VX-One: teste decisionali tipizzate e calibrate per il triage perimetrale in tempo reale - Uno studio empirico sull’onestà rispetto agli attacchi sconosciuti, le zone grigie dei sistemi a cascata e la calibrazione in presenza di deriva

Abstract degli autori

Il triage perimetrale deve conciliare latenza e capacità di interpretare il significato: i motori basati su firme sono veloci e producono output nel formato previsto, ma non rilevano gli attacchi mai visti; i modelli generativi comprendono il significato, ma sono lenti e producono output non analizzabili automaticamente. Verso la fine del 2026, una classe di modelli decisionali commerciali System One (TypeSafe Jev; Microsoft-Decision-1) ha iniziato a offrire come API di prodotto primitive decisionali tipizzate — filtri binari, scelte tra opzioni predefinite, punteggi ordinali — senza che fossero state trattate in ambito accademico. Presentiamo VX-One: una piccola rete con più teste (100K-10M parametri) i cui output sono queste primitive — un filtro calibrato, una scelta fra un insieme chiuso di candidati che include sempre un’opzione esplicita per i casi sconosciuti e un punteggio ordinale — addestrata con apprendimento multi-task e calibrata per temperatura su ciascuna testa (~0,7-1,7 ms p50 su CPU). La valutiamo su UNSW-NB15, CIC-IDS2017 ed EMBER2024 confrontandola con XGBoost, Random-Forest e MLP calibrati e con Kitsune; misuriamo inoltre un sistema a cascata in due fasi (Suricata con 52.674 regole Emerging-Threats -> VX-One) su cinque giorni di CIC-IDS2017. Risultati: (i) VX-One ottiene i risultati migliori nel rilevamento (AUROC/FPR@95%TPR) su UNSW-NB15 e in presenza di deriva temporale su CIC-IDS2017 (0,711 contro 0,637), ma XGBoost prevale nell’attribuzione multiclasse su tutti e tre i benchmark; (ii) escludendo a turno una famiglia dall’addestramento, il filtro rileva famiglie mai viste in 9/9 suddivisioni di UNSW, ma scende sotto il livello del caso per la famiglia recon di CIC, e la soglia di astensione si trasferisce male da un benchmark all’altro; (iii) sulle ricostruzioni prive di payload, i motori basati su firme classificano ~0,1% dei flussi: la zona grigia comprende ~99,9% del traffico, recuperato dalla fase 2 (recall combinata >=0,978); (iv) la calibrazione crolla in presenza di deriva temporale (ECE 0,04->0,40) per tutti i metodi, mentre la capacità di ordinare i casi resiste in parte. Forniamo un resoconto basato su misurazioni dei casi in cui le decisioni tipizzate e calibrate aiutano il triage perimetrale e di quelli in cui falliscono.