PulseAugur
中
实时 08:41:26
English(EN) Explainability Methods for Hardware Trojan Detection: A Systematic Comparison

论文比较硬件木马检测的可解释性方法

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新发表在arXiv上的论文详细介绍了对集成电路中硬件木马检测的可解释性方法的系统性比较。该研究评估了三类技术：领域感知型属性分析、模型无关型案例推理以及模型无关型特征归因方法，如LIME和SHAP。该研究旨在确定哪些方法能为硬件工程师提供最有用的信息，以识别一旦制造就难以修复的恶意电路。比较使用了Trust-Hub基准数据集。 AI

影响 通过改进AI驱动的恶意硬件组件检测，为提高集成电路安全性提供了见解。

排序理由 该条目是一篇发表在arXiv上的研究论文，比较了针对特定技术问题的可解释性方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

论文比较硬件木马检测的可解释性方法

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Paul Whitten, Francis Wolff, Chris Papachristou ·

    Explainability Methods for Hardware Trojan Detection: A Systematic Comparison

    arXiv:2601.18696v5 Announce Type: replace Abstract: Hardware trojans are malicious circuits which compromise the functionality and security of an integrated circuit (IC). These circuits are manufactured directly into the silicon and cannot be fixed by security patches like softwa…

相关实体

相关话题