[发明专利]基于Adaboost的移动智能终端安全等级分类方法

摘要

本发明公开了一种基于Adaboost的移动智能终端安全等级分类方法，包括以下步骤：S1.在边缘计算平台对N+P台接入的移动智能终端进行测试；S2.对每个测试结果进行预处理，得到测试结果向量与所属安全等级；S3.整合预处理结果，得到数据集T，并将数据集T划分为训练集和测试集；S4.根据安全等级的级数K，采用K‑1层Adaboost算法模型，对训练集进行训练，生成强分类器并通过测试集验证准确率；S5.对新接入的移动智能终端进行测试，将测试结果通过强分类器，得到移动智能终端的安全等级。本发明根据移动智能终端各单项安全性能的测试结果，在边缘计算平台采用Adaboost算法实现对移动智能终端安全等级的准确划分，有利于实现不同安全级别需求的安全使用。

主权项

1.基于Adaboost的移动智能终端安全等级分类方法，其特征在于：包括以下步骤：S1.在边缘计算平台对N+P台接入的移动智能终端进行测试，得到测试结果M1,M2,…,MN,…,MN+P，Mi表示第i台接入的移动智能终端测试结果，i＝1,2,...,N+P，每个Mi包含S个测试单项的测试结果，Mi＝[m1,m2,…,mS]T，其中mj为第j个测试单项的测试结果，j＝1,2,...,S；S2.将移动智能终端安全等级划分为K级，对每个测试结果Mi进行预处理，得到Mi对应的测试结果向量Xi与所属安全等级yi：S3.整合每次测试结果Mi对应的向量Xi和所属安全等级yi，得到数据集T：T＝{(X1,y1),(X2,y2),…,(XN+P,yN+P)}；yi∈{1,2,...,K}，i＝1,2,…,N+P；将数据集T中的其中前N组数据划分为训练集TN，后P组数据划分为测试集TP；S4.根据安全等级的级数K，采用K‑1层Adaboost算法模型，对数据训练集TN进行训练，生成强分类器并通过测试集TP验证准确率；S5.对新接入的移动智能终端进行测试，将测试结果通过强分类器，得到移动智能终端的安全等级。