變形得到其中ΔT表示硅襯底的溫度變化，單位為℃；Q表示硅襯底吸收的紅外能大小，單位為J；m表示硅襯底的質(zhì)量，單位為kg；C表示硅襯底的比紅外容大小，單位為J/(kg?℃)。硅比紅外容CSi的大小為703 J/(kg?℃)。

2.2.3 紅外圖像提取過(guò)程

紅外成像實(shí)驗(yàn)平臺(tái)主要由紅外熱成像儀、計(jì)算機(jī)和軟件等組成。如圖3所示，紅外熱成像儀的作用是提取芯片紅外信息并將其傳輸?shù)接?jì)算機(jī)上，計(jì)算機(jī)和軟件的作用是處理紅外數(shù)據(jù)和顯示紅外圖像。其中，紅外熱成像儀是一個(gè)由許多微米量級(jí)像素元件組成的FPA，其分辨率的范圍是160×120～1024×1024。

圖3 紅外圖像提取實(shí)驗(yàn)平臺(tái)

通常，檢測(cè)的芯片是BGA封裝的芯片，其結(jié)構(gòu)如圖4所示?？芍酒墓枰r底面是朝向上方的，而銅互連層是朝向下方的并與電路相連。

圖4 芯片開(kāi)蓋示意圖

由上文可知，芯片的絕大部分紅外能來(lái)源于晶體管的動(dòng)態(tài)功耗，并由硅襯底傳導(dǎo)，把FPGA上蓋剖開(kāi)，即可將芯片的硅片直接暴露在紅外成像儀器下，從而完成紅外圖像數(shù)據(jù)的提取。

2.3 降噪與細(xì)節(jié)增強(qiáng)方法分析

2.3.1 降低噪聲和增強(qiáng)細(xì)節(jié)的關(guān)系

面對(duì)一個(gè)不能區(qū)分有用信息和噪聲的圖像，在增強(qiáng)有用細(xì)節(jié)的同時(shí)，也會(huì)增強(qiáng)無(wú)用的噪聲；在降低無(wú)用噪聲的同時(shí)，也會(huì)減弱有用的細(xì)節(jié)。參考文獻(xiàn)[10]采用了樣品紅外圖像與純凈母本紅外圖像進(jìn)行一次差分，再對(duì)紅外圖像剩余像素進(jìn)行一次差分，最后使用卡爾曼濾波降噪的方案。此方案存在的問(wèn)題是：第一，需要純凈母本；第二，對(duì)樣品和純凈母本提取圖像的過(guò)程是相互獨(dú)立的，不能保證差分的效果；第三，僅使用卡爾曼濾波降噪，未考慮對(duì)硬件木馬信號(hào)的增強(qiáng)。對(duì)應(yīng)這些問(wèn)題，本文方法不需要純凈母本，只需一次圖像提取過(guò)程，且在時(shí)間維完成降噪處理，在空間維完成增強(qiáng)處理，規(guī)避了一個(gè)維度上降噪和增強(qiáng)的矛盾。

2.3.2 自適應(yīng)濾波

自適應(yīng)濾波利用前一時(shí)刻已獲得的濾波器參數(shù)等結(jié)果，自動(dòng)調(diào)節(jié)現(xiàn)時(shí)刻的濾波器參數(shù)，以適應(yīng)信號(hào)和噪聲未知或隨時(shí)間變化的統(tǒng)計(jì)特性，從而實(shí)現(xiàn)最優(yōu)濾波[12]，如圖5所示。

圖5 自適應(yīng)濾波

式中，x(n)為n時(shí)刻參考輸入信號(hào)；W(n)為n時(shí)刻自適應(yīng)濾波器權(quán)系數(shù)；W?(n)為n時(shí)刻未知系統(tǒng)權(quán)系數(shù)；d(n)為期望信號(hào)；e(n)為誤差信號(hào)；ξ(n)為輸入干擾信號(hào)；c(n)為跟蹤誤差信號(hào)；μ為步長(zhǎng)因子，用來(lái)控制穩(wěn)定性和收斂速度。

n階自適應(yīng)濾波器權(quán)系數(shù)：

2.3.3 引導(dǎo)濾波

引導(dǎo)濾波[13]是本文所采用的細(xì)節(jié)增強(qiáng)方法的第一步，其模型默認(rèn)復(fù)雜函數(shù)可以分解為多個(gè)局部線性函數(shù)的總和。同理，圖像是無(wú)法用解析式表示的二維函數(shù)，假設(shè)該函數(shù)輸出和輸入在一個(gè)二維窗口內(nèi)滿足線性關(guān)系：

