故障注入验证:功能安全的 SEU 与 stuck-at 注入、诊断覆盖率度量、安全机制有效性举证
更新时间:2026-10-02。常规功能验证回答的问题是「设计在合法输入下行为对不对」,功能安全(Functional Safety)验证要回答的是一个更拧巴的问题:「硬件自己坏了之后,系统能不能发现、能不能不死人」。车规 ISO 26262、工业 IEC 61508 这类标准把这个问题量化成了诊断覆盖率(Diagnostic Coverage,DC)——安全机制能检出的故障占全部可能故障的比例,ASIL-D 要求单点故障度量 SPFM 达到 99% 以上。这个百分比不能拍脑袋写进安全手册,必须用故障注入验证(Fault Injection Verification)实测出来:真的把故障打进设计里,一个一个看安全机制接不接得住。本站的 DFT 故障模型与覆盖率 讲了制造测试侧的 stuck-at、transition 故障模型,门级仿真 SDF 与 X 传播 给了门级平台的底子,这一篇把它们接到功能安全语境:故障注入验证的故障模型怎么选、注入平台怎么搭、DC 怎么统计、以及安全手册里的数字怎么从注入战役(fault injection campaign)里长出来。
本文要回答的问题
- 功能安全里的故障注入和普通验证的错误注入(error injection)有什么本质区别?
- SEU 软错误和 stuck-at 永久故障两类模型各自怎么注入,注入点怎么选才不漏不偏?
- 一次注入战役的结果怎么分类:safe fault、detected、dangerous 的判定依据是什么?
- 诊断覆盖率 DC、SPFM、LFM 这些安全度量怎么从注入结果统计出来?
- 注入战役工程量爆炸(几万到几十万次注入),怎么靠故障剪枝、统计抽样、形式方法把成本压下来?
一、为什么常规验证答不了安全问题
先看一个具体场景。一个电机控制 MCU 里的看门狗(watchdog)监控逻辑,功能验证早就跑完了:喂狗超时会产生复位,断言全过,覆盖率 100%。但 ISO 26262 问的是另一件事:如果看门狗自己的计数器寄存器被宇宙射线打翻了一位(SEU,Single Event Upset,单粒子翻转),或者制造老化后某根信号线永久卡在 0(stuck-at-0),系统会变成什么样?最坏的答案是:看门狗坏得刚刚好——它既不再咬人(超时复位失效),又表现得一切正常(状态寄存器读出来没问题),电机失控时没有任何机制兜底。这种「故障发生在安全机制自己身上」的场景,功能验证的激励空间里根本不存在——testbench 不会无缘无故去翻一个寄存器的位,那是「硬件不该有的行为」。
这就是故障注入验证的立足点:安全标准承认硬件会坏(随机硬件失效,random hardware failure),要求你论证「坏的时候系统仍然安全」。论证方式只有一种——把故障当成一等公民的激励,主动注入,观察后果。它与普通错误注入的差别在于深度和完备性:error injection 注的是协议层错误(CRC 错、丢包、乱序),验证的是设计的容错逻辑;fault injection 注的是硅片物理层的故障(位翻转、固定电平、桥接短路),验证的是安全机制对物理失效的检出能力。前者是功能问题,后者是安全度量问题,两者的方法论和证据链完全不同。
上图把三层验证的关系画清楚了:功能验证、错误注入、故障注入是逐层向下的三件事,互相不能替代。一个项目可以功能验证做得完美、容错逻辑滴水不漏,却在安全审核里翻车——因为它从来没有回答「硬件坏了怎么办」。故障注入验证的产出物也不是 pass/fail,而是一组可审计的数字:每类安全机制对每类故障的检出率,最终汇成安全手册里的 DC 声明。
二、故障模型:SEU 瞬态翻转与 stuck-at 永久故障
故障注入的第一步是定故障模型(fault model)——你要模拟的物理失效长什么样。功能安全项目里主力是两类,外加少量扩展。
