集成学习与可解释AI在无人机网络入侵检测中的实践

1. 项目概述与核心挑战

无人机（UAV）网络正以前所未有的速度融入物流、安防、农业乃至关键基础设施监控等各个领域。然而，这种便捷性背后隐藏着严峻的网络安全风险。与传统的固定网络不同，无人机网络具有高度动态、资源受限、通信协议轻量化的特点，使其极易遭受拒绝服务（DoS）、欺骗、中间人攻击（MITM）、数据注入等多种复杂网络入侵。传统的基于签名的入侵检测系统（IDS）在面对这些新型、多变的攻击模式时往往力不从心，而单纯的机器学习黑盒模型虽然可能达到高精度，却因缺乏决策透明度而难以在安全攸关的场景中被信任和部署。

因此，我们面临的核心挑战是双重的：一是需要构建一个能够高精度识别多种攻击类型的检测系统；二是必须让这个系统的决策过程对安全分析师透明、可解释。这正是我们这项研究的出发点——将集成学习（Ensemble Learning）的强预测能力与可解释人工智能（XAI）的透明度相结合，为无人机网络打造一个既可靠又可信的入侵检测“哨兵”。

简单来说，这个项目就是利用多个机器学习模型“集体决策”的力量，去识别无人机网络流量中的异常行为，并且通过先进的可视化工具，把模型“为什么这么判断”的理由清晰地展示出来。这不仅是为了追求报表上99.99%的准确率，更是为了让每一份警报都有据可查，让安全运维人员能够快速理解威胁、采取行动，而不是面对一个只会说“有异常”的黑箱。

2. 整体方案设计与技术选型思路

面对无人机网络入侵检测的复杂需求，我们设计了一套从数据到决策的完整技术流水线。其核心思想是“强分类器+可解释性”，确保系统既准又明。

2.1 为什么选择集成学习？

在机器学习领域，集成学习通过构建并结合多个学习器来完成学习任务，通常能获得比单一学习器显著优越的泛化性能。其哲学类似于“三个臭皮匠，顶个诸葛亮”。在网络安全这种数据噪声大、攻击模式多变的环境中，单个模型很容易因为过拟合或对某些特征敏感而失效。

我们重点对比了五种主流的集成算法：

1. 随机森林（Random Forest）：通过构建大量决策树，并引入行采样和列采样来增加多样性，最终以投票方式决定结果。它的优势在于对高维特征处理能力强，不易过拟合，且能天然给出特征重要性排序。
2. 极端随机树（Extra Trees）：随机森林的“更激进”版本。它在分裂节点时，不是寻找最优分割点，而是随机选择特征和分割阈值。这进一步增加了模型的随机性，降低了方差，训练速度也通常更快。
3. AdaBoost：一种迭代的Boosting算法。它专注于被前序模型分错的样本，通过调整样本权重，让后续模型更关注难例。理论上，它擅长提升弱分类器的性能。
4. XGBoost / CatBoost：同属于梯度提升决策树（GBDT）家族，但在工程实现和算法细节上做了大量优化。XGBoost通过正则化控制模型复杂度，并行计算提升效率；CatBoost则专门优化了对类别特征的处理，避免了目标泄露问题。

实操心得：模型选型的权衡在实际选型时，我们并非盲目追求最复杂的模型。对于无人机IDS这种需要实时或近实时响应的场景，必须在精度、速度和可解释性之间取得平衡。随机森林和Extra Trees训练好后预测速度极快，且特征重要性清晰，非常适合作为基线模型。XGBoost和CatBoost虽然可能达到极限精度，但模型结构更复杂，解释成本稍高。AdaBoost在早期实验中表现不佳，这很可能是因为我们的数据集类别不平衡且特征空间复杂，AdaBoost的串行训练方式使其对噪声和异常值过于敏感，容易导致后续模型“跑偏”。

2.2 为什么必须引入可解释AI（XAI）？

在金融、医疗、安全等领域，模型的“黑箱”特性是落地的主要障碍。安全分析师不能仅仅依靠一个无法理解的“是/否”警报来做出响应。他们需要知道：“是哪些流量特征触发了警报？”“这个攻击判定有多大把握？”“它看起来更像哪种已知攻击模式？”

