技术特征：
技术总结
本发明属于集成电路设计领域的芯片安全防护领域，涉及用于一种采用深度学习网络电路保护物理非克隆功能抗模板攻击和人工智能攻击的方法，采用以下步骤：具有物理非克隆功能的芯片，其实际物理非克隆功能模块电路输出端连接到一个深度学习网络电路，其物理非克隆模拟模块的输入端连接该深度学习网络电路；采用模板攻击和深度学习网络攻击方式对深度学习网络电路进行训练和测试；根据训练数据和测试数据确定深度学习网络电路的权重参数Wn;使测试结果的抗攻击正确率在55%以下。本发明的有益效果是，采用深度学习网络电路保护物理非克隆功能模块抗模板攻击和人工智能攻击的方法，使之特征无法被模板攻击或深度学习网络攻击来提取并预测，从而保证芯片的安全。
技术研发人员：王明宇
受保护的技术使用者：复旦大学
技术研发日：2018.02.11
技术公布日：2018.08.28