加密流量分类：换划分协议后F1骤降

Mayan Sharma 等作者发布论文，重新评估加密流量分类的评测协议。他们称，在两个公开语料之一上，同一模型和代码按文献标准评估协议可得 macro-F1 0.992，但改用将同一次抓包流量保留在同一侧的划分协议后仅得 0.567，差距 0.426（八个随机种子，Holm-Bonferroni 校正后 p = 0.008）。 这一结果指向评测划分方式本身：若同一次抓包的流量同时出现在训练与测试两侧，模型分数可能被显著抬高。该结论目前仅报告于两个公开语料中的一个。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。