محققان در یک پژوهش تازه، روشی نوآورانه برای بهبود تشخیص ناهنجاری (Anomaly Detection) در ترافیکهای سنگین شبکه ارائه دادهاند. این متد که مبتنی بر «انتگرال چوکه» (Choquet integral) است، با ترکیب هوشمند ویژگیها، باعث میشود مدلهای کلاسیک مثل XGBoost و Random Forest بسیار دقیقتر عمل کنند.
نتایج این تحقیق نشان میدهد که این روش نه تنها تا ۷٪ دقت را افزایش میدهد، بلکه حجم دادههای پردازشی را تا ۷۷.۵٪ کاهش میدهد که برای سیستمهای تشخیص نفوذِ لحظهای (Real-time) یک دستاورد بزرگ محسوب میشود. ⚡️
منبع: arXiv Machine Learning