文献

J-GLOBAL ID：201702265954683059   整理番号：17A1033734

深い学習を用いた回路認識【Powered by NICT】

Circuit recognition with deep learning

著者 (2件)： Dai Yu-Yun (Department of EECS, University of California, Berkeley, U.S.A.) ,  Braytont Robert K. (Department of EECS, University of California, Berkeley, U.S.A.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： HOST  ページ： 162  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： と適切なアルゴリズムを適用した回路の同定特性(特徴)は,種々の計算機支援設計問題を解くために有用である。ハードウェアセキュリティ検査では,リバースエンジニアリングのための需要,ビットレベル設計からの高レベル成分を抽出するプロセスである。回路ブロックが与えられた時,一般的なアプローチは,候補関数の集合を見出し,それを同定するための形式的方法を適用することである。高レベル機能の有用な特徴の同定と未知ブロックの提案された候補を収集する重要なステップである。予め定義された特徴を必要としないので,畳込みニューラルネットワーク(CNN)は,機械学習で広く使用されている。多重処理層を有する深層ネットワークは,この訓練過程中に物体の隠された学習構造が可能であることが示されている。CNN処理のための論理回路を表現するための要件を論じた。新しい回路表現(データフォーマット)は,動的プーリングと提案した回路ベースの畳込み演算のために開発した。このデータフォーマットに基づき,回路機能を認識するためのCNNを用いた深い学習フレームワークを構築した。サポートベクトルマシン(SVM)に基づく参照法と比較して,実験は回路分類だけでなく機能検出と位置の両方のために提案されたCNN法の有効性を示した。適切な訓練データ,例えば隠れトロヤ群をもつ回路のセットを用いて,提案したフレームワークは,ハードウェア設計におけるマルウェアの検出と位置決めを支援するモデルを訓練するために使用することができる。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 論理回路 ,  畳込み ,  アルゴリズム ,  データフォーマット ,  ニューラルネットワーク ,  ハードウェア設計 ,  ネットワーク ,  CAD【計算機】 ,  機械学習 ,  マルウェア ,  *学習 ,  リバースエンジニアリング ,  サポートベクトルマシン ,  多重処理
準シソーラス用語： 訓練データ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (1件)： 学習