CN113433850B - 一种fpga异态逻辑修复方法 - Google Patents

Abstract

本发明公开了一种FPGA异态逻辑修复方法，应用于FPGA所在的待测电路上，通过将待测电路划分为待测网格，通过温度传感器采集待测网格的振荡频率矩阵，该温度传感器为基于环形振荡器的温度传感器，然后基于振荡频率矩阵建立预测模型和定位模型，通过所述预测模型和所述温度传感器在预设时间间隔到达时对所述待测网格进行检测得到检测结果，并根据所述检测结果判断是否存在所述异态逻辑，若存在，则通过定位模型确定出异态逻辑区域，并对待测电路进行配置修复，若不存在，则根据预设时间间隔进行下一次检测，实现了快速准确的对异态逻辑的定位以及修复。

Description

一种FPGA异态逻辑修复方法

技术领域

本发明属于FPGA安全技术领域，具体涉及一种FPGA异态逻辑修复方法。

背景技术

在万物互联的物联网时代，信息安全是人们关注的重点问题，随着计算机技术的发展，人们对软件安全方面进行大量的研究，而忽视了硬件安全带来的问题，而硬件是软件的载体，一旦硬件出现问题，软件变失去了基本支撑。

FPGA(Field Programmable Gate Array，现场可编程逻辑门阵列)芯片在许多关键应用领域都具有广泛应用，目前已经被用于多种网络设备以及许多其他应用领域，因此研究其安全性至关重要。

FPGA出现异态逻辑时，硬件便会出现问题，现有技术第一方面是通过对FPGA进行剖片处理和利用电子显微镜扫描其各层结构实现了逆向，并通过将其与黄金模型结构进行比较从而检测是否存在异态逻辑，但在逆向过程中需对FPGA进行破坏性处理，所以其具有代价大和时间长的弊端，现有技术第二方面采用持续向量测试技术，使有异态逻辑和无异态逻辑的电路表征出不同的特征，但该方案需要更加全面的测试向量集，其具有难以全覆盖和耗时长的困难，现有技术第三方面通过温度传感器来监测FPGA安全状态，利用线性的滤波模型实时检测到对FPGA温度有影响的异态逻辑类型的激活，但其面临着依赖黄金模型以及建模困难的问题。

因此，如何快速准确的对FPGA异态逻辑进行定位以及实时修复，是本领域技术人员有待解决的技术问题。

发明内容

本发明的目的是为了解决现有技术无法对FPGA异态逻辑进行快速准确的定位以及实时修复的技术问题，提出了一种FPGA异态逻辑修复方法。

本发明的技术方案为：应用于所述FPGA所在的待测电路上，其特征在于，包括以下步骤：

S1、将所述待测电路划分为待测网格；

S2、通过温度传感器采集所述待测网格的振荡频率矩阵，所述温度传感器具体为基于环形振荡器的温度传感器；

S3、基于所述振荡频率矩阵建立预测模型和定位模型；

S4、通过所述预测模型和所述温度传感器在预设时间间隔到达时对所述待测网格进行检测得到检测结果，并根据所述检测结果判断是否存在所述异态逻辑，若是，则执行S5，若否，则执行S6；

S5、通过所述定位模型确定出异态逻辑区域，对所述待测电路进行配置修复；

S6、根据所述预设时间间隔进行下一次检测。

进一步地，所述步骤S2包括以下分步骤：

S21、在所述待测网格中每一个网格中心设置一个所述温度传感器的感知部；

S22、通过所述感知部采集第一指定时刻组中每一个时刻所对应的振荡频率集合，所述振荡频率集合为所述待测网格中所有所述网格对应的振荡频率值组合的集合，所述第一指定时刻组为多个连续时刻，且最后一个时刻为当前时刻；

S23、将所有所述振荡频率集合组合为振荡频率矩阵。

进一步地，所述步骤S3中的建立所述定位模型具体包括以下分步骤：

S31、根据所述振荡频率矩阵确定出每一个所述温度传感器所对应的均值目标向量；

S32、将所有所述均值目标向量组合为目标矩阵，并将所述目标矩阵作为所述定位模型。

进一步地，所述步骤S5具体包括以下分步骤：

S51、通过所述温度传感器采集第二指定时刻组中每一个时刻所对应的振荡频率集合，所述第二指定时刻组为多个连续时刻，且所述第二指定时刻组中第一个时刻为确定出所述异态逻辑的时刻；

