Florida Polytechnic University

电网入侵检测的误报和漏报被折算成发电机级别的网络物理风险成本，再进入调度优化，而不是只优化检测的F1分数。此前检测与调度各自独立优化，检测误差对运行费用的影响没有进入决策目标。在ICS与Sherlock两个电网数据集上，按误报、漏报和风险缩放系数做网格搜索后，部分参数配置的最低调度费用低于对应基线，但改善幅度随数据集和参数配置而变。

电网入侵检测的误报和漏报被折算成发电机级别的网络物理风险成本，再进入调度优化，而不是只优化检测的F1分数。此前检测与调度各自独立优化，检测误差对运行费用的影响没有进入决策目标。在ICS与Sherlock两个电网数据集上，按误报、漏报和风险缩放系数做网格搜索后，部分参数配置的最低调度费用低于对应基线，但改善幅度随数据集和参数配置而变。

网络入侵检测里，小语言模型直接读数值流量记录往往分不清类别。SERA-IDS 让一个 8B 模型只分析被误判的流量，把每次混淆写成含行为描述、特征条件、类别混淆信息、工具置信度和来源的结构化规则，经置信度门控后存入经验库。测试时经验库冻结，检索至多五条类别多样的规则并逐条核对条件，Llama 3.1、Phi-4:14B、Qwen2.5:7B 在 NF-BoT-IoT 与 NF-ToN-IoT 上的宏F1由 1.94%–11.66% 升至 69.50%–87.66%，全程不微调、不用付费托管推理。

网络入侵检测里，小语言模型直接读数值流量记录往往分不清类别。SERA-IDS 让一个 8B 模型只分析被误判的流量，把每次混淆写成含行为描述、特征条件、类别混淆信息、工具置信度和来源的结构化规则，经置信度门控后存入经验库。测试时经验库冻结，检索至多五条类别多样的规则并逐条核对条件，Llama 3.1、Phi-4:14B、Qwen2.5:7B 在 NF-BoT-IoT 与 NF-ToN-IoT 上的宏F1由 1.94%–11.66% 升至 69.50%–87.66%，全程不微调、不用付费托管推理。