第一类,SEU 软错误。高能粒子(中子、alpha 粒子)打在存储单元上,把一位从 0 翻成 1 或反过来,但不损坏硬件——下次写入就恢复正常。SEU 是瞬态故障(transient fault),针对的对象是 SRAM、寄存器、触发器。注入方式很直接:在仿真里用 force/deposit 把目标触发器的输出翻转一拍或若干拍,然后释放,观察故障是否传播、是否被检出。SEU 注入的关键参数是「注入时刻」:同一个位,在数据被消费之前翻和被消费之后翻,后果完全不同,所以每个注入点通常要在时间窗内扫多个时刻。SEU 之所以是汽车电子的头号假想敌,是因为它在现场真实高发——海拔高的地区、隧道里、雷达站附近,软错误率(SER,Soft Error Rate)会显著上升,而车要跑十五年。
第二类,stuck-at 永久故障。信号线因制造缺陷、电迁移老化、焊点疲劳永久固定在某个电平,stuck-at-0 或 stuck-at-1。这是 DFT 侧最经典的故障模型,DFT 故障模型与覆盖率 里讲的 stuck-at、transition、桥接故障在功能安全语境下同样是主力——区别在于 DFT 关心「测试向量能不能在量产机上筛出坏片」,功能安全关心「芯片在现场跑着的时候坏了,安全机制能不能发现」。stuck-at 注入的方式是把注入点 force 成固定值并保持到测试结束,模拟永久失效。注入点是门级网表里的每一个端口和内部节点——这就是为什么 stuck-at 注入战役的故障清单动辄几万条。
扩展模型按项目需要加入:transition 故障(信号跳变过慢,对应时序退化)、bridging 桥接(两根相邻线短路)、SEU 的多位变体 MBU(multi-bit upset,一次粒子打翻相邻多位,对 ECC 校验能力是硬考验)。MBU 尤其值得一提:很多安全手册里声称「ECC 纠一检二」,但物理上相邻位被打翻的概率远高于随机两位,不按物理版图邻接关系注 MBU,ECC 的 DC 声明就是纸面数字。
故障模型定完之后是注入点选择。全量注入(每个节点、每个时刻)在工程上不可行——一颗中等规模的 MCU 安全岛,门级节点几十万,乘上时刻维度是天文数字。剪枝策略第三节详述,但原则先立住:注入点清单必须能追溯回「安全相关逻辑」的界定(安全岛、安全路径、安全机制本身),清单的生成过程和剪枝依据本身是审核证据的一部分,不能是工程师拍脑袋挑的「看起来重要的信号」。
三、注入平台:RTL 级与门级两条路线
故障注入战役跑在什么抽象层级上,直接决定注入粒度、运行速度和结论的可信度。主流是两条路线,各有不可替代的位置。
RTL 级注入:在 RTL 仿真器(VCS、Xcelium、Questa)里用 force 或 PLI/UVM 注入接口对寄存器和存储器做翻转。优点是快——RTL 仿真比门级快一到两个数量级,一天能跑几万次注入;而且和现有 UVM 环境无缝复用,激励、scoreboard、覆盖率设施全部现成。缺点是粒度受限:RTL 里只有「综合后真实存在的寄存器」可以注,组合逻辑内部的节点在 RTL 层面不可见,stuck-at 的注入点覆盖天然残缺。RTL 级注入适合 SEU 战役——SEU 本来就只打存储单元,注入点和 RTL 寄存器一一对应。
门级注入:在综合后的网表上注,注入点是每个标准单元的端口。优点是故障模型的物理保真度——stuck-at 就该注在这里,而且可以直接复用 DFT 的故障清单(ATPG 工具导出的 fault list 就是现成的注入点全集)。缺点是慢,门级仿真带 SDF 反标的速度让人绝望,门级仿真 SDF 与 X 传播 讲的 X 传播问题在注入场景下还会放大——注入点附近出现的 X 到底是故障的真实后果还是初始化不干净,必须逐案甄别,RTL 仿真 X 传播语义 里乐观/悲观两种语义的坑在门级注入里同样要命。门级注入适合 stuck-at 战役的抽检与关键安全机制的逐故障精查。
工程上的标准打法是混合:SEU 战役全量在 RTL 级跑(注入点 = 全部安全相关触发器,量级可控),stuck-at 战役在门级做「故障剪枝 + 统计抽样」后的精简集,再用形式方法兜底证明剪枝合理性。平台的另一个硬需求是可并行的注入基础设施:每次注入是一次独立仿真,几万次注入靠农场并行跑,注入点、注入时刻、结果分类全部脚本化,人工逐条跑注入的项目没有不延期的。
