《表4 不同算法对不同攻击数据的分类准确率比较》

  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

《基于弹性网的深度去噪自编码器异常检测方法》

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

e-DDAE等4种算法对数据集中4种攻击类数据被分类为异常数据的准确率见表4，可以看出，在Dos攻击类数据方面，e-DDAE比AE、SVM、K-NN分别提高了0.18%、1.09%、4.23%；在U2R攻击类数据方面，e-DDAE比AE、SVM、K-NN分别提高了7.47%、5.65%、11.29%；在R2L攻击类数据方面，e-DDAE比AE、SVM、K-NN分别提高了2.10%、5.33%、9.21%；在Probe攻击类数据方面，e-DDAE比AE、SVM、K-NN分别提高了0.19%、4.67%、10.67%。e-DDAE算法对不同攻击类数据被分类为异常数据的准确率明显高于其它同类算法。