模塊化免疫神經(jīng)網(wǎng)絡(luò )模型在計算機病毒分類(lèi)檢測中的
4.4 實(shí)驗結果統計
本文引用地址:http://dyxdggzs.com/article/202688.htm在模式識別領(lǐng)域中,Receiver OperatingCharacteristics(ROC)曲線(xiàn)用于比較不同分類(lèi)檢測算法的性能。曲線(xiàn)下的面積越大,則算法分類(lèi)檢測性能越好越穩定。圖5為該模型與遺傳算法模型以及傳統抗體模型的基于MATLAB環(huán)境下的仿真測試ROC圖??梢?jiàn),集成新型抗體模型網(wǎng)絡(luò )ROC曲線(xiàn)下方的面積要大于其它2個(gè)網(wǎng)絡(luò )模型的面積。說(shuō)明基于模塊化的免疫神經(jīng)網(wǎng)絡(luò )模型的計算機病毒檢測模型性能要優(yōu)于其它2個(gè),正好支持了文獻[2]的結論。文獻[2]對基于n-gram的惡意代碼檢測取得了很好的效果,一共測試了8種分類(lèi)器,結果如圖5、圖6,其中Boosted J48性能最優(yōu)。

分析以上實(shí)驗數據,可得到以下結果:
1)由表1可知,自體庫選得過(guò)小,會(huì )造成單抗體的高擾動(dòng)率,頻繁更新抗體群,缺乏抗體的多樣性,覆蓋范圍減小。
2)自體庫過(guò)大,會(huì )造成訓練網(wǎng)絡(luò )的時(shí)間增多。擬采用200條為自體庫大小,對這30萬(wàn)條數據記錄通過(guò)新模型進(jìn)行檢測,并與單免疫算法模型和傳統的抗體網(wǎng)絡(luò )模型進(jìn)行對比,如表2。雖然此網(wǎng)絡(luò )模型在時(shí)間上略遜于其他兩種已知算法模型,但在準確率上卻有明顯的提高。

5 小結
由實(shí)驗可知,基于免疫算法和神經(jīng)網(wǎng)絡(luò )的新型網(wǎng)絡(luò )模型降低了傳統的病毒入侵檢測模型的誤報率和漏報率,提高了免疫系統的學(xué)習效率和系統的智能化程度,在系統的容錯性上也有較大的改善,對提高系統的檢測能力具有重要意義。
相關(guān)推薦
技術(shù)專(zhuān)區
- FPGA
- DSP
- MCU
- 示波器
- 步進(jìn)電機
- Zigbee
- LabVIEW
- Arduino
- RFID
- NFC
- STM32
- Protel
- GPS
- MSP430
- Multisim
- 濾波器
- CAN總線(xiàn)
- 開(kāi)關(guān)電源
- 單片機
- PCB
- USB
- ARM
- CPLD
- 連接器
- MEMS
- CMOS
- MIPS
- EMC
- EDA
- ROM
- 陀螺儀
- VHDL
- 比較器
- Verilog
- 穩壓電源
- RAM
- AVR
- 傳感器
- 可控硅
- IGBT
- 嵌入式開(kāi)發(fā)
- 逆變器
- Quartus
- RS-232
- Cyclone
- 電位器
- 電機控制
- 藍牙
- PLC
- PWM
- 汽車(chē)電子
- 轉換器
- 電源管理
- 信號放大器
評論