上图是注入平台的总体结构:一份故障清单喂三条执行通道,结论统一进结果数据库。三条通道的分工一句话——RTL 管 SEU 的量,门级管 stuck-at 的质,形式管剪枝的理。形式验证在这里的角色和 形式验证应用场景 里讲的等价性、可达性一脉相承:证明「被剪掉的那批故障结构上不可能影响安全输出」,把统计抽样的置信度从「抽样比例」升级成「数学论证」。
四、结果分类与诊断覆盖率:DC 数字怎么长出来
每次注入跑完,结果是四选一的分类,这个分类是整套方法论的心脏:
- safe fault(安全故障):故障注入了,但对安全功能毫无影响——要么传播路径上被结构掩蔽(那部分逻辑此刻没被使用),要么影响的是与安全无关的功能。这类故障不产生危险。
- detected(已检出):故障造成了影响,且安全机制把它抓住了——ECC 报警、看门狗复位、双核锁步(lockstep)比较器报 mismatch、软件自检发现数据异常。这是 DC 的分子。
- dangerous undetected(危险未检出):故障影响了安全功能,且没有任何安全机制发现——输出错了而系统继续运转。这是安全度量的分母里最要命的项,每一个都是安全事故的种子。
- residual / 待分析:结果存疑(超时、X 污染、注入本身把环境打崩了),必须逐案人工分诊,不允许直接归入 safe。
诊断覆盖率 DC = detected / (detected + dangerous undetected)。注意分母里没有 safe fault——安全机制不需要对无害故障负责。这个细节是新手最容易算错的地方:把 safe 塞进分母会人为拉高 DC,审核时被揪出来就是诚信问题。由 DC 再往上推:单点故障度量 SPFM = 1 − 单点与残余故障失效率 / 总安全相关失效率,潜伏故障度量 LFM 针对「多点故障里没被发现的那部分」,两者的计算都以注入战役给出的各故障类别 FIT(Failures In Time,每十亿小时失效次数)分摊为输入。ISO 26262 对 ASIL-D 的要求是 SPFM ≥ 99%、LFM ≥ 90%,这两个数字的最终举证链就是:故障清单 → 注入结果分类 → DC → FIT 分摊 → SPFM/LFM。
上图的分类树建议直接做成注入结果数据库的 schema。三个落地纪律:第一,分类必须由独立观测点自动判定——「安全输出错误」和「安全机制报警」是两个独立的 checker,不能由测试的 pass/fail 笼统代理,因为测试挂了分不清是功能错还是安全机制正确地把系统送进了安全态。第二,safe fault 的判定要给出掩蔽证据(比如该寄存器在整个场景里从未被读),空口说「不影响」不算数。第三,dangerous undetected 不允许 waiver——每一条要么改设计(加安全机制)、要么论证该故障物理上不可能发生(需要形式证明背书),没有第三条路。
检出判定时还有一个微妙的边界:安全机制检出后进不进安全态(safe state)是两件事。检出但系统 hang 在错误态不复位,DC 上算 detected,但安全概念(safety concept)上可能是另一个缺口。注入场景的 checker 因此要写三层:功能输出对不对、安全机制报没报警、系统最终到没到安全态。三层各自统计,安全手册里分开声明。
五、工程量控制:剪枝、抽样与形式兜底
一次全覆盖 stuck-at 战役的成本是天文数字,工程上能交付的项目都靠三板斧把注入量砍掉一到两个数量级,同时保证 DC 结论的统计有效性。
第一板斧,结构性剪枝。注入前先跑一轮「故障无传播」分析:从注入点出发做扇出锥(fanout cone)追踪,扇出锥根本碰不到任何安全输出的故障,结构上就是 safe,不需要注入。这一步可以直接借 COI(cone of influence)分析的工具能力——思路与形式验证里算属性影响锥完全同源,只是方向反过来:从故障点向前追,而不是从属性向后追。剪掉的每一条故障要留存追踪记录,剪枝理由是审核证据。
