本发明属于集成电路硬件安全技术领域，公开了一种一种基于机器学习与混合采样的硬件木马检测方法。首先，通过归纳出的低翻转率结构对网表中所有门进行互连结构匹配；对网表中所有门进行混合采样，如果门不属于低翻转率结构，则对其周围n级电路进行搜索并建立子图；如果门属于低翻转率结构需要对其所在的逻辑锥进行整体采样；将特征子图中所有的连接结构进行独热码编码，再进行累加获得固定长度的特征向量；最后输入所有特征向量到已经训练好的机器学习分类器进行节点分类，检测出硬件木马节点。本发明保留了图的部分高维特征，同时采用了混合采样的方式扩大了硬件木马与正常节点的特征区别，使得机器学习的模型能更好的训练以及区分硬件木马和正常节点，提高了检测模型的检测精度。