English(EN) Interactive Analysis of Global Explanations using Aggregated Class Activation Maps for Network Data

新系统可视化深度学习解释用于网络流量分析

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-17 04:00

研究人员开发了一个可视化交互式系统，用于分析和解释深度学习模型在网络流量分类中所做的预测。该系统利用聚合类激活图提供全局解释，使专家能够识别类别内的模式并制定新的网络管理规则。该原型旨在帮助机器学习专家获得见解、改进模型，并可能分离或合并类别以提高准确性和可靠性。 AI

影响增强了网络分析中深度学习模型的可解释性，有望带来更强大的安全和管理工具。

排序理由该集群描述了一篇在arXiv上发表的研究论文，详细介绍了一种分析深度学习模型解释的新方法。[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) · Igor Cherepanov, David Sessler, Alex Ulmer, Felix Wagner, Throsten May, J\"orn Kohlhammer · 2026-08-17 04:00

使用聚合类激活图对网络数据进行全局解释的交互式分析

arXiv:2608.13575v1 Announce Type: cross Abstract: Recent machine learning (ML) advances have demonstrated that deep learning (DL) achieves impressive results in different application domains, including the classification of computer network traffic to corresponding applications. …