Брянск, Брянская область, Россия
Россия
Целью исследования является сравнительный анализ коммерческого и авторского программных средств для автоматизированного распознавания элементов топологии интегральных микросхем в задачах обратного проектирования. Задачей является определение специфических профилей ошибок каждого из рассматриваемых инструментов (коммерческого программного комплекса Pix2Net и авторского кода на языке Python/OpenCV) и формулирование рекомендаций по их улучшению. Методы исследования: экспериментальное распознавание элементов микросхем, изготовленных по БиКДМОП техпроцессу; анализ ошибок по методу Парето с классификацией на три категории (пропуск элемента, ложное срабатывание, геометрическая ошибка). Новизна работы состоит в сопоставлении нейросетевого и шаблонного подходов к распознаванию элементов топологии интегральных схем с выявлением компромисса между полнотой обнаружения и точностью детекции. Результаты исследования: Pix2Net обеспечивает точность 98 %, но порождает 78,9 % ложных срабатываний; авторский подход при точности 72 % демонстрирует доминирование пропусков (60 %) при низком уровне ложных детекций. Выводы: каждый подход обладает специфическим профилем ошибок; анализ Парето позволяет целенаправленно определить приоритетные направления улучшения, при этом авторский инструмент является перспективным для учебных и исследовательских целей благодаря отсутствию зависимости от GPU и коммерческих лицензий.
реверс-инжиниринг, интегральные схемы, распознавание образов, Pix2Net, OpenCV, СЭМ-изображения, netlist, GDSII, анализ Парето, БиКДМОП
1. Kimura A.G., Elliott A.S., Perkins D.A. Recovery of a hierarchical func-tional representation of an integrated circuit: pat. US11651126B2 USA. 2023.
2. Dizon-Paradis O., Wilson R., Koblah D. et al. Hands-On Introduction to AI in Hardware Security: IC Reverse Engineering using Image Processing, Computer Vision, and Machine Learning. Florida Institute for National Security, 2025.
3. Лучинин В.В., Гасников А.О. Анализ возможных методов поиска и идентификации блока радиоканала на кристалле интегральной микросхемы // Известия СПбГЭТУ «ЛЭТИ». – 2012. – № 8. – С. 14-19.
4. Lippmann B., Junghanns A. System and method for integrated circuit planar netlist interpretation: pat. US7937678B2 USA. 2011.
5. MITRE. Pix2Net™. URL: https://www.mitre.org/our-impact/intellectual-property/ mitre-pix2net
6. Bachelot D. Degate: multi-platform software for semi-automatic VLSI reverse engineering of digital logic in chips. URL: https://www.degate.org
7. TechInsights. Reverse Engineering Solutions. URL: https://www.techinsights.com/capabilities/reverse-engineering
8. Rothaug L., Klix J. et al. Towards Unsupervised SEM Image Segmentation for IC Layout Extraction. Proc. Conf. on Hardware Security. 2023.
9. iST. How to use SEM full-vision imaging technology to reverse-perceive a nano-scale IC circuit. 2018. URL: https://www.istgroup.com/en/tech_ 20181120/
10. Nahum T. et al. Automatic Defect Segmentation by Unsupervised Anomaly Learning. Proc. 29th IEEE ICIP. 2022. P. 306-310.
11. Дудкин А.А. Нечёткая нейронная сеть для идентификации объектов на изображениях топологических слоёв интегральных микросхем // Системный анализ и прикладная информатика. – 2015. – № 4. – С. 11-15.
12. Azimi R., Kong Y. et al. SEMU-Net: A Segmentation-Based Corrector for Fabrication Process Variations of Nanophotonics with Microscopic Images. Proc. IEEE/CVF WACV. 2025.
13. Almira J.M., Phelippeau H., Martinez-Sanchez A. Fast Normalized Cross-Correlation for Template Matching with Rotations. J. Applied Math. and Computing. 2024. DOI: 10.1007/ s12190-024-02157-6.
14. OpenCV Documentation. Template Matching. URL: https://docs.opencv.org/4.x/d4/dc6/tutorial_py_ template_matching.html
15. Rajarathnam R.S., Lin Y., Jin Y., Pan D.Z. ReGDS: A Reverse Engineer-ing Framework from GDSII to Gate-level Netlist. Proc. IEEE HOST. 2020.
16. LayoutEditor Documentation. GDSII: The Standard for IC Layout Data. URL: https://layouteditor.org/layout/file-formats/gdsii
17. MicroNet Solutions. Pix2Net Suite: Reverse Engineering Software. URL: http://micronetsol.net
18. Zhang Y. et al. A rotation invariant template matching algorithm based on Sub-NCC. Math. Biosci. Eng. – 2022. – Vol. 19. – No. 9. – P. 9505-9519.
19. NVIDIA. CUDA Toolkit 8.0 Release Notes. 2016. URL: https://developer.nvidia.com/cuda-toolkit-archive
20. Visual Studio Code: редактор исходного кода [компьютерная программа] / Microsoft Corporation. – Режим доступа: https://code.visualstudio.com
21. Белоус А.И., Ефименко С.А., Турцевич А.С. Полупроводниковая силовая электроника. – М.: Техносфера, 2013. – 216 с. – ISBN 978-5-94836-367-7. – Текст: электронный // Лань: электронно-библиотечная система. – URL: https://e.lanbook.com/book/73530 (дата обращения: 13.03.2026).
22. Pareto Charts in Quality Control: A Snapshot. Quality Magazine. 2023.
