《表4 不同网络的性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于汇编指令词向量特征的恶意软件检测研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证混合模型的有效性，在最优参数下本文与不同的单模型深度学习网络进行了对比，分别对循环神经网络（recurrent neural network，RNN）、CNN、门控循环单元（gated recurrent unit，GRU）、LSTM、BiLSTM和本文所提出的混合模型CNN+BiLSTM进行了实验．实验从准确率、精确率、召回率和F1值4个指标对模型进行评价，共进行10次实验取平均值，实验结果如表4所示．从表4可以看出，不同模型的准确率均超过90%，作为精确率和召回率调和值的F1值指标均超过94%.CNN+BiLSTM混合模型准确率最高，达到98.8%，比CNN高2.5个百分点，比LSTM高0.9个百分点，比BiLSTM高1个百分点．在F1值指标上，本文所提方法也比其他模型表现更加良好，达到98.7%，比CNN高3.8个百分点，比LSTM高0.7个百分点，比BiLSTM高0.5个百分点．总的来说，这些都得益于混合模型有效地利用了CNN的卷积和池化操作来捕捉上下文相关信息产生汇编指令的特征表示，以及BiLSTM的时效性和对前后输入依赖关系的有效捕捉．