其中，q是輸出像素的值；I是輸入圖像的值；i和k是像素索引；a和b是當(dāng)窗口中心位于k時(shí)該線性函數(shù)的系數(shù)；ωk是所有包含像素i的窗口；k是其中心位置。對(duì)兩邊取梯度可得：

即當(dāng)輸入I有梯度，輸出q也有梯度。求出線性函數(shù)的系數(shù)，希望擬合函數(shù)的輸出值與真實(shí)值之間差距最小，即使下式最?。?/p>

參考輸入向量：

這里，p只能是待濾波圖像。同時(shí)，a之前的系數(shù)ε用于防止求得的a過(guò)大，也是調(diào)節(jié)濾波器濾波效果的重要參數(shù)。通過(guò)最小二乘法，可以得到：

其中，μk是I在窗口ωk中的平均值；是I在窗口ωk中的方差；|ω|是窗口ωk中像素的數(shù)量；是待濾波圖像p在窗口ωk中的均值。

在計(jì)算每個(gè)窗口的線性系數(shù)時(shí)，可得知一個(gè)像素會(huì)被多個(gè)窗口包含，即每個(gè)像素都由多個(gè)線性函數(shù)所描述。因此，要具體求某一點(diǎn)的輸出值時(shí)，只需將所有包含該點(diǎn)的線性函數(shù)值平均即可：

2.3.4 空間維細(xì)節(jié)增強(qiáng)方法

基于引導(dǎo)濾波的細(xì)節(jié)增強(qiáng)方法具體過(guò)程如圖6所示：首先，對(duì)原始圖像進(jìn)行引導(dǎo)濾波，即保持區(qū)域邊界信息并使區(qū)域內(nèi)信號(hào)平滑；第二，使用原始圖像減去引導(dǎo)濾波后的結(jié)果得到差值，此差值為可能包含噪聲的細(xì)節(jié)；第三，對(duì)此差值進(jìn)行放大；最后，把放大后的差值加入經(jīng)引導(dǎo)濾波的圖像達(dá)到細(xì)節(jié)增強(qiáng)效果。

圖6 空間維細(xì)節(jié)增強(qiáng)方法

此方法的優(yōu)勢(shì)在于引導(dǎo)濾波會(huì)保持圖像區(qū)域的邊界信息，因此在作差時(shí)區(qū)域邊界會(huì)保持在零值附近而不會(huì)有抖動(dòng)，經(jīng)放大細(xì)節(jié)后也不會(huì)有明顯的抖動(dòng)。再加入經(jīng)引導(dǎo)濾波的圖像后，細(xì)節(jié)會(huì)有較明顯的增強(qiáng)，并且邊界會(huì)非常清晰而不會(huì)模糊，在邊界劃分和提取方面有很大優(yōu)勢(shì)。

3 實(shí)驗(yàn)設(shè)計(jì)

3.1 基于RO環(huán)的可信任安全性設(shè)計(jì)

在FPGA中設(shè)計(jì)RO環(huán)模擬正常的熱工作模式，并在其中部靠右下區(qū)域留下無(wú)邏輯區(qū)，模擬由硬件木馬植入造成的RO環(huán)斷裂（下文稱為模擬單元）產(chǎn)生的低溫區(qū)。通過(guò)對(duì)信噪比數(shù)據(jù)的分析和對(duì)低溫區(qū)的邊界的觀察，判斷紅外圖像處理方法的效果。

3.2 時(shí)間維降噪-空間維細(xì)節(jié)增強(qiáng)方法

細(xì)節(jié)增強(qiáng)方法有可能會(huì)在增強(qiáng)紅外信號(hào)的同時(shí)增強(qiáng)噪聲，因此考慮在細(xì)節(jié)增強(qiáng)前先進(jìn)行一次噪聲濾除。因?yàn)榭臻g維降噪和細(xì)節(jié)增強(qiáng)是相互矛盾的，所以此方案采用時(shí)間維降噪。