S52、将所有所述振荡频率集合组合为待定位振荡频率矩阵；

S53、根据所述定位模型和所述待定位振荡频率矩阵确定出每一个所述温度传感器的偏差平方和集合；

S54、确定出每一个所述偏差平方和集合中的最大偏差平方和以及对应的所述温度传感器；

S55、统计每一个所述温度传感器出现次数，并将出现次数最多的所述温度传感器在所述待测网格中对应的所述网格作为异态逻辑存在区域，对所述待测电路进行配置修复。

进一步地，所述步骤S4中的得到所述检测结果包括以下分步骤：

S41、将所述预设时间间隔到达时的时刻视作预测时刻，将所述预测时刻的上一时刻视作参考时刻；

S42、通过所述预测模型和所述参考时刻对所述预测时刻的所述待测网格进行预测，并得到预测振荡频率矩阵；

S43、通过所述温度传感器在所述预测时刻到达时获取所述待测网格的实际振荡频率矩阵；

S44、确定出所述预测振荡频率矩阵和所述实际振荡频率矩阵之间的残差自相关矩阵，并将所述残差自相关矩阵作为所述检测结果。

进一步地，所述步骤S4中根据所述检测结果判断是否存在所述异态逻辑，具体包括以下步骤：

S45、判断所述残差自相关矩阵的F-范数是否在预设检测次数内始终大于预设阈值，若是，则存在所述异态逻辑并执行S5，若否，则不存在所述异态逻辑并执行S6。

进一步地，对所述待测电路进行配置修复具体为在所述FPGA运行状态中将所述待测电路中异态逻辑区域的配置文件进行下载并配置更新。

进一步地，在所述步骤S6之后，还包括以下步骤：

S61、判断检测次数是否达到预设阈值，若是，则重建所述预测模型和所述定位模型，且重新设定所述预设阈值，若否，则继续检测。

与现有技术相比，本发明具备如下有益效果：

(1)本发明通过将待测电路划分为待测网格，通过温度传感器采集待测网格的振荡频率矩阵，该温度传感器为基于环形振荡器的温度传感器，然后基于振荡频率矩阵和温度传感器建立预测模型和定位模型，通过预测模型和温度传感器在预设时间间隔到达时对待测网格进行检测得到检测结果，并判断该检测结果是否为存在异态逻辑，若存在，则通过定位模型确定出异态逻辑区域，并对待测电路进行配置修复，若不存在，则根据预设时间间隔进行下一次检测，实现了快速准确的对异态逻辑的定位以及修复。

(2)本发明通过采用预测模型进行预测，不需要热辐射分析，不依赖黄金模型，以及不需要无异态逻辑的FPGA作为辅助，能够方便地建立预测模型，且具有较高的适应性。

(3)本发明通过待测电路正常运行时的数据建立每个传感器的均值目标向量，并将所有均值目标向量组合为目标矩阵，将目标矩阵作为定位模型，然后采集异态逻辑发生时的待定位振荡频率矩阵，通过定位模型和振荡频率矩阵能够快速准确地确定异态逻辑存在区域。

附图说明

图1所示为本发明实施例提供的一种FPGA异态逻辑修复方法的流程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

如背景技术中所述，现有技术中对FPGA异态逻辑的修复主要是通过黄金模型以及持续向量测试技术和温度来对FPGA是否存在异态逻辑进行检测，并对异态逻辑进行修复，但现有技术存在黄金模型建模困难、测试向量集不够全面导致的难以快速准确的对FPGA异态逻辑进行定位和修复。

因此，本申请提出了一种FPGA异态逻辑修复方法，用以解决现有技术中无法快速准确的对FPGA异态逻辑进行定位以及修复的技术问题。

如图1所示为本申请实施例提出的一种FPGA异态逻辑修复方法的流程示意图，该方法包括以下步骤：

步骤S1、将所述待测电路划分为待测网格。

步骤S2、通过温度传感器采集所述待测网格的振荡频率矩阵，所述温度传感器具体为基于环形振荡器的温度传感器。

本申请技术方案中温度传感器为基于环形振荡器的温度传感器，该温度传感器包含一个感知部，通过该感知部用来采集震荡频率。

先确定出待测电路的矩形区域，然后将该矩形区域相同大小的多个网格，形成待测网格，温度传感器中还包括计数器，该计数器原理待测电路，同时，待测电路中包含多个独立模块，将该独立模块布置在待测电路中，且独立模块不覆盖感知部。