为此，我们引入了两种互补的XAI技术：

1. SHAP（SHapley Additive exPlanations）：基于博弈论，为每个特征对于单个预测结果的贡献分配一个数值（SHAP值）。它既能提供全局解释（哪些特征对整个模型最重要），也能提供局部解释（对于某一次具体的攻击警报，各个特征是如何影响决策的）。
2. LIME（Local Interpretable Model-agnostic Explanations）：通过在待解释样本的邻域内训练一个简单的、可解释的替代模型（如线性模型）来近似复杂模型的局部行为。它用最直白的方式告诉你：“在这个样本附近，模型大概是这么想的。”

将XAI集成进来，我们的目标就从一个单纯的“分类器”升级为一个“决策支持系统”。它不仅能检测攻击，还能生成一份面向分析师的“诊断报告”。

2.3 技术流水线全景图

我们的方案遵循一个清晰的数据科学流水线：

1. 数据获取与理解：使用公开的ISOT无人机异常检测数据集，它包含了良性流量和9种具体的攻击类型。
2. 数据预处理：处理缺失值、标准化数值特征、编码类别特征，构建干净、一致的训练数据。
3. 模型训练与调优：使用80%的数据，以分层抽样的方式训练上述五种集成模型，保留20%作为独立的测试集。初期使用默认参数，后续可根据交叉验证结果进行微调。
4. 全面评估：不仅看准确率，更关注宏F1分数、ROC AUC、马修斯相关系数等对不平衡数据更友好的指标。
5. 统计验证：使用弗里德曼检验、威尔科克森符号秩检验等统计方法，严谨地比较模型性能差异是否显著，避免偶然性结论。
6. 可解释性分析：应用SHAP和LIME，深入剖析最佳模型的决策依据，进行特征重要性排序和个案解读。
7. 消融实验：通过有选择地移除特征组，验证核心特征的有效性，为未来部署轻量级模型提供依据。

这套方案确保了从实验到结论的每一个环节都经得起推敲，并且最终产出的不是一个孤立的模型文件，而是一套包含模型、评估报告和解释工具的可交付系统。

3. 核心实现细节与实操要点

理论设计需要扎实的工程实现来支撑。下面我将拆解几个关键环节，分享其中的技术细节和踩过的“坑”。

3.1 数据预处理：不止是清洗，更是理解

我们使用的ISOT数据集原始格式为PCAP，需要先解析为结构化的CSV。这里第一个要点是标签构建。数据按文件夹分类，每个文件夹代表一种流量类型（如benign/,dos/,spoofing/）。在读取数据时，我们直接将文件夹名映射为整数标签。这一步看似简单，但必须建立并严格维护一个标签映射字典，并在所有后续环节（训练、评估、解释）中保持一致，否则会导致灾难性的混乱。

import os import pandas as pd from sklearn.preprocessing import LabelEncoder # 假设数据目录结构为：data/benign/*.csv, data/dos/*.csv ... data_dir = 'path/to/isot_drone_dataset' all_data = [] label_map = {} # 用于记录映射关系 for label_name in os.listdir(data_dir): folder_path = os.path.join(data_dir, label_name) if os.path.isdir(folder_path): for file in os.listdir(folder_path): if file.endswith('.csv'): df = pd.read_csv(os.path.join(folder_path, file)) df['Label'] = label_name # 临时用字符串标签 all_data.append(df) # 建立映射，例如：'benign' -> 0, 'dos' -> 1 label_map[label_name] = len(label_map) final_df = pd.concat(all_data, ignore_index=True) # 使用LabelEncoder将字符串标签转为整数 le = LabelEncoder() final_df['Label'] = le.fit_transform(final_df['Label']) # 务必保存这个encoder，预测新数据时需要用到

缺失值处理：我们检查了所有63个特征，对数值型特征采用中位数填充，对类别型特征采用众数填充。选择中位数而非均值，是为了避免极端异常值的影响。填充后，必须再次确认数据集中没有任何NaN值。

特征缩放：我们选择了Z-score标准化。这是因为后续使用的树模型虽然本身不受量纲影响，但某些实现（如计算距离的辅助功能）或未来可能集成的其他模型（如神经网络）会受益于标准化。使用StandardScaler时，一定要只在训练集上拟合（fit），然后在训练集和测试集上分别转换（transform），这是避免数据泄露的铁律。

from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X_train_scaled = scaler.fit_transform(X_train) # 拟合训练集 X_test_scaled = scaler.transform(X_test) # 用训练集的参数转换测试集

