《表2 基于频率的检测结果》

  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

《基于机器学习的恶意命令检测方法》

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

为对比不同机器学习算法和测试集大小对实验结果的影响，选用Naive Bayes（朴素贝叶斯）、Linear SVM(Linear Support Vector Machine，线性支持向量机）、BPNN(Back Propagation Neural Network，后向传播神经网络）、Decision Tree（决策树）和Random Forest（随机森林）算法分别以70%、50%、20%的训练集大小进行实验，结果如表2所示。从表中可以看出，训练集大小对检测结果影响并不明显。随机森林在全部实验中都表现出了最好的性能，线性支持向量机和决策树算法也表现出了优于朴素贝叶斯的性能，后向传播神经网络方法表现最为糟糕。多个模型表现都优于早先研究提出的检测方法。