《表6 分类算法时间损耗表》
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。
图表编号 | XD00212120700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.10 |
作者 | 谭杨、刘嘉勇、张磊 |
绘制单位 | 四川大学网络空间安全学院、四川大学网络空间安全学院、四川大学网络空间安全学院 |
更多格式 | 高清、无水印(增值服务) |