《表1 不同算法的样本判别结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种面向硬件木马检测的SVDD增量学习改进算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图5表明随着增量的不断增加三种算法运行时间总体呈上升趋势，而本文算法所需要的学习时间低于SVDD算法，由于SVDD算法是对全部的X0和X1进行训练，因此所需要的运行时间相对较多，而ISVDD算法是对SV0和全部的X1重新训练，淘汰了全部的NSV0，从而节省了大量训练时间，与以上两种算法相比，本文算法在利用SV0基础上，保留了少部分的NSV0和淘汰了X1中受噪声扰动较大的样本，虽然运行时间比ISVDD高，但图6表明，本文算法针对木马信号的检测率与SVDD算法相近同时远远高于ISVDD算法。表1中给出了本文算法与另外两种算法的判别结果。