《表3 特征类别对检测结果的影响》

  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

《基于多元特征的微博被劫持账户检测》

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

为了确定特征的识别能力，本文使用组合特征和单类型的特征分别进行3组实验。第一组实验：选取所有特征（上文所述共6个特征），第二组与第三组实验分别使用了特征类别A与B，3组实验通过各自选取的特征，构建行为模型，并计算异常得分，使用决策树分类器在2.1节所述实验样本上进行分类实验。特征A（必需的模型特征）：发布时间、发布源和发布消息主题；特征B（可选的模型特征）：发布消息中的提及数和唯一提及数、URL和消息转发率。从表3中可以看到，当选取所有特征时，本文方法的精确率、召回率与F1-score均最高，比仅选取类别A时分别提高了1.9%、1.2%、0.016；比仅选用类别B时分别提高了5%、4%、0.044。