第二板斧,统计抽样。剩下的故障集仍然太大时,按随机抽样的统计学公式定样本量:要给 DC 声明一个置信区间(比如 95% 置信度下 DC 不低于 90%),所需样本量由超几何分布或二项近似给出——对几万条的故障总体,几百到上千次随机抽样就足够支撑声明。抽样的关键是「真随机」:按模块、按故障类型分层抽样,绝不允许「挑容易过的注」。抽样方案和置信度计算过程要写进安全案例分析(safety case)。
第三板斧,形式兜底。对剪枝和抽样留下的「没注过的故障」,用形式方法补证据:证明某类故障注入后必然被某安全机制捕获(等价于证明一条「故障发生 → 报警拉起」的蕴含属性),或者证明故障结构上不可达安全输出。形式方法在这里的用法与 形式验证基础 讲的属性证明一致,只是属性里多了「故障激活」这一前提。形式证明通过的故障类可以整类从注入清单里移除,这比逐个注入快几个数量级。
三板斧的顺序不能反:先剪枝把结构上无害的拿走,再对剩余做抽样定战役规模,最后用形式方法给抽样之外的部分补数学证据。整个压缩过程的每一步都留有可追溯记录,最终交付物是「注入结果数据库 + 剪枝记录 + 抽样方案与置信度计算 + 形式证明清单」四件套——审核官要的不是「我们注了很多故障」,而是「没注的每一条都有理由」。
六、常见翻车点与落地清单
最后把项目里反复见到的坑列成清单。翻车点一:把 DC 当成一次性数字。设计每改一版,安全机制的逻辑变了、故障分布变了,上次的 DC 就失效了——注入战役必须进回归,至少每个里程碑重跑关键子集,这与 覆盖率驱动测试分诊 里覆盖率进回归的纪律是同一性质。翻车点二:只注数据通路不注安全机制本身。看门狗、ECC 译码器、锁步比较器自己的故障往往是最危险的(安全机制静默失效),注入清单必须显式包含安全机制内部节点。翻车点三:SEU 只注一个固定时刻。注入时刻要在场景时间窗内扫描,至少覆盖「数据产生前、传输中、消费前」三类相位。翻车点四:residual 类不清零。X 污染导致的「结果存疑」如果不逐案分诊,里面藏着的 dangerous undetected 永远见不了光。翻车点五:DC 声明超出注入证据范围。手册里写「DC = 97%」但注入只覆盖了 60% 的故障类,剩下 40% 既没抽样也没形式证明——这是安全审核里最常见的 red flag,没有之一。
落地的最小动作清单:界定安全相关逻辑并生成可追溯的故障清单;搭 RTL 级 SEU 全量注入通道(复用现有 UVM 环境);搭门级 stuck-at 抽样通道(复用 ATPG fault list);结果四分类自动化判定与数据库;剪枝记录、抽样置信度、形式证明三份证据文档;DC、SPFM、LFM 计算脚本化并进里程碑看板。六件事做完,安全手册里的每一个数字才站得住。
这一篇在知识体系里的位置
本篇是 chip-design/verification 目录下功能安全主题的支柱文,向上承接三篇基础:DFT 故障模型与覆盖率 提供 stuck-at、transition 故障模型的定义源头,形式验证基础 与 形式验证应用场景 为「形式兜底」通道提供方法论。横向,它与 门级仿真 SDF 与 X 传播 和 RTL 仿真 X 传播语义 互补——门级注入平台的所有 X 语义坑都在这两篇里。安全机制的具体实现侧,DFT LBIST PRPG 与 MISR 和 DFT MBIST 算法 讲的内建自测正是注入战役要检验的「被考对象」。向下,注入战役的回归化、结果分诊与覆盖率合流遵循 覆盖率驱动测试分诊 与 代码与功能覆盖率 的既有基础设施。
总结
故障注入验证是功能安全的实证手段:把 SEU 瞬态翻转和 stuck-at 永久故障当成一等激励打进设计,用「safe、detected、dangerous undetected、residual」四分类统计出诊断覆盖率 DC,再经 FIT 分摊推出 SPFM 与 LFM 去对 ISO 26262 的 99% 门槛;工程上靠「结构性剪枝、分层统计抽样、形式方法兜底」三板斧把几十万次注入压到可交付规模,每一条没注的故障都要留有理由——安全手册里的每一个百分比,都必须能追溯回一次真实的注入或一纸数学证明。