在本申请实施例中，所述步骤S2包括以下分步骤：

S21、在所述待测网格中每一个网格中心设置一个所述温度传感器的感知部；

S22、通过所述感知部采集第一指定时刻组中每一个时刻所对应的振荡频率集合，所述振荡频率集合为所述待测网格中所有所述网格对应的振荡频率值组合的集合，所述第一指定时刻组为多个连续时刻，且最后一个时刻为当前时刻；

S23、将所有所述振荡频率集合组合为振荡频率矩阵。

具体的，感知部位于待测网格中每一个网格的中心，通过该感知部采集多个连续时刻对应的待测网格的振荡频率集合，并将所有振荡频率集合组合为振荡频率矩阵。

步骤S3、基于所述振荡频率矩阵建立预测模型和定位模型。

步骤S4、通过所述预测模型和所述温度传感器在预设时间间隔到达时对所述待测网格进行检测得到检测结果，并根据所述检测结果判断是否存在所述异态逻辑，若是，则执行S5，若否，则执行S6。

步骤S5、通过所述定位模型确定出异态逻辑区域，对所述待测电路进行配置修复。

在本申请实施例中，所述步骤S3中的建立所述定位模型具体包括以下分步骤：

S31、根据所述振荡频率矩阵确定出每一个所述温度传感器所对应的均值目标向量；

S32、将所有所述均值目标向量组合为目标矩阵，并将所述目标矩阵作为所述定位模型。

在具体应用场景中，建立预测模型和定位模型之前，需要先将振荡频率矩阵进行降噪处理，将经过降噪处理后的振荡频率矩阵记为[T₁,T₂,...，T_L]，T即为振荡频率集合，利用此组数据进行预测模型的构建。

具体的，在进行预测模型的建立时需要先确定出预测模型的系数，也即下述中的B：

首先，求解状态转移矩阵A，利用T_k与T_k-1、T_k+1与T_k之间的关系，如公式(1)和公式(2)，利用公式(2)与公式(1)相减，并利用右逆矩阵的知识，可得到公式(3)。

T_k＝AT_k-1+B (1)

其中，T_k为k时刻降噪后的振荡频率矩阵，T_k-1为k-1时刻降噪后的振荡频率矩阵。

T_k+1＝AT_k+B (2)

其中，T_k+1为k+1时刻降噪后的振荡频率矩阵。

其中，

为矩阵右逆的表示方式。

然后，求解得到的状态转移矩阵A带入公式(1)，便可得到B的值，如公式(4)所示。

式中，B为预测模型的系数，经过以上求解，可得到根据观测数据拟合的一个线性关系，可用于卡尔曼滤波算法的预测方程，可通过多次求解求其均值的方式来减小其误差。

在具体应用场景中，定位模型的原理是基于两个不同状态的数据之间的偏差平方和，因此需要在异态逻辑未激活的安全状态下求解出其定位参考目标，为后续异态逻辑激活后的区域锁定奠定目标基础。

在异态逻辑未激活的安全状态下，采集M₁次传感器网络也即所有的温度传感器输出，每次采集L₁组传感器网络数据，也就是说采集多次，每次采集的时候并不是只采集一下，而是采集多下，将第i次采集的第j组数据的编号为k的传感器也就是温度传感器标记为f_i,j,k，其中i＝1,2,...,M₁，j＝1,2,...,L₁，k＝1,2,...,N，F_k表示采集降噪之后的传感器k的总体数据，具体的表示方式如下式所示，矩阵中的每行代表的是每次采集的L₁组传感器网络数据。

然后是针对每个传感器进行目标向量的求解，此目标向量即为求得的各个均值矩阵。对采集的M₁次数据求解均值作为目标数据，根据公式F_k，具体的求解方法如下式所示，

含义为传感器k的第j组数据的M₁次均值。

最后将所有传感器的均值目标向量作为后续定位模型的参考目标，从而为后续偏差平方和的求解奠定了目标基础，目标矩阵也即定位模型的表示方式如下式所示，其中每行表示的是单个传感器的参考目标向量。

