VX-One 论文：面向边界流量分诊的类型化校准决策头
Juan S. Santillana 于 2026 年 10 月 21 日向 arXiv 提交单作者预印本 VX-One，描述一个 10 万至 1000 万参数的小型多头网络，其输出为一个校准门控、一个始终包含显式“未知”选项的闭集选择，以及一个序数评分，在 CPU 上中位延迟约 0.7–1.7 毫秒。在作者自行开展的实验中，VX-One 在 UNSW-NB15、CIC-IDS2017 与 EMBER2024 上与经过校准的 XGBoost、Random-Forest、MLP 和 Kitsune 对比，据称在 UNSW-NB15 的检测指标（AUROC/FPR@95%TPR）以及 CIC-IDS2017 的时间漂移条件下（0.711 对 0.637）胜出，但 XGBoost 在三个基准的多分类归因上均胜出。论文还报告：在时间漂移下所有方法的校准均崩塌（ECE 从 0.04 升至 0.40），弃权阈值在不同基准间迁移效果很差，而在无载荷重构场景中特征引擎仅能判定约 0.1% 的流量，剩余灰区由级联第二阶段恢复，合并召回率不低于 0.978。
该预印本以自报数据说明类型化校准决策原语在边界分诊中何处有效、何处失效；作者称这类设计已被商业“System One”API 出售，却缺乏学术研究。
Computer Science > Cryptography and Security
arXiv:2610.30090 (cs)
[Submitted on 21 Oct 2026]
Title:VX-One: Typed, Calibrated Decision Heads for Real-Time Perimeter Triage - An empirical study of unknown-attack honesty, cascade gray zones, and calibration under drift
Authors:Juan S. Santillana
View a PDF of the paper titled VX-One: Typed, Calibrated Decision Heads for Real-Time Perimeter Triage - An empirical study of unknown-attack honesty, cascade gray zones, and calibration under drift, by Juan S. Santillana
#VX-One#arXiv#Suricata#UNSW-NB15#CIC-IDS2017#EMBER2024#Kitsune#XGBoost