万物互联（Internet of Everything,IoE）使得越来越多的智能硬件融入到现代生活当中,随之而来的智能硬件设备间物理信息安全问题也逐渐显现。密码集成电路是智能硬件的基础,其安全性往往是通过密码算法来进行保护。虽然密码算法设计在数学理论上是安全的,但是这并不能保证其在物理实现上的安全性。电磁旁路分析主要是利用密码算法在实现过程中的电磁发射泄漏来获取其中秘密信息的方法,目前已经对密码集成电路的信息安全构成严重的威胁。电磁旁路分析的优势在于非侵入式、隐蔽性强、易于实现的同时分析效果又比较好,是目前旁路分析的主要方式之一。近年来,电磁旁路分析技术已经成为国内外研究的重点,尤其是在密码集成电路的旁路分析和检测的领域,已经成为密码分析最具发展潜力的方向之一。随着密码集成电路的发展,电磁旁路分析现阶段所存在的问题还包括以下几个方面:（1）密码集成电路的电磁旁路泄漏和密码算法之间缺乏一个通用的模型来进行解释,大都是依据特定模型的前提假设下而进行旁路分析;（2）传统电磁旁路分析往往仅使用密钥的单个字节进行分析,而在硬件并行实现过程中单字节分析会出现信息浪费的情况,从而造成信噪比不高,分析效率低下。（3）密码集成电路的硬件木马存在着形式多样、隐蔽性强,触发概率低的特点,加之工艺偏差对密码集成电路造成物理参数的差异,使得硬件木马的检测存在一定的难度。本论文主要聚焦于密码集成电路的电磁旁路分析和检测技术,旨在解决现阶段所存在的问题,以分组密码算法的高级加密标准（Advanced Encryption Standard,AES）为基础,对密码集成电路信息泄露的电磁分析模型、传统电磁分析在硬件并行实现时信息利用不足和硬件木马的检测困难等问题进行了研究。本论文的主要内容和贡献如下:（1）密码集成电路信息泄露的电磁分析建模针对密码集成电路的电磁旁路泄漏与密码算法之间缺乏一个通用模型来解释刻画的问题,对密码算法在密码集成电路中的工作机制进行了研究,根据密钥所在寄存器前后数据变化引起的电流波动,将其用电偶极子来进行等效刻画,并建立密码集成电路的电磁发射模型。与此同时,对用于接收电磁泄漏的近场探头也进行了分析,根据其等效电路建立起输出与输入之间的关系用于构建电磁接收模型。电磁发射模型是前因,电磁接收模型是后果,二者共同构成了密码集成电路信息泄露的电磁分析模型。最后,构建了基于多元线性回归的电磁分析模型,通过统计学中多元线性回归理论来验证所提出信息泄露的电磁分析模型的正确性。该模型可推广至一般密码集成电路设备进行电磁旁路分析。（2）基于智能算法优化的多字节电磁分析为解决传统电磁旁路分析在硬件并行实现时存在信息利用不足的问题,提出了一种多字节电磁分析的方法来提高信息利用率。并引入粒子群优化算法和遗传算法将电磁分析的密钥恢复问题转化为密钥寻优的问题,利用智能算法迭代寻优启发式的特点在密钥搜索空间中高效寻找出正确密钥。通过对智能算法的改进使密码算法的密钥求解更加高效,对粒子群优化算法的速度更新公式增加惯性权重,而位置更新公式增加突变移动;对遗传算法增加排序算子和筛选算子,经过改进后的智能算法不仅提高了信息利用率,同时在密钥的寻优上也获得了极大的改善。相较于传统相关电磁分析的方法,基于粒子群优化的多字节电磁分析采用递进式的方法实现了对电磁发射迹线数目约13.72%的改进,基于遗传算法的多字节电磁分析采用全覆盖式的方法更进一步减少了电磁发射迹线数目的使用,实现了约42.72%的改进。（3）基于迁移学习的电磁旁路硬件木马检测针对密码集成电路的硬件木马存在着形式多样、隐蔽性强、触发概率低和工艺偏差的问题,提出了一种基于迁移学习的硬件木马检测框架。利用迁移学习在放宽训练数据限制的同时又能节省训练时间的优势,运用到硬件木马的检测上获得了比较好的效果。通过连续小波变换对采集到的硬件木马的电磁旁路信号进行时频信息提取,并将提取到的时频信息送入到迁移学习网络中进行检测分类。其中,通过卷积神经网络获得了 90.5%的分类准确率,相较于传统的支持向量机改善了近20%,迁移学习在相对更短的时间内获得了 90.9%的分类准确率。除此之外,利用迁移学习来进行硬件木马的特征提取,使用支持向量机作为分类区分器替代原来的区分器。通过迁移学习与支持向量机的结合,进一步提升硬件木马的检测分类效果,获得了 94%的分类准确率。