在本申请实施例中，所述步骤S4中的得到所述检测结果包括以下分步骤：

S41、将所述预设时间间隔到达时的时刻视作预测时刻，将所述预测时刻的上一时刻视作参考时刻；

S42、通过所述预测模型和所述参考时刻对所述预测时刻的所述待测网格进行预测，并得到预测振荡频率矩阵；

S43、通过所述温度传感器在所述预测时刻到达时获取所述待测网格的实际振荡频率矩阵；

S44、确定出所述预测振荡频率矩阵和所述实际振荡频率矩阵之间的残差自相关矩阵，并将所述残差自相关矩阵作为所述检测结果。

在本申请实施例中，所述步骤S4中根据所述检测结果判断是否存在所述异态逻辑，具体包括以下步骤：

S45、判断所述残差自相关矩阵的F-范数是否在预设检测次数内始终大于预设阈值，若是，则存在所述异态逻辑并执行S5，若否，则不存在所述异态逻辑并执行S6。

在本申请实施例中，所述步骤S5具体包括以下分步骤：

S51、通过所述温度传感器采集第二指定时刻组中每一个时刻所对应的所述振荡频率集合，所述第二指定时刻组为多个连续时刻，且第一个时刻为确定出所述异态逻辑的时刻；

S52、将所有所述振荡频率集合组合为待定位振荡频率矩阵；

S53、根据所述定位模型和所述待定位振荡频率矩阵确定出每一个所述温度传感器的偏差平方和集合；

S54、确定出每一个所述偏差平方和集合中的最大偏差平方和以及对应的所述温度传感器；

S55、统计每一个所述温度传感器出现次数，并将出现次数最多的所述温度传感器在所述待测网格中对应的所述网格作为异态逻辑存在区域，对所述待测电路进行配置修复。

而在通过预测模型进行预测时，具体通过以下步骤进行预测，且以下步骤中的公式组合在一起也即是本申请中的预测模型：

第一步、进行温度特征矩阵预测值的求解。

需要说明的是，本申请中温度传感器是基于环形振荡器的温度传感器，利用环形振荡器的振荡频率可对温度特征进行表征，下述中的温度特征矩阵即为振荡频率矩阵。

利用上一时刻k-1时刻也即参考时刻的温度特征矩阵最优值对k时刻也即预测时刻的温度特征进行预测，预测公式如下：

T[k|k-1]＝AT[k-1|k-1]+B

其中，T[k-1|k-1]和T[k|k-1]分别是k-1时刻温度特征矩阵最优值以及k-1时刻对k时刻的温度特征矩阵预测值。

第二步、进行误差协方差矩阵预测值的求解。

利用k-1时刻的误差协方差矩阵最优值对k时刻的误差协方差矩阵进行预测，预测公式为：

C[k|k-1]＝AC[k-1|k-1]A^T+Q

其中，C[k-1|k-1]和C[k|k-1]分别为k-1时刻误差协方差矩阵最优值以及k-1时刻对k时刻的误差协方差矩阵预测值，A^T为状态转移矩阵A的转置矩阵，Q为过程噪声协方差。

第三步、进行增益系数矩阵的求解。

该步骤主要是为下一时刻的温度特征矩阵的最优值求解奠定基础，求解公式如下：

K[k]＝C[k|k-1](R+C[k|k-1])^-1

其中，K[k]是时刻k处的增益系数矩阵，R是测量噪声的协方差矩阵。

第四步、进行温度特征矩阵最优值的求解。

利用k时刻实际获取的数据与k-1时刻对k时刻预测得到的数据对k时刻的温度特征矩阵进行校正更新，更新公式如下：

T[k|k]＝T[k|k-1]+K[k]e[k]

其中，T[k|k]是k时刻的温度特征矩阵最优值，e[k]是k时刻的测量值与预测估计值之间的残差。

e[k]的具体求解方法如下所示：

e[k]＝T_k-T[k|k-1]

