@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00174519,
 author = {長谷川, 健人 and 柳澤, 政生 and 戸川, 望},
 book = {DAシンポジウム2016論文集},
 issue = {3},
 month = {Sep},
 note = {ハードウェアの設計・製造の一部を第三者に外部委託することが増加し，悪意ある第三者によりハードウェアにハードウェアトロイを挿入される危険性が指摘されている．このような現状から，ハードウェア出荷前にハードウェアトロイを検出することが強く求められている．ハードウェアトロイを構成するネット (トロイネット) には，通常の機能を実現するネット (ノーマルネット) とは異なる特徴が存在する．トロイネットとノーマルネットを効果的に識別するには，トロイネットの特徴のうち識別に有効なものだけを適切に抽出し，これらを用いたトロイネットとノーマルネットの識別が必要である．本稿では，まず第一にネットリスト中のそれぞれのトロイネットに対してトロイネットを特徴づける多数の特徴量を算出する．そして Random Forest と呼ばれる機械学習を用い，そこで得られる重要度をもとにトロイネットとノーマルネットを識別する際の F-measure を最大化する 11 の特徴量を抽出する．第二にその 11 の特徴量を用いて機械学習にもとづき与えられたネットリスト中の各ネットがトロイネットかノーマルネットかを識別する．その結果，True Positive Rate と False Positive Rate をそれぞれ最大 100%とし，F-measure を平均 74.3%とした．これは従来の機械学習によるハードウェアトロイ手法に比較して最良の結果である．},
 pages = {8--13},
 publisher = {情報処理学会},
 title = {Random Forestを用いたネットリスト特徴選択と機械学習によるハードウェアトロイ識別},
 volume = {2016},
 year = {2016}
}