《表4 与文献[15]的对比结果》
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。
图表编号 | XD0079762900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.07.15 |
作者 | 张凡、董晨、陈景辉、贺国荣 |
绘制单位 | 福州大学数学与计算机科学学院空间数据挖掘与信息共享教育部重点实验室、福州大学网络计算与智能信息处理重点实验室、福州大学数学与计算机科学学院空间数据挖掘与信息共享教育部重点实验室、福州大学网络计算与智能信息处理重点实验室、福州大学网络系统信息安全重点实验室、福州大学数学与计算机科学学院空间数据挖掘与信息共享教育部重点实验室、福州大学网络计算与智能信息处理重点实验室、福州大学数学与计算机科学学院空间数据挖掘与信息共享教育部重点实验室、福州大学网络计算与智能信息处理重点实验室 |
更多格式 | 高清、无水印(增值服务) |