其中，T_k为k时刻的实际降噪后的温度特征矩阵，即测量值。

第五步、进行误差协方差矩阵最优值的求解。

通过k-1时刻对k时刻预测得到的误差协方差矩阵对k时刻的误差协方差矩阵进行校正更新，k时刻即为预测时刻，k-1时刻即为参考时刻，更新公式如下：

C[k|k]＝(I-K[k])C[k|k-1]

其中，I表示单位矩阵。

预测模型的主要原理是利用卡尔曼滤波算法进行实时跟踪。根据测量值、预测值以及误差得到最优值，然后将最优值用于下一次循环，进行下一时刻的预测和测量，如此往复的自我迭代过程，以上叙述的五步，是一次处理的过程，在此过程中，我们需要得到的数据是e[k]，该值为残差，后续的残差自相关便是针对该值进行的求解。

在具体应用场景中，假设在时刻k处进行检测判决，记录滤波算法的前S个时刻的实际值与预测值之间的差e[k-S],e[k-S+1],...,e[k]，通过如下公式计算残差自相关矩阵的值，对得到的结果进行判决检测。将求解得到的残差自相关作为实时监控FPGA安全状态的指标。

其中，a[k]表示时刻k处求得的残差自相关矩阵，i＝k-S+1,k-S+2,...,k，e[i-1]^T表示e[i-1]的转置。

本申请中判断当前待测电路是否存在异态逻辑也即判定当前状态是否安全，具体如下：

根据设定的安全指标也即预设阈值，若下式超过H个判定间隔也即预设检测次数一直成立，则认为异态逻辑已被激活，即为不安全状态，否则为安全状态，需要对其继续监控。

||a[k]||_F>a_T

其中，||a[k]||_F为k时刻求得的自相关矩阵的F-范数，具体如下式所示，a_T是设置的判决门限，初始值为0.1。

其中，E为求F-范数的矩阵，是一个m×n的矩阵；i为矩阵E的行变量，一共有m行，j为矩阵E的列变量，一共有n列，a_i,j为矩阵E中的第i行j列元素。

而在具体应用场景中，通过定位模型对异态逻辑区域进行定位的步骤可如下：

在监控到异态逻辑激活之后，采集温度传感器网络的输出数据，共采集M₂次，每次采集L₁组在实际操作过程中，每次采集的时候需要采集多少下也就是多少组可由本领域技术人员根据实际情况确定，异态逻辑激活之后传感器k采集到的数据为D_k，如下式所示，此矩阵元素由d_z,j,k构成，其中z＝1,2,...,M₂，j＝1,2,...,L₁，k＝1,2,...,N。

针对以上目标矩阵也即定位模型，利用采集的数据D_k，将采集的M₂次数据分别与目标矩阵进行偏差平方和的求解。以第z次采集的数据为例，偏差平方和的求解方法如下式所示。

分别针对采集的M₂次数据求解各自的偏差平方和，最终会得到温度传感器k的全部偏差平方和SSE_k，具体如下式所示。

因此，求得到的所有温度传感器的偏差平方和SSE矩阵如下式所示。

根据以上矩阵可确定出异态逻辑的工作区域：

首先，针对SSE矩阵中的每列求解其最大值。最大值所对应的温度传感器编号即为可感知异态逻辑的温度传感器，下式则表示的第z次采集数据中最大偏差平方和所对应的传感器编号，最终会得到M₂次数据的最大偏差平方和矩阵S_max。

矩阵S_max的表达式如下：

然后将矩阵S_max中出现最多的传感器编号记为s。最后根据传感器所在网格区域与可重配置区域的对应关系，可确定出异态逻辑工作区域，从而确定异态逻辑所在的模块编号集合MOD_s＝{A_i,A_j,...,A_c}。

在本申请实施例中，对所述待测电路进行配置修复具体为在所述FPGA运行状态中将所述待测电路中异态逻辑区域的配置文件进行下载并配置更新，完成异态逻辑修复。

在本申请实施例中，在所述步骤S6之后，还包括以下步骤：

S7、判断检测次数是否达到预设阈值，若是，则重建所述预测模型和所述定位模型，且重新设定所述预设阈值，若否，则继续检测。

其中预设阈值是根据如下公式进行重新确定的：

a_T＝b(μ+a_max)

