SemiScope：解开半监督安全分类中的分类器调整和联合优化

arXiv:2607.00113v1 公告类型：新摘要：背景。用于安全分类的标记数据很少。半监督学习 (SSL) 将标签从小型标记池传播到较大的未标记池。然而，安全应用程序经常将 SSL 用作黑匣子：默认参数、固定分类器，并且不处理伪标签引起的类不平衡。目标。最近的工作报告了通过联合搜索、AutoML 或每个组件调整来优化 SSL 管道的巨大收益。这些收益很难归因：它们可能反映了有用的 SSL 分类器交互，或者主要来自简单地调整下游分类器。我们使用经典 SSL 和基于树的分类器来消除二进制表格安全数据的这些影响。方法。我们将 SemiScope 构建为分析工具，而不是部署建议。它使用贝叶斯优化来联合调整 SSL 设置、置信度过滤、过采样和分类器。关键控件 Tuned-Clf 将 SSL 修复为默认值，但获得与 SemiScope 相同的 100 次试验分类器预算和验证集阈值调整。在 10% 标签下，我们使用 +/-1.0 g 测量最小的感兴趣效应，将它们与配对 TOST 进行比较。结果。 SemiScope 在所有五个数据集上都击败了每个默认 SSL 基线，比最强的基线提高了 0.7-12.7 个点。在等预算控制下，Tuned-Clf 在统计上相当于 5 个数据集中的 4 个数据集上的完整流程；网络钓鱼尚无定论。与默认自训练 (ST) + 随机森林 (RF) 相比，分类器 HPO 单独恢复了 SemiScope 增益的中值 86%。结论。可重用的贡献是分解协议。一个更简单的方法就足够了：使用自我训练，使用贝叶斯优化调整分类器，并调整验证数据的决策阈值。它在四个数据集上的标签率为 20-30% 时达到监督 RF 的 1 g 测量范围内，在 Drebin 上为 40%，其标签率与每个数据集上的默认 ST + RF 相同或更低。