SpinalHDL中为组件添加DONT_TOUCH属性的方法详解
2025-07-08 05:49:51作者:傅爽业Veleda
在数字电路设计中,有时需要防止综合工具对特定模块进行优化,特别是在安全关键型设计(如抗侧信道攻击的掩码电路)中。本文将介绍如何在SpinalHDL中为硬件组件添加DONT_TOUCH属性。
DONT_TOUCH属性的作用
DONT_TOUCH是综合工具(如Vivado)识别的特殊属性,用于指示工具保留特定的模块或信号不被优化。这种需求常见于:
- 安全敏感电路需要保持特定结构
- 调试时需要保留特定信号
- 时序关键路径需要保持原样
SpinalHDL中的实现方法
SpinalHDL提供了两种方式为组件添加DONT_TOUCH属性:
1. 直接为单个组件添加
val myComponent = new MyComponent
myComponent.addAttribute("DONT_TOUCH", "yes")
这种方法简单直接,适合对特定组件进行保护。
2. 通过配置自动为所有组件添加
val config = SpinalConfig()
config.addTransformationPhase(new PhaseNetlist {
override def impl(pc: PhaseContext) = {
pc.walkComponents(_.definition.addAttribute("DONT_TOUCH", "yes"))
}
})
这种方法适合需要批量保护所有组件的场景,通过自定义配置在生成网表阶段自动为每个组件添加属性。
实现原理
在SpinalHDL内部,这种机制是通过以下方式工作的:
addAttribute方法将属性信息存储在组件的元数据中- 在生成Verilog/VHDL代码时,这些属性会被转换为目标语言对应的属性语法
- 综合工具读取生成的代码时会识别这些属性标记
使用建议
- 谨慎使用全局自动添加,避免不必要的资源浪费
- 对于安全关键模块,建议结合其他防护措施
- 验证生成的RTL代码确实包含预期的属性标记
- 不同工具可能对属性值的格式有不同要求,"yes"/"true"/"1"都是常见选项
总结
SpinalHDL通过灵活的属性添加机制,为设计者提供了防止综合优化的有效手段。无论是单个组件还是批量处理,都能找到合适的实现方式。理解这一机制有助于在安全关键设计中更好地控制综合结果。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
268
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1