ПОЯСНЮВАЛЬНИЙ ПІДХІД НА ОСНОВІ ЗБУРЕНЬ ДЛЯ ПОКЛАСОВОГО АНАЛІЗУ ЧУТЛИВОСТІ ОЗНАК У ЗАДАЧІ КЛАСИФІКАЦІЇ АНОМАЛІЙ BGP

Анотація

Міждоменна маршрутизація відіграє центральну роль у забезпеченні глобальної зв’язності Інтернету, однак аномальна поведінка BGP залишається складною для надійної класифікації в експлуатаційних умовах. Хоча моделі машинного навчання часто демонструють високі узагальнені показники точності, їхня ефективність нерівномірна для різних типів аномалій. Для окремих класів характерні стабільно низькі значення повноти або систематична плутанина з близькими категоріями, тоді як агреговані метрики приховують ці недоліки. З практичної точки зору така класозалежна нестабільність обмежує придатність автоматизованих класифікаторів.

У статті запропоновано підхід до уточнення класифікації, керований аналізом чутливості, який дозволяє покращити деградовані класи без модифікації архітектури моделі. Метод ґрунтується на контрольованому оклюдуванні окремих ознак маршрутизації в часових вхідних послідовностях. Вимірюючи зміни ймовірностей передбаченого та істинного класів після вилучення ознаки, підхід дає змогу виявити входи, що негативно впливають на розпізнавання конкретного класу. На відміну від глобальних рейтингів важливості, аналіз обмежується неправильно класифікованими сегментами найслабшої категорії, що забезпечує цільову діагностику помилок класифікації.

Підхід оцінено на основі класифікатора LSTM із двома різними наборами ознак, сформованими з історичних подій BGP. Поділ за подіями забезпечив тестування на раніше невідомих аномаліях. У першій конфігурації аналіз оклюзії виявив ознаку, яка суттєво пригнічувала розпізнавання відмов; її вилучення підвищило повноту майже з нульових значень до 0,64 та збільшило F1-міру до 0,78 без погіршення результатів для інших класів. У другій конфігурації уточнення призвело до помірного, але стабільного зменшення плутанини між відмовами та непрямими аномаліями.

Отримані результати свідчать, що аналіз чутливості на основі збурень може слугувати не лише інтерпретаційним механізмом, а й практичним інструментом для покласового покращення багатокласових систем класифікації аномалій BGP.