《表2 本文方法的实验结果》
为验证不同分类器对本文方法性能的影响,分别选用支持向量机(support vector machine,SVM)[30]、决策树[31]、随机森林[32]和贝叶斯网络[33]作为分类器,在上文所述实验样本上测试本文方法的精确率、召回率和F1-score,结果如表2。如表2所示,分别采用决策树和SVM作为分类器时,检测方法的精确率相近,均能达到97.5%;采用决策树作为分类器时,检测方法的召回率和F1-score均最高,分别为97.2%和0.970;采用贝叶斯网络和随机森林作为分类器时,检测方法的精确率、召回率和F1-score均较低。总的来说,采用决策树分类器时,本文方法对被劫持账户的检测结果更理想,能检测出更多的被劫持账户并具有更低的误检率。
图表编号 | XD00139033000 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) |