当前位置:首页 > 文章列表 > 文章 > 软件教程 > AV-Comparatives 发现 Microsoft Defender 具有最差的离线检测率之一

AV-Comparatives 发现 Microsoft Defender 具有最差的离线检测率之一

来源:云东方 2023-04-14 16:16:03 0浏览 收藏

有志者,事竟成!如果你在学习文章,那么本文《AV-Comparatives 发现 Microsoft Defender 具有最差的离线检测率之一》,就很适合你!文章讲解的知识点主要包括,若是你对本文感兴趣,或者是想搞懂其中某个知识点,就请你继续往下看吧~

  • 点击进入:ChatGPT工具插件导航大全
1616330026_microsoftdefender_story

反恶意软件评估公司 AV-Comparatives 今天发布了最新的 2022 年 3 月报告。该报告发现,微软内部的 Defender 防病毒软件是最差的离线检测率之一,仅为 60.3%。与此同时,G DATA 以 98.6% 的比例位居榜首。这意味着 Microsoft Defender 严重依赖基于云的保护。

但是,Microsoft 产品的在线检测和保护率是最好的。如果您想知道保护和检测之间的区别是什么,以下是 AV-Comparatives 对两者的定义:

我们在前几年执行的文件检测测试是仅检测测试。也就是说,它只测试了安全程序在执行前检测恶意程序文件的能力。

[..] 该恶意软件保护测试不仅检查检测率,还检查保护能力,即防止恶意程序实际对系统进行任何更改的能力。

您可以在下图中找到各种反恶意软件解决方案的离线和在线检测率以及保护率的完整比较:

1650012329_online_vs_offline_detection_rates_story

以下是各种防病毒程序的保护率明细。共有 10,040 个恶意样本用于测试:

1650012321_online_protection_rate_story

以下是 2022 年 3 月整个恶意软件保护测试数据的完整细分:

1650012307_malware_protection_test_combined_story

除了恶意软件保护测试之外,AV-Comparatives 还发布了所谓的真实世界保护测试的数据,您可以在下图中看到。以下是该公司如何区分两者:

在恶意软件保护测试中,恶意文件在系统上执行。在真实世界保护测试中,向量是网络,而在恶意软件保护测试中,向量可以是网络驱动器、USB 或覆盖恶意软件已经在磁盘上的场景。

1650012337_real_world_protection_test_story

最后,我们获得了各种经过测试的反病毒程序所获得的奖项。Microsoft Defender 在这里获得了最高评价,因为它获得了 ADVANCED+ 奖。顺便说一句,没有任何产品获得高级奖。

1650012315_march_2022_malware_protectio_test_awards_story

您可以在下面的源链接中找到有关测试的更多详细信息。

以上就是《AV-Comparatives 发现 Microsoft Defender 具有最差的离线检测率之一》的详细内容,更多关于软件,程序测试的资料请关注golang学习网公众号!

版本声明
本文转载于:云东方 如有侵犯,请联系study_golang@163.com删除
Windows 11 22H2 强制更多用户拥有微软账户进行安装Windows 11 22H2 强制更多用户拥有微软账户进行安装
上一篇
Windows 11 22H2 强制更多用户拥有微软账户进行安装
如何在 Windows 11 上的右键单击上下文菜单中添加安全模式重启选项
下一篇
如何在 Windows 11 上的右键单击上下文菜单中添加安全模式重启选项
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    490次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    547次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    572次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    527次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    339次使用