双骨干少样本检测器

16类未见家族高检出

语义-形态双流解耦,注入提示学习与状态空间模型,显著提升小样本条件下的检测器泛化能力。

Xu, Congyuan · 杨俊 · 夏小云 · 蒋明峰

Engineering Applications of Artificial Intelligence 2026

参数信息

F-measure
0.9823
F-measure
0.9635

技术优势

小样本照样准

通过监督对比学习使同类样本聚集、异类分离,优化度量空间,在仅5个标注样本下F-measure达到0.9635。

未见家族也管用

在包含16个未见DGA家族的测试集上,10-shot条件下F-measure达0.9823,证明对未知变种的强泛化能力。

训练更快

Mamba的选择性扫描机制具有线性复杂度,能高效处理字符序列的长程依赖,降低计算开销。

应用场景