《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》
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。
图表编号 | XD00188985600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.15 |
作者 | 赵宇鑫、努尔布力、艾壮 |
绘制单位 | 新疆大学软件学院、新疆大学网络中心、新疆大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |