《表8 MASV与其他方法比较》

  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

《基于集成学习投票算法的Android恶意应用检测》

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

表8所示是Drebin、LR(Logistic Regression）、DroidEnsemble和本文方法的对比结果。通过和同样使用应用程序功能数据集的其他方法比较，可以看出MASV方法在TPR(True Positive Rate）上有较大优势，但本实验结果的FPR(False Positive Rate）略低于其他方法，如图7、图8所示。可以得出，本实验检测良性样本的正确率较为有效，因为本文恶意样本数量多于其他方法，所以FPR略有偏高，但不明显。综上所述，本文这种集成学习加权投票算法的检测效果优于Drebin[13]使用的SVM方法、Wang团队[1]使用的LR方法和使用多数投票的Droid Ensemble[40]方法。