XSec：面向安全应用的自解释深度架构
A Self-Explainable Deep Architecture for Security Applications
AI 导读
研究者提出自解释深度架构 XSec，在五个安全场景上取得 97.33% 的平均分类准确率。该架构在训练时用基于掩码的方法提取信息量大的子特征并学习刻画各类别的原型，测试时通过专用相似度层计算相似度分数，无需事后分析即可给出解释。对固定的已训练模型和输入，XSec 的解释具有确定性，相比基于近似与扰动的事后方法显著降低了解释延迟。