引言

在信息安全領域，芯片解密一直是攻防雙方激烈交鋒的焦點。侵入攻擊（Invasive Attack）作為芯片解密的一種重要手段，通過物理方式破壞芯片封裝，直接訪問內(nèi)部電路，從而提取敏感信息或逆向工程芯片設計。在這一過程中，半導體設備扮演著至關重要的角色。本文將深入探討侵入攻擊的原理、所需半導體設備、攻擊流程以及相應的防護策略。

一、侵入攻擊概述

侵入攻擊是指攻擊者通過化學、機械或光學方法移除芯片封裝，暴露內(nèi)部晶體管和金屬互連層，然后利用微探針、聚焦離子束（FIB）、掃描電子顯微鏡（SEM）等設備讀取電路狀態(tài)或修改電路功能。與側(cè)信道攻擊不同，侵入攻擊具有破壞性，但能獲取更精確的內(nèi)部信息。

1.1 攻擊目標

• 提取密鑰、加密算法等敏感數(shù)據(jù)
• 逆向工程芯片設計，復制知識產(chǎn)權
• 修改電路功能，植入硬件木馬

1.2 攻擊特點

• 需要昂貴的半導體設備和專業(yè)知識
• 耗時長，但成功率高
• 通常針對高價值目標，如安全芯片、軍用芯片

二、侵入攻擊的半導體設備

侵入攻擊的核心在于半導體設備的使用。以下是關鍵設備及其作用：

| 設備 | 作用 |
|------|------|
| 化學開封機 | 使用酸液腐蝕封裝，暴露芯片裸片 |
| 等離子刻蝕機 | 干法刻蝕去除鈍化層，精確控制 |
| 掃描電子顯微鏡（SEM） | 高分辨率成像，觀察電路結構 |
| 聚焦離子束（FIB） | 切割、沉積、注入，修改電路或制備樣品 |
| 微探針臺 | 接觸焊盤或金屬線，讀取電信號 |
| 光學顯微鏡 | 初步觀察和定位 |
| 原子力顯微鏡（AFM） | 納米級表面形貌分析 |
| 能量色散X射線光譜（EDS） | 材料成分分析 |

2.1 化學開封設備

化學開封是侵入攻擊的第一步。攻擊者使用發(fā)煙硝酸或硫酸等強酸，在加熱條件下腐蝕封裝材料（如環(huán)氧樹脂），直到芯片裸片暴露。現(xiàn)代芯片常采用銅柱倒裝焊，開封難度更大，需要等離子刻蝕等干法工藝。

2.2 聚焦離子束（FIB）系統(tǒng)

FIB是侵入攻擊中最強大的工具之一。它利用聚焦的鎵離子束，可在納米尺度上切割、沉積金屬或絕緣層，甚至注入離子改變摻雜濃度。攻擊者可用FIB切斷金屬線、連接電路節(jié)點，或制備用于透射電子顯微鏡（TEM）的薄片。

2.3 掃描電子顯微鏡（SEM）

SEM提供高分辨率表面圖像，可觀察晶體管柵極、金屬互連等細節(jié)。配合EDS，還能分析材料成分。攻擊者通過SEM圖像重建電路網(wǎng)表，進而逆向工程。

2.4 微探針臺

微探針臺配備多個探針，可精確接觸芯片表面的微米級焊盤或金屬線。攻擊者通過探針讀取信號，或注入故障。現(xiàn)代探針臺常與SEM集成，實現(xiàn)原位觀測和探測。

三、侵入攻擊流程

典型的侵入攻擊分為以下步驟：

1. 芯片準備：從系統(tǒng)板上拆下芯片，清潔表面。
2. 封裝去除：使用化學或等離子方法去除封裝，暴露裸片。
3. 鈍化層去除：用FIB或反應離子刻蝕（RIE）去除二氧化硅鈍化層。
4. 成像與定位：用SEM或光學顯微鏡定位感興趣區(qū)域。
5. 探測或修改：用微探針讀取信號，或用FIB修改電路。
6. 數(shù)據(jù)提取：將探測到的信號引出，分析得到敏感信息。

例如，攻擊者可能先通過化學開封暴露芯片，然后用FIB切斷金屬線以隔離安全模塊，再用微探針讀取存儲器內(nèi)容。整個過程需要高精度設備和豐富經(jīng)驗。

四、防護策略

針對侵入攻擊，芯片設計者和制造商可采取以下措施：

• 主動屏蔽層：在芯片表面覆蓋金屬屏蔽層，一旦被破壞即觸發(fā)清零電路。
• 傳感器網(wǎng)絡：集成溫度、電壓、光傳感器，檢測異常環(huán)境。
• 物理不可克隆函數(shù)（PUF）：利用工藝偏差生成密鑰，避免存儲密鑰。
• 加密與混淆：對內(nèi)部總線加密，或采用邏輯混淆增加逆向難度。
• 3D集成：將敏感電路埋入底層，增加攻擊復雜度。
• 防開封涂層：使用聚對二甲苯等涂層，延緩化學腐蝕。

安全芯片常采用鐵電存儲器（FRAM）或靜態(tài)隨機存取存儲器（SRAM）PUF，在斷電時丟失密鑰，防止侵入讀取。

五、結論

侵入攻擊是芯片解密中最直接、最有效的手段之一，其成功高度依賴先進的半導體設備。隨著芯片制程不斷微縮，攻擊成本與技術門檻日益提高，但防護手段也在同步演進。三維集成、新型存儲器和主動防護電路將進一步增強芯片的抗侵入能力。理解侵入攻擊與半導體設備的關系，對于設計安全芯片和評估安全風險具有重要意義。

參考文獻

[1] Skorobogatov, S. (2017). Invasive attacks on secure chips. In Smart Card Research and Advanced Applications. Springer.
[2] Tramer, F., et al. (2017). Stealing machine learning models via prediction APIs. USENIX Security.
[3] Torrance, R., & James, D. (2011). The state-of-the-art in IC reverse engineering. CHES.
[4] 王明, 李華. (2020). 芯片安全物理攻擊與防護技術. 電子工業(yè)出版社.