类别特征编码：对于“协议类型”这类特征，我们使用了标签编码（Label Encoding）而非独热编码（One-Hot Encoding）。这是因为树模型（如随机森林）能够有效处理整数编码的类别特征，而独热编码会急剧增加特征维度（特别是对于类别数多的特征），在数据量巨大时可能影响训练效率，且对树模型收益不大。

注意事项：类别不平衡问题我们的数据集存在严重的类别不平衡（例如，良性流量样本远多于某些攻击类型）。直接训练模型会导致模型严重偏向多数类。我们的应对策略是：在训练树模型时，启用class_weight='balanced'参数。这会自动根据类别频率调整权重，让模型更关注少数类。这是提升召回率的关键一步，因为漏报一个攻击的代价可能远高于误报一个正常连接。

3.2 模型训练与交叉验证策略

我们采用分层K折交叉验证（Stratified K-Fold，这里K=5）来评估模型。分层抽样能确保每一折中各类别的比例与原始数据集一致，这对于不平衡数据集的评估至关重要。

from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import cross_val_score, StratifiedKFold from sklearn.metrics import make_scorer, f1_score # 初始化模型，设置类别权重和随机种子以保证可复现性 rf_model = RandomForestClassifier(n_estimators=100, class_weight='balanced', random_state=42, n_jobs=-1) # 使用所有CPU核心 # 定义评估指标为宏F1分数 scorer = make_scorer(f1_score, average='macro') # 5折分层交叉验证 cv = StratifiedKFold(n_splits=5, shuffle=True, random_state=42) cv_scores = cross_val_score(rf_model, X_train_scaled, y_train, cv=cv, scoring=scorer) print(f"交叉验证宏F1分数: {cv_scores.mean():.4f} (+/- {cv_scores.std():.4f})")

参数设置经验：

• n_estimators（树的数量）：我们从100开始，通过观察验证集性能曲线，确定增加树木数量是否带来显著收益。对于我们的数据规模，100-200棵树通常已足够。
• max_depth：我们初期不限制深度，让树充分生长，然后通过剪枝或观察特征重要性来防止过拟合。实际上，随机森林的随机性本身已提供了很强的正则化效果。
• n_jobs=-1：务必利用多核并行训练，这对随机森林这种可并行化的算法能带来巨大的速度提升。

3.3 可解释性分析实战：SHAP与LIME

模型训练好后，重头戏是可解释性分析。我们以性能最佳的随机森林模型为例。

全局解释：哪些特征最重要？使用SHAP的TreeExplainer可以快速计算整个测试集的SHAP值。

import shap # 初始化解释器并计算SHAP值 explainer = shap.TreeExplainer(rf_model) shap_values = explainer.shap_values(X_test_scaled) # 注意：这是一个列表，每个类别对应一个数组 # 绘制全局特征重要性摘要图 shap.summary_plot(shap_values, X_test_scaled, feature_names=feature_names)

这张图会展示每个特征对于所有样本、所有类别预测的影响程度和方向。红色代表高特征值，蓝色代表低特征值。横轴是SHAP值，正值表示将预测推向该类，负值则推离。从我们的结果看，ts（时间戳）、min_duration（最小持续时间）等时间相关特征占据了主导地位。这非常符合直觉：许多网络攻击（如DoS洪水攻击、重放攻击）都会在时间维度上留下异常模式。

局部解释：为什么这个样本被判定为攻击？对于安全分析师来说，单条警报的解释更有价值。假设我们有一条被模型判定为“中间人攻击（MITM）”的流量记录。

# 选择测试集中第一个被预测为MITM（标签为4）的样本 sample_idx = np.where(y_test == 4)[0][0] sample_to_explain = X_test_scaled[sample_idx].reshape(1, -1) # 使用SHAP力力图进行解释 shap.initjs() shap.force_plot(explainer.expected_value[4], shap_values[4][sample_idx], sample_to_explain, feature_names=feature_names)

力力图会直观显示，是哪些特征（如异常的IAT、特定的Drone_port）的高值或低值，将模型的输出从基础值（所有样本的平均预测）“推”向了MITM这个类别。这份可视化报告可以直接附在警报通知里。

