模塊化免疫神經(jīng)網(wǎng)絡(luò)模型在計(jì)算機(jī)病毒分類檢測中的

作者：時(shí)間：2009-06-30 來源：網(wǎng)絡(luò)

加入技術(shù)交流群
- 掃碼加入
  和技術(shù)大咖面對面交流
  海量資料庫查詢

4.4 實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)

本文引用地址：http://2s4d.com/article/202688.htm

在模式識別領(lǐng)域中，Receiver OperatingCharacteristics(ROC)曲線用于比較不同分類檢測算法的性能。曲線下的面積越大，則算法分類檢測性能越好越穩(wěn)定。圖5為該模型與遺傳算法模型以及傳統(tǒng)抗體模型的基于MATLAB環(huán)境下的仿真測試ROC圖?？梢?，集成新型抗體模型網(wǎng)絡(luò)ROC曲線下方的面積要大于其它2個(gè)網(wǎng)絡(luò)模型的面積。說明基于模塊化的免疫神經(jīng)網(wǎng)絡(luò)模型的計(jì)算機(jī)病毒檢測模型性能要優(yōu)于其它2個(gè)，正好支持了文獻(xiàn)[2]的結(jié)論。文獻(xiàn)[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種分類器，結(jié)果如圖5、圖6，其中Boosted J48性能最優(yōu)。

分析以上實(shí)驗(yàn)數(shù)據(jù)，可得到以下結(jié)果：

1)由表1可知，自體庫選得過小，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)自體庫過大，會(huì)造成訓(xùn)練網(wǎng)絡(luò)的時(shí)間增多。擬采用200條為自體庫大小，對這30萬條數(shù)據(jù)記錄通過新模型進(jìn)行檢測，并與單免疫算法模型和傳統(tǒng)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(zhǔn)確率上卻有明顯的提高。

5 小結(jié)

由實(shí)驗(yàn)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(tǒng)的病毒入侵檢測模型的誤報(bào)率和漏報(bào)率，提高了免疫系統(tǒng)的學(xué)習(xí)效率和系統(tǒng)的智能化程度，在系統(tǒng)的容錯(cuò)性上也有較大的改善，對提高系統(tǒng)的檢測能力具有重要意義。

新聞中心

模塊化免疫神經(jīng)網(wǎng)絡(luò)模型在計(jì)算機(jī)病毒分類檢測中的

評論

相關(guān)推薦

技術(shù)專區(qū)