《表5 空间开销对比:随机森林在程序分支混淆中的应用》
本文采取了多次运行求平均值的方式计算被混淆程序的时间开销,同时统计了被混淆分支的执行次数.对比算法中,分类器的训练方法均与原文献中的设置相同.表4和表5分别列出了时间开销和空间开销数据.由表4数据可见,时间开销与执行次数成正相关,specrand中的被混淆分支执行次数为48478次,引入了较大的开销,其余测试程序的额外开销较小,平均每次执行所需开销约为0.005s.由于随机森林对高维数据处理具有优势,且随机森林内部计算由简单的分支判断构成,本文提出的混淆方法在时间开销上较优于另两种混淆方法.本文加密了输入集合,文献[22,23]所提出的边界关键变量训练法无法应用于本文的场景.使用加密后的输入集合作为训练集,导致这两种的时间开销和空间较原文献中的数据有较大增长.表5中,由于随机森林的参数要保存在程序中,引入的额外空间开销较对比算法稍大.但是对于当今硬盘容量(数百GB至几TB),这些开销是可以忽略不计的.本文提出的混淆方法在效能上是可以接受的.
图表编号 | XD0017155500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.01 |
作者 | 陈喆、贾春福、宗楠、郑万通 |
绘制单位 | 南开大学计算机与控制工程学院、南开大学计算机与控制工程学院、中国民航大学信息安全测评中心、河北省高可信信息系统重点实验室、南开大学计算机与控制工程学院、南开大学计算机与控制工程学院 |
更多格式 | 高清、无水印(增值服务) |