使用LIME进行模型无关的局部解释LIME提供了另一种视角。它会在待解释样本附近采样，训练一个简单的可解释模型（如线性回归）来拟合复杂模型在这个局部区域的行为。

import lime import lime.lime_tabular # 创建LIME解释器 lime_explainer = lime.lime_tabular.LimeTabularExplainer(X_train_scaled, feature_names=feature_names, class_names=class_names, mode='classification') # 解释同一样本 exp = lime_explainer.explain_instance(X_test_scaled[sample_idx], rf_model.predict_proba, num_features=10) # 在Jupyter Notebook中显示解释 exp.show_in_notebook()

LIME会列出对该样本预测影响最大的前10个特征及其贡献权重（正负），并用一个简单的规则集（如特征A > 阈值）来近似描述。这对于向非技术背景的决策者解释非常有用。

实操心得：SHAP vs. LIME

• SHAP的理论基础更坚实（Shapley值），提供一致且全局可比的解释，但计算成本相对较高，尤其是对于大数据集。
• LIME非常灵活且快速，它提供的是一种“局部忠实”的近似解释，但不同样本的解释可能缺乏一致性。 在实际部署中，我们可以结合使用：用SHAP做全局特征重要性分析和模型审计，用LIME为单条高危警报生成快速、易懂的解释文本。记住，可解释性的最终目的是建立信任和辅助决策，而不是追求数学上的完美。

4. 实验结果深度分析与模型对比

经过完整的训练和评估流程，我们得到了一系列详实的数据。这里不仅展示结果，更关键的是解读这些数字背后的含义。

4.1 性能指标全景对比

我们使用了一个包含11个指标的评估体系来全面审视模型。下表是五个集成模型在独立测试集上的表现摘要：

结果解读与洞察：

1. 随机森林全面领先：在核心分类指标（准确率、F1分数）和概率校准指标（对数损失、Brier分数）上，随机森林都取得了最佳或接近最佳的成绩。其宏F1分数高达0.9998，意味着对10个类别的检测都近乎完美，没有明显的短板。
2. “完美”的ROC AUC：随机森林、极端随机树、XGBoost和CatBoost的ROC AUC都达到了1.0。这并非模型“过拟合”的标志，而是在我们的测试集上，模型能够将每一个类别的样本与其他类别完全线性可分。这侧面印证了所选特征集的有效性和数据集本身良好的可分性。
3. AdaBoost的溃败：AdaBoost的表现远逊于其他模型。这主要是因为我们的数据集类别多（10类）、不平衡且特征复杂。AdaBoost的串行迭代机制使其对噪声和异常样本非常敏感，前几轮分错的困难样本权重会变得极大，导致后续模型过度关注这些可能是噪声的样本，从而整体性能下降。这在多分类问题中尤为明显。
4. 概率校准的意义：对数损失（Log Loss）衡量的是预测概率的质量。随机森林的0.00055和XGBoost的0.00040都是极佳的水平，说明模型不仅判断对了类别，而且对其判断“非常有信心”的程度是合理的。这在安全场景中很重要，我们可以根据预测概率设定不同的警报阈值（例如，概率>0.99才触发紧急警报）。

4.2 分类报告与混淆矩阵分析

只看宏观指标不够，我们必须深入到每个攻击类别。随机森林的分类报告显示，对于“良性流量”、“DoS攻击”、“密码破解”等6个类别，其精确率、召回率和F1分数均为完美的1.0。表现“最差”的类别是“注入攻击”（F1=0.99895）和“MITM攻击”（F1=0.99949），这仍然是一个极高的水平。

查看混淆矩阵（一个10x10的网格），我们发现几乎所有的样本都集中在主对角线上。仅有的几个错误分类（比如将极少数的“注入攻击”误判为“MITM”）通常发生在具有相似网络行为特征的攻击之间。例如，某些注入攻击的流量模式可能与MITM的中间转发行为在统计特征上有所重叠。这提示我们，未来可以针对这些易混淆的 attack pair 进行特征工程，或者引入更细粒度的协议分析特征。

4.3 特征重要性：模型决策的“密码”

模型凭什么做出判断？我们通过三种方法交叉验证特征重要性：

1. 基于模型的方法：随机森林内置的Gini重要性。
2. 模型无关方法：置换重要性（Permutation Importance）。
3. 基于博弈论的方法：SHAP值。

