4、基于机器学习的嵌入式系统智能防篡改设计

基于机器学习的嵌入式系统智能防篡改设计

1. 正常行为算法评估

对多种算法在不同测试集下的正常行为检测性能进行了评估，测试集包括仅含正常数据、正常与篡改数据混合以及仅含篡改数据等情况。评估指标有精确率（Precision）、召回率（Recall）、F1 分数（F1 score）和准确率（Accuracy）。具体结果如下表所示：
| 测试集情况 | 算法 | 精确率 | 召回率 | F1 分数 | 准确率 |
| — | — | — | — | — | — |
| 仅含正常数据 | Local Outlier Factor | 1.00 | 0.90 | 0.95 | 0.90 |
| | One-class support vector machine | 1.00 | 0.91 | 0.95 | 0.91 |
| | K-nearest neighbor | 1.00 | 0.91 | 0.95 | 0.91 |
| | Cluster-Based Local Outlier Factor | 1.00 | 0.90 | 0.95 | 0.90 |
| | Histogram-Based Outlier Score | 1.00 | 0.91 | 0.95 | 0.91 |
| | Isolation forest | 1.00 | 0.76 | 0.86 | 0.76 |
| 正常与篡改数据混合（篡改分析） | Local Outlier Factor | 0.91 | 1.00 | 0.95 | 0.95 |
| | One-class support vector machine | 0.92 | 1.00 |