《表6 与其他模型对比结果》
为证明本文方法能有效提取恶意软件行为及能力相关文本,将本文方法与其他3种常用方法进行对比。文献[15]方法使用传统机器学习方法,结合朴素贝叶斯和条件随机场识别报告中与恶意软件能力及行为相关的文本,若两种方法均识别为相关,则结果为相关。文献[16]方法和文献[19]方法使用神经网络方法对文本内容进行分类,文献[16]方法使用Glove初始化词向量,同时使用LSTM获取字母的向量表示,将词向量通过结合BiLSTM+注意力机制的循环网络实现分类。文献[19]方法结合字母级和单词级表示加入丰富的语言学特征,输入结合BiLSTM和CNN的神经网络结构中。实验对比结果如表6所示。
图表编号 | XD00125757600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.10 |
作者 | 冯胥睿瑞、刘嘉勇、程芃森 |
绘制单位 | 四川大学网络空间安全学院、四川大学网络空间安全学院、四川大学网络空间安全学院 |
更多格式 | 高清、无水印(增值服务) |