类型化校准决策头在边界分诊中检测占优，但归因与校准仍受限。
资讯摘要
论文提出 VX-One，一个 10 万至 1000 万参数的多头小网络，输出校准门控、含显式 unknown 选项的闭集选择与序数分数，按头做温度校准，CPU 上 p50 约 0.7–1.7 ms。作者在 UNSW-NB15、CIC-IDS2017、EMBER2024 上与 XGBoost、随机森林、MLP、Kitsune 对比，并测试 Suricata 加 VX-One 的两阶段级联。结果显示其在检测指标上占优，但多分类归因不及 XGBoost；留一家族门控在 CIC 侦察族低于随机水平；时间漂移下各方法校准均崩溃（ECE 0.04→0.40）。
要点速读
- VX-One 输出校准门控、含 unknown 的闭集选择与序数分数，CPU 上 p50 约 0.7–1.7 ms。
- 在 UNSW-NB15 与 CIC-IDS2017 时间漂移下检测占优（0.711 vs 0.637），但多分类归因三项基准均不及 XGBoost。
- 无载荷重建下签名引擎仅解析约 0.1% 流量，第二阶段补回后合计召回不低于 0.978；时间漂移下各方法 ECE 从 0.04 升至 0.40。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。