Hugging Face · 每日论文· 媒体 / 作者来源·精选
VX-One：用类型化校准决策头做实时边界流量分诊
原文标题
VX-One: Typed, Calibrated Decision Heads for Real-Time Perimeter Triage - An empirical study of unknown-attack honesty, cascade gray zones, and calibration under drift
AI 导读
VX-One用10万至1000万参数的多头网络输出二值门、含明确未知选项的闭集选择和序数分，CPU上p50约0.7–1.7毫秒。在UNSW-NB15、CIC-IDS2017、EMBER2024上与校准XGBoost、随机森林、MLP、Kitsune对比：VX-One在UNSW-NB15和CIC-IDS2017时间漂移下检测占优（0.711对0.637），多类归因三项基准均由XGBoost胜出；留一攻击族门在9/9个UNSW折上检出未见族，但在CIC侦察族低于随机水平。五日Suricata加VX-One级联中，无载荷重建时签名引擎仅解析约0.1%流量，第二阶段把召回补到至少0.978；所有方法的时间漂移下校准均崩塌（ECE从0.04升至0.40）。
来源：Hugging Face · 每日论文 · arxiv.org
导读与选稿说明
给出类型化校准决策头在边界分诊中的逐项实测，明确了未知攻击检出、跨基准阈值迁移和多阶段级联的失效条件。
导读由模型辅助整理，非独立核验。完整信息见原文。