《表2 实验数据统计信息：基于遗传算法的恶意代码对抗样本生成方法》

  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

《基于遗传算法的恶意代码对抗样本生成方法》

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

NVIDIA研究团队尚未公布可用的Mal Conv检测模型，因此本文拟依据其论文方案进行复现，针对复现的模型进行逃逸测试。为训练该模型，本实验收集了15168个样本。该样本集由奇安信技术研究院提供，通过在其用户终端进行为期7天的实时收集，并2次筛选获得的真实样本。本实验的训练集和测试集按照9:1划分，详细信息如表2所示。模型输出评分小于0.5的样本判定为良性样本，评分在0.5～1区间的样本判定为恶意样本。通过100轮的迭代训练，模型检测准确率达到98.88%。