1.一种面向逻辑加密电路的功能分析方法，其特征在于，包括：

S1：获取市场上已激活加密电路和目标加密电路，确定目标加密电路的原始输入位数、密钥输入位数、输出位数；

S2：使用已激活加密电路生成训练数据集，所述数据集包括指定数量的正确输入输出对，且正确输入输出对均是按照区分输入序列进行构建；

所述区分输入序列对于一组随机生成的原始输入向量 至少可以区分两个不同密钥和S3：根据目标加密电路的原始输入位数、密钥输入位数、输出位数初始化改进粒子群算法的参数，将种群中特定个体在预设数据集上的适应度设置为适应度函数；

S4：根据适应度函数计算初始化粒子群的适应度，得到个体极值、群体极值和全局极值，根据学习因子将个体向个体极值和群体极值进行学习，生成新种群；

S5：根据全局极值判断是否需要重新生成新种群；

根据全局极值判断是否需要重新生成新种群，包括：

当前全局极值是否连续t次迭代都没有得到改善，若没有改善，则算法进入遗传算法阶段，根据当前种群重新生成新种群；

算法进入遗传算法阶段，根据当前种群重新生成新种群，包括：

使用基于精英保留的二元锦标赛选择方式作为算法的选择算子，每次当前种群中取出一定数量个体，根据每个个体的适应度值选出其中适应度最好的一个个体，重复该操作，直到新的种群规模达到原来的种群规模，得到新种群；

使用基本的单点交叉作为算法的交叉算子，在精英保留后的新种群中选择基因位不一样的两个不一样的个体，对选出的两个个体随机选择一个对应基因位不同的位置进行交叉，生成两个新的个体；

对交叉处理后的新种群进行变异操作，确定参数变异位数flip，在1到flip之间随机确定一个整数n，对当前个体随机选择n个位置进行反转，得到最终的新种群；

S6：判断改进粒子群算法是否得到最大迭代次数，若达到最大迭代次数，则算法迭代结束，得到全局最优值，若没有达到终止条件则重复S3‑S6；

S7：得到最优值之后，根据适应度函数利用已激活加密电路计算最终密钥的实际精度，以此精度评估加密电路的安全性。

2.根据权利要求1所述的一种面向逻辑加密电路的功能分析方法，其特征在于，使用已激活加密电路生成训练数据集，包括：设置数据集的大小为P，从已激活加密电路选择数据集大小两倍的区分输入序列，并根据每一个区分输入序列的区分能力进行排序，选择区分能力更高的前一半区分输入序列作为最终的数据集。

3.根据权利要求2所述的一种面向逻辑加密电路的功能分析方法，其特征在于，所述区分能力，包括：其中，Dk表示第k个区分输入序列的区分能力，S表示随机生成的密钥的数量，sk表示S个随机密钥中被区分出的随机密钥个数，P表示数据集的数量。

4.根据权利要求1所述的一种面向逻辑加密电路的功能分析方法，其特征在于，所述改进粒子群算法，包括：使用由全局最优值引导的遗传算法来重新优化种群。

5.根据权利要求1所述的一种面向逻辑加密电路的功能分析方法，其特征在于，根据目标加密电路的原始输入位数、密钥输入位数、输出位数初始化改进粒子群算法参数，包括：种群个数n，最大迭代次数G，学习因子a和b，是否重新生成种群判断代数t，根据原始输入位数、密钥输入位数、输出位数都是由0,1构成的序列将种群中每个个体都初始化为随机的0和1构成的二进制序列。

6.根据权利要求1所述的一种面向逻辑加密电路的功能分析方法，其特征在于，根据适应度函数计算初始化粒子群的适应度，包括：其中，P表示数据集的数量，N表示逻辑电路输出向量的位数，HM表示计算向量之间的海明距离的函数，F表示个体的适应度值，F值越接近1，代表该个体的适应度越好，Clock表示加密电路的功能函数， 表示预设的数据集中一个电路的原始输入， 表示加密电路的密钥输入，Coracle表示已激活加密电路的功能函数。

7.根据权利要求1所述的一种面向逻辑加密电路的功能分析方法，其特征在于，根据学习因子将个体向个体极值和群体极值进行学习，生成新种群，包括：向个体极值学习：

向群体极值学习：

其中， 表示经过学习后的生成的新种群，Pbest表示个体极值，Genbest表示群体极值，a、b分别表示第一、第二概率， 表示第i次迭代的待优化粒子的第j位。

8.一种面向逻辑加密电路的功能分析系统，用于实现如权利要求1‑7所述的一种面向逻辑加密电路的功能分析方法，其特征在于，包括：电路计算模块、数据集生成模块、算法计算模块、密钥输出和验证模块；

电路计算模块加载已激活加密电路和目标加密电路，并根据指定的输入向量，通过计算得到对应的电路响应，即电路输出向量，种群适应度计算以及最优密钥的精度验证；

数据集生成模块按照预设要求生成特定的数据集；

算法计算模块加载预设的功能分析算法，设置自定义参数，并利用电路计算模块实时计算当前种群的适应度以迭代优化密钥；

密钥输出和验证模块对最终生成的最优密钥做进一步的精度验证。