Raoul Saad

DeepWeave把可解释的逻辑规则与神经网络预测放进同一个概率推理程序，让两者作为可能冲突的两路证据共同决定告警。此前基于机器学习的入侵检测依赖大量标注攻击流量，部署环境一变性能就下降，且难以给出可供分析员核查的依据。在每类攻击仅有少量标注包观测时，采用Anchored耦合的DeepWeave相对匹配的神经基线把宏F1最多提高34.5%，并把攻击误报率从0.075降到0.001。

DeepWeave把可解释的逻辑规则与神经网络预测放进同一个概率推理程序，让两者作为可能冲突的两路证据共同决定告警。此前基于机器学习的入侵检测依赖大量标注攻击流量，部署环境一变性能就下降，且难以给出可供分析员核查的依据。在每类攻击仅有少量标注包观测时，采用Anchored耦合的DeepWeave相对匹配的神经基线把宏F1最多提高34.5%，并把攻击误报率从0.075降到0.001。