《表2 非恶意软件样本检测结果》
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
《Android平台下细粒度权限管理机制设计与实现》
分别选取500个恶意软件及非恶意软件对其进行检测，将实验分为2组，准确率及误判率测试结果分别如表1、表2所示。
| 图表编号 | XD0073038500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.08.15 |
| 作者 | 孙岚、李永忠 |
| 绘制单位 | 江苏科技大学计算机学院、江苏科技大学计算机学院 |
| 更多格式 | 高清、无水印（增值服务） |
提示：宽带有限、当前游客访问压缩模式
相关图表
- 《表3 二分类结果比较：基于深度神经网络的Android恶意软件检测方法》2020.10.15
- 《表2 特征分布：基于深度神经网络的Android恶意软件检测方法》2020.10.15
- 《表5 样本选取数量：Android恶意软件的人工自然杀伤细胞检测模型》2021.03.15
- 《表6 实验结果：Android恶意软件的人工自然杀伤细胞检测模型》2021.03.15
- 《表5 实验结果：基于特征生成方法的Android恶意软件检测方法》2020.11.10
- 《表2 实验环境：基于特征生成方法的Android恶意软件检测方法》2020.11.10
- 《表3 恶意软件样本分布：KVM环境下基于异常行为的恶意软件检测技术研究》2020.06.05
- 《表8 恶意软件测试：KVM环境下基于异常行为的恶意软件检测技术研究》2020.06.05
- 《表2 实验的数值结果：利用隐语义生成对抗网络的恶意软件检测》2020.04.20
- 《表1 恶意软件数据量：利用隐语义生成对抗网络的恶意软件检测》2020.04.20
- 《表1 恶意样本集：基于行为路径树的恶意软件分类方法》2020.06.01
- 《表2 实验对比结果：基于模糊神经网络的恶意APP软件动态检测技术研究》2020.01.15
- 《表2 混淆矩阵：基于汇编指令词向量特征的恶意软件检测研究》2020.02.05
- 《表7 各类样本划分结果：一种基于元信息的Android恶意软件检测方法》2019.10.01
- 《表5 应用程序分组结果：一种基于元信息的Android恶意软件检测方法》2019.10.01
- 《表2 聚类后分组结果：一种基于元信息的Android恶意软件检测方法》2019.10.01
- 《表4 检测结果对比：一种使用CPN的恶意软件行为可视化自动生成方法》2019.08.01
- 《表1 恶意软件样本检测结果》2019.08.15
- 《表2 实验结果对比：基于AE-DBN的Android恶意软件检测》2019.05.01
- 《表1 算法恶意软件检测性能对比》2019.12.15