Thesis (M.Sc)-Cairo University, 2024.

Bibliography: pages 82-87.

Hardware Security is gaining great importance nowadays. There are different research topics in this field. One of its hot topics is Hardware Trojans, which has become of great concern across hardware designers and manufacturers due to its critical impact on hardware systems. That’s why the researchers develop different detection techniques to identify whether the hardware is Trojan-Free or Trojan-Infected. New techniques have been arising lately that are based on structural features of hardware circuits that help to detect the infected portions of the hardware through the help of artificial intelligence algorithms.
This thesis proposes a complete framework to detect the Hardware Trojans at the gate-level netlist which consists of three stages: the parser, the feature extraction, and the classifier. The framework extracts structural features and uses eXtreme Gradient Boosting (XGBoost) machine learning classifier for detecting Hardware Trojans. It achieves a high true positive rate (TPR) of 99.3%.

أمان الأجهزة هي واحدة من أهم المجالات في هذه الأيام. هناك العديد من المواضيع البحثية المختلفة في هذا المجال. أحصنة طروادة هي واحدة من أكثر المواضيع أهمية في هذا المجال، و التي أصبحت محل اهتمام كبير لدي مصممي الأجهزة، و ذلك لتأثيرها الحرج علي الأنظمة المتكاملة. لذلك يطور الباحثون العديد من الطرق للكشف عن الأجهزة لمعرفة إذا كانت مصابة بهذه الأحصنة الفيروسية. هناك العديد من طرق الكشف وفي الأونة الأخيرة ظهرت أساليب حديثة تعتمد علي الخصائص الهيكلية للدوائر، وتستخدم خوارزميات الذكاء الاصطناعي.
هذه الرسالة تقدم تصميماً لإطار متكامل للكشف عن أحصنة طروادة من أجل تحقيق أمان الأجهزة. هذا الإطار يتكون من ثلاثة مراحل: المحلل، واستخراج الخصائص، والمصنف. و يعتمد علي الخصائص الهيكلية للدوائر الإلكترونية و يستخدم تقنيات الذكاء الاصطناعي و تعلم الآلة للكشف عن أحصنة طروادة. تم عمل تجارب و محاكاة للتصميم المقترح و عرض النتائج المستخرجة و التي كانت تنافسية مقارنة بالأعمال الأخري في هذا السياق

Issues also as CD.

Text in English and abstract in Arabic & English.