《表7 分类算法的ROC曲线结果》

  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

《基于混合特征的深度自编码器的恶意软件家族分类》

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5中给出了采用不同算法进行家族分类训练模型得到的微平均AUC和宏平均AUC，可以看出无论是选择微平均AUC还是宏平均AUC作为评估结果，本文提出的基于XGBoost算法的分类结果都要优于SVM算法，更有利于家族分类。表6是分类算法效果对比，可以看出，使用XGBoost算法的时间损耗是最小的，可以有效节约分类模型的训练时间。表7显示了Lib SVM算法[42]、SMO＿SVM算法[43]、SVM算法[8]和基于XGBoost算法的ROC曲线图的结果，包含了9个家族和微平均AUC以及宏平均AUC，共11条曲线的最后结果。可以明显看到，针对不同家族，XGBoost算法都进行了很好的分类，Ramnit家族的AUC甚至达到了1。针对某些家族，SVM算法可以进行很好的分类，但是整体的分类效果不及XGBoost算法，对于不同家族的分类处理能力也不及XGBoost算法。