English(EN) Multi-Level Distributional Entropy for Explainable Network Intrusion Detection

新的熵框架增强了可解释的网络入侵检测

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-30 04:00

研究人员开发了一个名为多级分布熵（MDE）的新框架，用于可解释的网络入侵检测系统。MDE 从流级汇总统计数据中提取可解释的熵特征，无需访问原始数据包或训练数据。在四个基准测试中，MDE 取得了与传统特征相当的高加权 F1 分数，同时还提供了对故障模式和时间偏移下性能的洞察。 AI

影响该框架可以提高人工智能驱动的网络安全系统的透明度和可靠性。

排序理由该项目是一篇研究论文，详细介绍了一种用于网络入侵检测的新分析框架。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Mohamed Aly Bouke, Md Shohel Sayeed, Swee-Huay Heng, Azizol Abdullah, Mohamed Othman · 2026-06-30 04:00

面向可解释网络入侵检测的多层次分布熵

arXiv:2606.29797v1 Announce Type: cross Abstract: Machine learning network intrusion detection systems (IDS) rely on aggregate flow statistics that discard distributional structure, while established entropy measures require raw packet sequences unavailable in pre-aggregated flow…