芯片中單個(gè)像素點(diǎn)的溫度曲線特點(diǎn)是抖動(dòng)上升，此抖動(dòng)就是噪聲的影響結(jié)果。對(duì)溫度隨時(shí)間上升曲線的降噪只會(huì)優(yōu)化曲線的平滑度而不會(huì)改變整體的趨勢(shì)和溫度上升速率，也不會(huì)改變溫度數(shù)據(jù)在空間維的真實(shí)分布情況。

此方法降噪具體過(guò)程為：首先將單次拍攝的全部700張紅外圖像按時(shí)間順序排列；第二，在所有紅外圖像中提取同一像素點(diǎn)的溫度數(shù)據(jù)，即可得到此像素點(diǎn)溫度隨時(shí)間上升曲線；第三，對(duì)每一個(gè)單像素點(diǎn)的溫度曲線使用自適應(yīng)濾波方法，使溫度上升曲線盡可能光滑達(dá)到濾除噪聲目的；第四，將所有像素點(diǎn)的自適應(yīng)濾波結(jié)果綜合得到700張濾波后的紅外圖像。

最后，在時(shí)間降噪的基礎(chǔ)上，使用基于引導(dǎo)濾波的細(xì)節(jié)增強(qiáng)方法，增強(qiáng)時(shí)間降噪后的紅外圖像細(xì)節(jié)，即可得到實(shí)驗(yàn)結(jié)果。

4 實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)按時(shí)間順序提取了700張芯片工作的紅外圖像，時(shí)間間隔為8 ms。隨時(shí)間的推移芯片工作時(shí)熱擴(kuò)散現(xiàn)象會(huì)越來(lái)越明顯，會(huì)遮蓋有用信號(hào)，因此抽取第10張紅外圖像作為實(shí)驗(yàn)樣張。信噪比如下計(jì)算：計(jì)算局部方差，將其最大值作為信號(hào)方差，最小值作為噪聲方差，求出比值后轉(zhuǎn)成dB數(shù)。假設(shè)一幅M×N的灰度圖像，x(i,j)為模板中心的灰度值，那么在(2n+1)×(2m+1)的窗口內(nèi)，其局部均值可以表示為：

其局部均方差可以表示為：

信噪比為：

4.1 原始圖片信息

由圖7可得，圖片中高溫區(qū)域顏色為紅色，中溫區(qū)域顏色為橙色，低溫區(qū)域顏色為黃色和藍(lán)色，圖片的對(duì)比度較差，右下角的模擬單元低溫區(qū)邊界模糊，不可識(shí)別。根據(jù)信噪比公式可得，原始圖片的信噪比為13.9683 dB。

4.2 空間維細(xì)節(jié)增強(qiáng)方法

由圖8可直觀看出，基于引導(dǎo)濾波的細(xì)節(jié)增強(qiáng)方法在增強(qiáng)有用信息時(shí)，連同噪聲也一并增強(qiáng)了。右下角模擬單元低溫區(qū)信號(hào)增強(qiáng)，但被噪聲影響不能識(shí)別。信噪比為16.5054 dB，相較原始圖片信噪比提高了2.5497 dB，細(xì)節(jié)增強(qiáng)效果比較明顯。

圖7 未經(jīng)處理的原始紅外圖像

圖8 經(jīng)空間維細(xì)節(jié)增強(qiáng)處理的紅外圖像

4.3 時(shí)間維降噪方法

時(shí)間維降噪方法通過(guò)對(duì)單個(gè)像素點(diǎn)溫度上升曲線使用自適應(yīng)濾波降噪，從而完成對(duì)整幅圖片降噪。效果由平滑度指標(biāo)評(píng)價(jià)：

式中，f(n)為原始信號(hào)，^f(n)為降噪后信號(hào)。降噪前方差和為0.3354，降噪后方差和為0.0266，其比值即平滑度r為0.0793。由圖9與圖10對(duì)比可知，降噪結(jié)果較好。

