一篇新研究论文指出了常用于工业物联网中基于机器学习的入侵检测的Edge-IIoTset基准测试中的一个重大缺陷。研究表明，数据集中预处理指令中的序列化伪影，特别是缺失协议字段的占位符拼写，使得标准分类器在不实际模拟网络行为的情况下就能达到近乎完美的准确率。研究人员提出了一个名为AgriEdge的修正基准，其中包含更全面的数据和设备，证明在没有该伪影的情况下，最强大的模型能达到约0.95的准确率，并且在感知/执行层发现了泛化边界。 AI
影响 强调了由于数据集伪影可能导致入侵检测模型性能被高估，需要更稳健的评估。
排序理由 研究论文，详细介绍了基准数据集中的一个缺陷并提出了一个新的数据集。[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 →
