《表3 在相同数据下现有深度学习模型与传统机器学习模型效果对比统计表(%)》
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
《基于深度学习的Android恶意软件检测:成果与挑战》
注:各评价指标的含义如下。m1:精确率(Precision),m2:召回率/真正率(recall/TPR),m3:F-measure,m4:准确率(accuracy),m6:假正率(FPR),m7:假负率(FNR)
文献[12,14,19,22,32]使用相同的应用特征,在其实验的数据集上对传统的机器学习模型和深度学习模型分别进行了测试,实验结果如表3所示。这些工作分别从精准率(precision)、召回率(recall)、F-measure、准确率(accuracy)等指标对它们进行了评测6)。从表中可以看到,总的来说相对于传统机器学习模型,深度学习模型在大多数指标上的表现都是最好的;在其中一些工作的测试集上,相较于传统机器学习模型的检测效果,深度学习对某些指标甚至实现了大幅度的提升。
图表编号 | XD00220299200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 陈怡、唐迪、邹维 |
绘制单位 | 中国科学院信息工程研究所、中国科学院网络测评技术重点实验室、中国科学院大学网络空间安全学院、香港中文大学、中国科学院信息工程研究所、中国科学院网络测评技术重点实验室、中国科学院大学网络空间安全学院 |
更多格式 | 高清、无水印(增值服务) |