《表4 多分类实验结果比较》

  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

《基于深度神经网络的Android恶意软件检测方法》

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

在表4中，由于数据集中各恶意软件家族样本数目分布不均，部分小样本家族的查准率、查全率对整体的宏查准率、宏查全率产生了较大的影响，从而导致相关度量值普遍较低。由表3与表4比较可得，在这些被错误分类的样本中，发生应用程序性质的判断错误属于少数情况，大部分问题出现在恶意软件内部家族的分类失误。实验结果表明，DNN的多分类精度可达93.54%，考虑到恶意软件家族数量之多，这已经颇有成效。DBN与CNN的分类精度仅次于DNN，而SVM与3种深度学习网络之间有一定的距离。在这些比较对象中，DBN与DNN的分类性能最为接近，且耗时略小于DNN，但从整体表现来说，DNN仍是最佳选择。