English(EN) On the Impact of Entropy-based Features

基于熵的特征提升网络异常检测性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-20 04:00

研究人员探索了使用基于熵的特征来增强网络异常检测，由于流量模式多样，这正变得越来越困难。通过将熵计算集成到标准的机器学习流程中，他们在公开入侵检测数据集上发现了分类性能的一致性提升。这种方法补充了传统的统计特征，并为提高异常检测提供了轻量级、可解释的方法，尤其是在高变异流量场景中。 AI

影响通过轻量级、可解释的特征增强现有异常检测系统。

排序理由详细介绍网络异常检测新方法的学术论文。[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.LG TIER_1 English(EN) · Iuri Mundstock, Abreu Quevedo, J\'eferson Campos Nobre, Roben C. Lunardi, Thiago L. T. da Silveira, Bruno L. Dalmazo · 2026-07-20 04:00

关于熵基特征的影响

arXiv:2607.15379v1 Announce Type: cross Abstract: Network anomaly detection is increasingly challenging due to the growing diversity and variability of traffic patterns, which are not always well captured by traditional statistical features. In this work, we explore the use of en…