《表4 与文献[15]的对比结果》

  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

《基于反向神经网络的硬件木马识别》

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

与文献[15]对比，可看出正常电路的识别率TPR和线网的精确率Accuracy有较大改善，如表4所示。木马线网的识别率虽有所下降，但因增加正常电路线网的数量、减少木马电路线网数量导致，此结果在实验预料中，也是本实验希望达到的效果。使用机器学习算法处理二分类问题具有不可解释性，提高木马识别率时可能降低正常电路的识别率。实际操作中，应优先保证正常电路的完整检测，只有在保证正常电路安全、完整的前提下，逐步提升硬件木马识别效率，才对实际应用有所帮助。部分识别出的硬件木马有助于人工继续识别，而如果错误识别正常电路，会破坏电路原有的功能，违背了硬件木马识别的初衷。