SemiScope: Entwirren von Klassifikator-Tuning und gemeinsamer Optimierung bei semi-überwachter Sicherheitsklassifikation

arXiv:2607.00113v1 Ankündigung: Neue Arbeit Abstract: Hintergrund. Gekennzeichnete Daten für Sicherheitsklassifikation sind knapp. Semi-überwachtes Lernen (SSL) propagiert Labels von einem kleinen gekennzeichneten Pool zu größeren ungelabelten Pools. Doch Sicherheitsanwendungen verwenden SSL oft als Black Box: Standardparameter, feste Klassifikatoren…