第1章：检测环境搭建

做硬件木马检测，第一步就是搭环境。这事儿看着简单，但我在好几个项目里都见过有人在这上面栽跟头。说白了，环境没搭好，后面所有工作都是空中楼阁。

1.1 Linux环境准备

我个人习惯用CentOS 7或Ubuntu 20.04 LTS。为什么选这两个？因为EDA工具对它们的支持最成熟。你想想看，Synopsys和Cadence的官方文档里，测试环境基本都是这两个版本。

核心要求：

  • 操作系统：CentOS 7.9 / Ubuntu 20.04 LTS（64位）
  • 内核版本：3.10.0+（CentOS）或5.4.0+（Ubuntu）
  • 磁盘空间：至少200GB（我建议直接上500GB，后面你会感谢我的）
  • 内存：32GB起步，64GB更稳妥
  • CPU：4核以上，8核最佳

嗯，这里要注意：千万别用Windows子系统WSL来跑EDA工具。我在项目中遇到过，WSL的IO性能根本扛不住大规模网表的解析，跑着跑着就崩了。

基础依赖包安装

装完系统第一件事，把基础依赖包装上。我整理了一个清单，你直接复制粘贴就行：

# CentOS 7
yum install -y gcc gcc-c++ make flex bison patch \
  libXext libXft libXpm libXmu libXt libX11 \
  libstdc++-static glibc-devel glibc-static \
  tcl tk perl python3 python3-devel \
  redhat-lsb-core

# Ubuntu 20.04
apt-get install -y build-essential flex bison \
  libxext-dev libxft-dev libxpm-dev libxmu-dev \
  libxt-dev libx11-dev libstdc++-static \
  tcl-dev tk-dev perl python3 python3-dev \
  lsb-release

小技巧：装完依赖后，建议重启一下系统。有些库的加载路径需要重新初始化，不重启的话，后面装EDA工具时可能会报一些莫名其妙的链接错误。

1.2 EDA工具链安装

EDA工具安装，说白了就是两件事：解压、配置license。但这里面的坑，我踩过不少。

Synopsys工具安装

Synopsys的工具包括VCS（仿真）、Design Compiler（综合）、Formality（形式验证）等。安装流程基本一致：

# 1. 解压安装包
tar -xzvf synopsys_installer_v5.0.tar.gz
cd synopsys_installer

# 2. 运行安装脚本
./setup.sh

# 3. 设置环境变量（建议写入~/.bashrc）
export SYNOPSYS_HOME=/tools/synopsys
export PATH=$SYNOPSYS_HOME/bin:$PATH
export SNPSLMD_LICENSE_FILE=27000@license-server

注意：Synopsys的license管理用的是SNPSLMD守护进程。我曾经犯过一个低级错误——忘记启动lmgrd服务，结果VCS怎么都跑不起来。排查了半天才发现是license服务没开。

Cadence工具安装

Cadence这边，主要用Genus（综合）和Innovus（布局布线）。安装方式类似：

# 1. 解压安装包
tar -xzvf ISR2022_linux_1of1.tar.gz
cd ISR2022

# 2. 运行安装脚本
./SETUP.SH

# 3. 设置环境变量
export CADENCE_HOME=/tools/cadence
export PATH=$CADENCE_HOME/bin:$PATH
export CDS_LIC_FILE=5280@license-server

Cadence的license用的是CDS_LIC_FILE环境变量，端口号默认5280。这个和Synopsys不一样，别搞混了。

1.3 Python与TCL脚本环境配置

做硬件木马检测，脚本能力是基本功。Python用来做数据分析、特征提取，TCL用来控制EDA工具流程。

Python环境配置

我个人建议用Python 3.8+，配合Anaconda管理虚拟环境。为什么？因为不同项目依赖的库版本可能冲突，虚拟环境能隔离这些问题。

# 安装Anaconda
wget https://repo.anaconda.com/archive/Anaconda3-2023.03-Linux-x86_64.sh
bash Anaconda3-2023.03-Linux-x86_64.sh

# 创建虚拟环境
conda create -n hw_trojan python=3.9
conda activate hw_trojan

# 安装必备库
pip install numpy pandas matplotlib scikit-learn \
  networkx pyverilog

核心库说明：

库名 用途 版本要求
numpy 数值计算 ≥1.21
pandas 数据处理 ≥1.3
networkx 图分析（网表本质是图） ≥2.6
pyverilog Verilog解析 ≥1.3

TCL脚本环境配置

TCL是EDA工具的"母语"。Synopsys和Cadence的工具都支持TCL脚本。配置其实很简单：

# 检查TCL版本
tclsh
% puts $tcl_version
8.6

# 设置TCL库路径
export TCLLIBPATH="/tools/tcl_lib"

我在项目中遇到过一个问题：TCL脚本里调用系统命令时，路径分隔符的处理。Windows用反斜杠，Linux用正斜杠。如果你在Linux上写TCL脚本，记得用正斜杠，不然会报文件找不到的错误。

环境验证脚本

环境搭好后，我习惯跑一个验证脚本，确保所有工具都能正常调用：

#!/bin/bash
# check_env.sh - 环境验证脚本

echo "=== 环境验证 ==="

# 检查Python
python3 --version
if [ $? -eq 0 ]; then
    echo "Python: OK"
else
    echo "Python: FAIL"
fi

# 检查VCS
vcs -version
if [ $? -eq 0 ]; then
    echo "VCS: OK"
else
    echo "VCS: FAIL"
fi

# 检查TCL
tclsh <<< "puts {TCL: OK}"

我的习惯：把这个脚本放在~/.local/bin目录下，然后加到PATH里。每次换到新环境，先跑一遍这个脚本，5秒钟就能确认环境是否就绪。

1.4 知识体系总览

这一章的内容，说白了就是三个层次：操作系统打底，EDA工具做核心，脚本语言当工具。我画了一张图，帮你理清它们之间的关系：

硬件木马检测环境架构 操作系统层 CentOS 7.9 / Ubuntu 20.04 LTS EDA工具层 Synopsys: VCS, Design Compiler, Formality Cadence: Genus, Innovus 脚本语言层 Python 3.8+ (数据分析) + TCL 8.6 (工具控制) 基础 核心 工具 网 表 输 入 →

这张图想表达的核心思想是：操作系统是地基，EDA工具是引擎，脚本语言是方向盘。三者缺一不可。我见过有人只装了EDA工具，Python环境没配好，结果数据分析全靠手动算——那效率，简直了。

好了，环境搭建这部分就聊到这儿。记住一句话：环境搭得好，后面少烦恼。别嫌麻烦，把每一步都走扎实了，后面做木马检测的时候你会感谢现在的自己。

公众号:蓝海资料掘金营，微信deep3321

← 上一章 📖 返回目录 下一章 →