From experiments, our models can cl

From experiments, our models can classify and detect known worms and unknown worms with high detection rates without feature extraction and without using some fixed ports from K-L divergence. The results from cases 1 & 2 are shown in tables 5 and 6, where the detection rates of all models are over 98%. Table 7 presents the detection results with unknown worms that we consider in case 3, showing that our algorithms can detect unknown worms with overall detection rate over 91%. In particular, the Decision tree can detect unknown worms with the averaged detection rate over 97%, while the Bayesian network and Random forest have average detection rates from all experiments over 96% and 80%, respectively.

ผลลัพธ์ (ไทย) 1:

จากการทดลอง รุ่นของเราสามารถจัดประเภท และตรวจพบหนอนรู้จักและไม่รู้จักหนอน ด้วยราคาสูงตรวจสกัดคุณลักษณะ และโดยบางพอร์ตถาวรจาก divergence K-L ผลจากกรณีที่ 1 และ 2 จะแสดงในตาราง 5 และ 6 ราคาตรวจสอบแบบจำลองทั้งหมดกว่า 98% ตาราง 7 แสดงผลการตรวจหากับเวิร์มไม่รู้จักที่เราพิจารณาในกรณีที่ 3 แสดงว่า อัลกอริทึมของเราสามารถตรวจพบเวิร์มไม่รู้จักกับตรวจสอบโดยรวมราคากว่า 91% โดยเฉพาะอย่างยิ่ง ต้นไม้การตัดสินใจสามารถตรวจพบเวิร์มไม่ทราบอัตราเฉลี่ยตรวจกว่า 97% ในขณะที่เครือข่ายทฤษฎีการสุ่มตัวอย่างป่า มี ราคาเฉลี่ยตรวจทั้งหมดทดลองกว่า 96% และ 80% ตามลำดับ

ผลลัพธ์ (ไทย) 2:

จากการทดลองรูปแบบของเราสามารถแยกประเภทและตรวจสอบเวิร์มเป็นที่รู้จักและไม่รู้จักเวิร์มที่มีอัตราการตรวจจับสูงโดยไม่สกัดบาร์และโดยไม่ต้องใช้พอร์ตคงแตกต่างจาก KL ผลลัพธ์ที่ได้จากกรณีที่ 1 และ 2 จะแสดงในตารางที่ 5 และ 6 ที่อัตราการตรวจจับของทุกรุ่นที่มีมากกว่า 98% ตารางที่ 7 นำเสนอผลการตรวจสอบที่มีหนอนที่ไม่รู้จักที่เราพิจารณาในกรณีที่ 3 แสดงให้เห็นว่าขั้นตอนวิธีการของเราสามารถตรวจพบหนอนที่ไม่รู้จักที่มีอัตราการตรวจจับโดยรวมกว่า 91% โดยเฉพาะอย่างยิ่งต้นไม้ตัดสินใจสามารถตรวจพบหนอนที่ไม่รู้จักที่มีอัตราการตรวจจับเฉลี่ยเกิน 97% ในขณะที่เครือข่ายแบบเบย์และป่าไม้มีอัตราการสุ่มตรวจจับเฉลี่ยจากการทดลองทั่ว 96% และ 80% ตามลำดับ

ผลลัพธ์ (ไทย) 3:

จากการทดลองรูปแบบของเราสามารถจำแนกและตรวจสอบว่าหนอนและหนอนที่ไม่รู้จักกับการตรวจสอบอัตราสูงโดยไม่ต้องสกัดคุณลักษณะและโดยไม่ต้องใช้แก้ไขพอร์ตจาก K-L divergence ผลจากกรณี 1 & 2 แสดงใน ตารางที่ 5 และ 6 ซึ่งการตรวจสอบราคาของทุกรุ่นมากกว่า 98% ตารางที่ 7 แสดงการตรวจสอบผลลัพธ์กับหนอนที่ไม่รู้จักที่เราพิจารณาในกรณี 3แสดงขั้นตอนวิธีการของเราสามารถตรวจจับหนอนที่ไม่รู้จักกับภาพรวมอัตราการเกิน 91 % โดยเฉพาะต้นไม้ การตัดสินใจสามารถตรวจจับหนอนที่ไม่รู้จักกับการตรวจสอบอัตราเฉลี่ยมากกว่า 97% ในขณะที่เครือข่ายคชกรรมแบบป่ามีอัตราการตรวจจับโดยเฉลี่ยจากการทดลองทั้งหมด 96% และ 80% ตามลำดับ