《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》
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。
图表编号 | XD00226772300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.15 |
作者 | 超凡、杨智、杜学绘、孙彦 |
绘制单位 | 信息工程大学密码工程学院、信息工程大学密码工程学院、信息工程大学密码工程学院、中国电子技术标准化研究院 |
更多格式 | 高清、无水印(增值服务) |