基准
EMBER2024
一个用于恶意软件分类的公开基准数据集，提供特征化的 PE 文件数据，常用于评估机器学习模型在安全检测任务上的性能。
时间轴 (近 90 天)
10月22日
论文在 UNSW-NB15、CIC-IDS2017、EMBER2024 三个基准上，与校准后的 XGBoost、Random-Forest、MLP 和 Kitsune 对比，并测量了“Suricata（52,674 条 Emerging-Threats 规则）→ VX-One”的两阶段级联，在 CIC-IDS2017 上跨五天运行。
待验证50%