基于跨架构算法的高效物联网漏洞挖掘系统 跨架构高效物联网漏洞挖掘算法 评估与算法选择 跨架构及改进

3.5.2 跨架构及改进

本项目从数据集中提取出的758620个ACFG图进行跨架构和改进算法的检测。检测结果如表3-2和表3-3所示。表3-2展示了检测的平均AUC，AUC（是指ROC曲线下面积，用于度量二分类模型的性能表现，AUC越接近于1，意味着模型预测的准确性越高。表3-3展示了平均匹配时间，反映了检测的效率。

表3-2 平均AUC

AUC	GMN/Euc	GMN/Ham	Gemini/Euc	Gemini/Ham
ARM	0.9522	0.9615	0.9436	0.9233
MIPS	0.9381	0.8791	0.8731	0.8523
Metapc	0.7188	0.5625	0.5625	0.7511
Octeonb	0.5025	0.4927	0.4833	0.7626

表3-3平均匹配时间（ms）

匹配时间	GMN/Euc	GMN/Ham	Gemini/Euc	Gemini/Ham
ARM	2.063	1.515	1.067	0.429
MIPS	1.885	1.477	0.98	0.421
Metapc	2.088	1.382	0.295	0.298
Octeonb	报错	报错	报错	0.407

可以看到改进后的AUC值有一定程度的下降，基本不变，但是平均匹配时间有了大幅的提高，这说明其检测准确率有略微下降，但几乎不影响，但效率和性能有了大幅提升，针对大量不同架构的检测来说，在一定程度上提高系统的检测能力。在图平均尺寸较大、大数据库、低时延搜索，具有这些特征的应用场景下，使用的改进的方案，可以实现较好的效率、精度权衡。