式中，a_T为预设阈值，b为微调系数，设置为1，μ为所有检测次数的监控指数的均值，a_max为所有检测次数的监控指数中最大的监控指数，其中，监控指数为每一次检测时残差自相关矩阵进行范数求解后的值。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种FPGA异态逻辑修复方法，应用于所述FPGA所在的待测电路上，其特征在于，包括以下步骤：

S1、将所述待测电路划分为待测网格；

S2、通过温度传感器采集所述待测网格的振荡频率矩阵，所述温度传感器具体为基于环形振荡器的温度传感器；

S3、基于所述振荡频率矩阵建立预测模型和定位模型；

S4、通过所述预测模型和所述温度传感器在预设时间间隔到达时对所述待测网格进行检测得到检测结果，并根据所述检测结果判断是否存在所述异态逻辑，若是，则执行S5，若否，则执行S6；

S5、通过所述定位模型确定出异态逻辑区域，对所述待测电路进行配置修复；

S6、根据所述预设时间间隔进行下一次检测；

其中，所述步骤S3中的建立所述定位模型具体包括以下分步骤：

S31、根据所述振荡频率矩阵确定出每一个所述温度传感器所对应的均值目标向量；

S32、将所有所述均值目标向量组合为目标矩阵，并将所述目标矩阵作为所述定位模型；

其中，所述步骤S5具体包括以下分步骤：

S51、通过所述温度传感器采集第二指定时刻组中每一个时刻所对应的振荡频率集合，所述第二指定时刻组为多个连续时刻，且所述第二指定时刻组中第一个时刻为确定出所述异态逻辑的时刻；

S52、将所有所述振荡频率集合组合为待定位振荡频率矩阵；

S53、根据所述定位模型和所述待定位振荡频率矩阵确定出每一个所述温度传感器的偏差平方和集合；

S54、确定出每一个所述偏差平方和集合中的最大偏差平方和以及对应的所述温度传感器；

S55、统计每一个所述温度传感器出现次数，并将出现次数最多的所述温度传感器在所述待测网格中对应的所述网格作为异态逻辑存在区域，对所述待测电路进行配置修复。

2.如权利要求1所述的FPGA异态逻辑修复方法，其特征在于，所述步骤S2包括以下分步骤：

S21、在所述待测网格中每一个网格中心设置一个所述温度传感器的感知部；

S22、通过所述感知部采集第一指定时刻组中每一个时刻所对应的振荡频率集合，所述振荡频率集合为所述待测网格中所有所述网格对应的振荡频率值组合的集合，所述第一指定时刻组为多个连续时刻，且最后一个时刻为当前时刻；

S23、将所有所述振荡频率集合组合为振荡频率矩阵。

3.如权利要求1所述的FPGA异态逻辑修复方法，其特征在于，所述步骤S4中的得到所述检测结果包括以下分步骤：

S41、将所述预设时间间隔到达时的时刻视作预测时刻，将所述预测时刻的上一时刻视作参考时刻；

S42、通过所述预测模型和所述参考时刻对所述预测时刻的所述待测网格进行预测，并得到预测振荡频率矩阵；

S43、通过所述温度传感器在所述预测时刻到达时获取所述待测网格的实际振荡频率矩阵；

S44、确定出所述预测振荡频率矩阵和所述实际振荡频率矩阵之间的残差自相关矩阵，并将所述残差自相关矩阵作为所述检测结果。

4.如权利要求3所述的FPGA异态逻辑修复方法，其特征在于，所述步骤S4中根据所述检测结果判断是否存在所述异态逻辑，具体包括以下步骤：

S45、判断所述残差自相关矩阵的F-范数是否在预设检测次数内始终大于预设阈值，若是，则存在所述异态逻辑并执行S5，若否，则不存在所述异态逻辑并执行S6。

5.如权利要求1所述的FPGA异态逻辑修复方法，其特征在于，对所述待测电路进行配置修复具体为在所述FPGA运行状态中将所述待测电路中异态逻辑区域的配置文件进行下载并配置更新。

6.如权利要求1所述的FPGA异态逻辑修复方法，其特征在于，在所述步骤S6之后，还包括以下步骤：

S7、判断检测次数是否达到预设阈值，若是，则重建所述预测模型和所述定位模型，且重新设定所述预设阈值，若否，则继续检测。

Images