硬件木马检测的可解释性方法：系统性比较
机器学习
2026-05-21 v4
摘要
硬件木马是损害集成电路(IC)功能和安全性的恶意电路。这些电路直接制造在硅片中，无法像软件那样通过安全补丁来修复。解决方案将需要通过更换IC来进行昂贵的产品召回，因此，在设计过程中的早期检测至关重要。硬件检测充其量只能提供基于统计的解决方案，并伴随许多假阳性和假阴性。这些检测方法需要更彻底的可解释分析以滤除错误指标。为图像分类等通用领域开发的现有可解释性方法可能无法提供硬件工程师所需的可操作见解。一个悬而未决的问题是：对于硬件安全应用，领域感知的属性分析、模型无关的基于案例的推理以及模型无关的特征归因技术如何进行比较？这项工作在Trust-Hub基准数据集上比较了门级硬件木马检测的三类可解释性方法：(1)基于31个电路特定特征的领域感知属性分析，这些特征源自门扇入模式、触发器距离和主输入/输出(I/O)连通性；(2)使用k近邻进行基于先例解释的模型无关基于案例的推理；(3)模型无关的特征归因方法（局部可解释模型无关解释(LIME)、SHapley加性解释(SHAP)、梯度），这些方法提供没有电路级上下文的通用重要性得分。
引用
@article{arxiv.2601.18696,
title = {Explainability Methods for Hardware Trojan Detection: A Systematic Comparison},
author = {Paul Whitten and Francis Wolff and Chris Papachristou},
journal= {arXiv preprint arXiv:2601.18696},
year = {2026}
}