Skip to content
Hot eventLive

NVG拓扑指标多方法重要性分析用于网络攻击检测

1 reports1 sources16 hr ago updated

Get the story

AI overview

该研究围绕网络攻击检测展开，评估了21个自然可见图（NVG）衍生拓扑指标，并采用SHAP、分组置换重要性、Boruta与RFE四种重要性分析方法，通过Consensus Ranking策略进行整合。研究目的在于检验紧凑指标子集能否在保持分类能力的同时降低计算成本。目前报道仅给出方法与目标框架，未披露具体数据集、实验结果或性能数据。

Generated from reports · updated 16 hr ago

LatestOct 5
新报道介绍该研究评估21个NVG拓扑指标，并用四种重要性分析方法经Consensus Ranking整合。

Timeline

Follow the coverage from different angles.

Oct 5, 2026
  1. arXiv · Artificial Intelligence
    基于自然可见图的网络攻击检测拓扑指标多方法重要性与性能效率分析

    该研究评估 21 个自然可见图（NVG）衍生拓扑指标，并用 SHAP、分组置换重要性、Boruta 与 RFE 四种重要性分析方法经 Consensus Ranking 策略整合，检验紧凑子集能否在保持分类能力的同时降低计算成本。

Heat trend

Current heat 7·Comparable peak 10（Oct 5）·Comparable change over 24 hours –

02.557.510Oct5Oct5Oct5Oct6

The trend compares only the same participants observed continuously; its range may be smaller than the current heat count. Move or click on the chart to inspect hourly heat; use the left and right arrow keys to switch.