《表4 不同方法比较:基于多元特征的微博被劫持账户检测》
由表4可知,本文方法的精确率、召回率和F1-score均最高。相较于COMPA和文献[16]提出的方法,本文方法的F1-score分别提高0.014与0.132。这是因为本文方法在如下方面进行了改进:1)在特征选取方面,去除了作用不大的语言特征与邻近性判别,加入了发布消息中的提及数和消息转发率;2)改变了异常得分的计算方法,使得异常得分更能刻画新消息对用户行为模型的违反程度。
图表编号 | XD00139032800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.24 |
作者 | 王丽娜、柯剑鹏、叶傲霜、王文琦 |
绘制单位 | 武汉大学空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院、武汉大学空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院、武汉大学空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院、武汉大学空天信息安全与可信计算教育部重点实验室、武汉大学国家网络安全学院 |
更多格式 | 高清、无水印(增值服务) |