《表6 AVClass主要反病毒引擎及检测率》
对两个分类器的测试结果的性能度量值进行分析可以发现,基于基因对恶意代码的家族进行研究具有一定的效果。以AVClass作为参考标签,其对于个别家族的恶意代码分类效果不佳,如Lotoor家族等。然而,这是因为AVClass本身只是一个针对标签的投票系统,其受一些应用广泛的反病毒引擎(如Bit Defender)影响较大。对virus total常用的100种反病毒引擎的检测结果进行统计,发现对本实验中的Android恶意代码检测率高于80%的仅有24种,而其中能对Android恶意代码进行合理命名的反病毒引擎仅有20种,这20个反病毒引擎及其对样本的检测率如表6所示。
图表编号 | XD0090294600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.01 |
作者 | 韩金、单征、赵炳麟、孙文杰 |
绘制单位 | 数学工程与先进计算国家重点实验室、数学工程与先进计算国家重点实验室、数学工程与先进计算国家重点实验室、数学工程与先进计算国家重点实验室 |
更多格式 | 高清、无水印(增值服务) |