圖9 原始單點(diǎn)溫度上升曲線

由圖11可知，經(jīng)時(shí)間維降噪后，由于受之后圖像的影響，信號(hào)相對(duì)加強(qiáng)，完成了噪聲濾除。右下角模擬單元低溫區(qū)與旁邊的高溫區(qū)對(duì)比強(qiáng)烈，但邊界仍不能顯化。信噪比為16.5148 dB，相較原始圖片信噪比提高了2.5371 dB，降噪效果比較明顯。

圖10 自適應(yīng)濾波后單點(diǎn)溫度上升曲線

圖11 經(jīng)時(shí)間維降噪處理的紅外圖像

4.4 時(shí)間維降噪-空間維細(xì)節(jié)增強(qiáng)方法

由圖12可知，經(jīng)時(shí)間維降噪-空間維細(xì)節(jié)增強(qiáng)方法處理后，高溫區(qū)和低溫區(qū)對(duì)比度加大，右下角模擬單元低溫區(qū)明顯且出現(xiàn)邊界，說(shuō)明經(jīng)此方法處理后可以增強(qiáng)硬件木馬植入帶來(lái)的低溫區(qū)信號(hào)，并可以顯化其邊界。信噪比為20.1104 dB，相較原始圖片信噪比提高了6.1421 dB，降噪和細(xì)節(jié)增強(qiáng)效果明顯。

圖12 經(jīng)時(shí)間維降噪-空間維細(xì)節(jié)增強(qiáng)處理的紅外圖像

4.5 數(shù)據(jù)分析

本文利用如圖13所示的盒圖進(jìn)行700幅紅外圖像的信噪比數(shù)據(jù)整理和分析，主要包含中位數(shù)、上四分位數(shù)、下四分位數(shù)、最大觀測(cè)值和最小觀測(cè)值，并標(biāo)明了大于最大觀測(cè)值的離群點(diǎn)。這些數(shù)據(jù)是判斷數(shù)據(jù)集的數(shù)據(jù)離散程度和偏向的依據(jù)，中位數(shù)越靠上說(shuō)明信噪比越高，上下四分位數(shù)越靠近中位數(shù)說(shuō)明越穩(wěn)定，離群點(diǎn)越少說(shuō)明數(shù)據(jù)越可靠。其中最大（最?。┯^測(cè)值設(shè)置為與四分位數(shù)值間距離為1.5個(gè)IQR（中間四分位數(shù)極差）。

圖13 前700張紅外圖像信噪比數(shù)據(jù)統(tǒng)計(jì)盒圖

數(shù)據(jù)結(jié)果如表1所示，可以得出結(jié)論，相比單純降噪或單純?cè)鰪?qiáng)方法，本文提出的先時(shí)間維降噪再空間維增強(qiáng)的方法可以明顯改善芯片工作紅外圖像的信噪比，所有數(shù)據(jù)都處在最佳水平。

表1 數(shù)據(jù)對(duì)比

5 結(jié)束語(yǔ)

本文設(shè)計(jì)了一種利用RO環(huán)充當(dāng)可信任安全設(shè)計(jì)的硬件木馬檢測(cè)方法，并提出了一種面向紅外圖像的時(shí)間維降噪-空間維細(xì)節(jié)增強(qiáng)方法。該方法在時(shí)間維利用自適應(yīng)濾波方法降低噪聲，避免了空間降噪對(duì)有用信息的干擾；在空間維利用基于引導(dǎo)濾波的細(xì)節(jié)增強(qiáng)方法優(yōu)化細(xì)節(jié)，提高有用細(xì)節(jié)的對(duì)比度。實(shí)驗(yàn)表明，經(jīng)該方法處理后紅外圖像信噪比為20.1104 dB，相比原始圖片提高了6.1421 dB，相比單純降噪提高了3.5956 dB，相比單純細(xì)節(jié)增強(qiáng)提高了3.6050 dB，明顯提高了紅外圖像的信噪比，并顯化了預(yù)先設(shè)置的模擬單元邊界。但將低溫區(qū)邊界顯化只是硬件木馬檢測(cè)的第一步，在以后的研究中將逐步加入聚類劃分和識(shí)別的研究?jī)?nèi)容。