三者得出的结论高度一致，时间相关特征是绝对的王者：

• ts(时间戳)：攻击活动往往在时间序列上表现出聚集性或特定模式。
• min_duration,max_duration,average_duration(会话持续时间)：DoS攻击通常会产生超长或超短的会话；重放攻击则可能产生大量持续时间异常的微会话。
• IAT(数据包到达时间间隔)：洪水攻击会导致IAT异常小，而慢速攻击则导致IAT异常大。

其次是流量统计特征，如Entropy（载荷熵，用于检测加密或混淆流量）、Srate（源速率）、Payload_Length等。

给安全工程师的启示： 这个发现极具实践价值。它意味着在构建无人机网络IDS时，应优先部署能够高精度采集和计算时间序列统计量的探针。相比于深度包检测（DPI）等复杂技术，这些基于流（Flow-based）的特征计算开销更小，更适合资源受限的无人机或边缘节点。你可以将这些核心特征列表作为你监控仪表板的核心指标。

4.4 统计显著性检验：胜利不是偶然的

为了证明随机森林的领先不是运气，我们进行了严格的统计检验。

1. 弗里德曼检验：这是一种非参数检验，用于比较多个模型在多个数据集（这里是5折交叉验证）上的性能排名。我们得到的p值远小于0.05，表明至少有一个模型（就是随机森林）的性能分布与其他模型存在显著差异。
2. 事后检验与效应量：随后进行的威尔科克森符号秩检验（经过Holm校正）显示，随机森林相对于AdaBoost、CatBoost和极端随机树的优势具有统计显著性。更重要的是，我们计算了Cliff‘s delta效应量，其值接近1，表示这是一种“巨大”的效应差异，具有实际的工程意义。
3. 自助法置信区间：通过重采样技术，我们计算了随机森林与其他模型F1分数差异的95%置信区间。例如，与AdaBoost的差异区间是[0.496, 0.520]，完全在正数范围，且远离零，这以另一种方式肯定了其优势的可靠性。

这些统计工具的使用，让我们的结论从“看起来更好”升级为“统计上显著且实际效果巨大”，这在高水平的研究和工程报告中是必不可少的环节。

5. 消融实验与部署考量

一个好模型不仅要知其强，还要知其所以强。消融实验帮助我们理解系统的每个部分贡献了多少价值。

5.1 特征子集的有效性验证

我们设计了一组实验：仅使用重要性排名前5、前10、前15的特征来重新训练随机森林模型。结果令人振奋：仅使用前10个最重要的特征，模型的宏F1分数仅下降了不到0.001，几乎与使用全部63个特征的效果持平。

这个发现意义重大：

1. 部署效率：在无人机或边缘网关这种计算、存储和电量都受限的设备上，特征提取和计算是主要开销。使用10个特征而非63个，能大幅降低实时检测的延迟和能耗。
2. 模型鲁棒性：更少的特征意味着更低的过拟合风险，模型可能对未见过的数据具有更好的泛化能力。
3. 可维护性：特征管道更简单，监控和调试更容易。

我们进一步尝试移除整组特征，例如所有持续时间相关的特征（min_duration,max_duration,average_duration）。结果模型性能出现了明显下滑（F1下降约0.05），这反向证明了这类特征是不可或缺的核心。

5.2 面向真实场景的部署思路

基于以上所有分析，我们可以勾勒出一个可行的部署架构：

1. 轻量级特征提取器：在无人机终端或通信链路的边缘节点，部署一个轻量级代理，只实时计算那10个核心特征（时间戳统计、包间隔、熵等）。
2. 边缘-云端协同检测：
   • 边缘侧（快速筛查）：部署一个由前10个特征训练的、精简版的随机森林模型（树的数量可以减少）。用于实时初步检测，发现高置信度异常立即告警并采取简单缓解措施（如限速、断开可疑连接）。
   • 云端侧（深度分析）：将边缘筛选出的可疑流量（全量特征或原始数据包）上传到云端。云端运行完整的、包含可解释性模块的检测系统，进行深度分析和取证，并生成包含SHAP/LIME解释的详细安全报告。
3. 模型更新与反馈循环：云端系统可以定期收集新的攻击样本，重新训练模型，并将更新后的模型（或仅仅是重要的特征权重）下发到边缘节点。

这种架构平衡了实时性、准确性和资源约束，并且因为核心模型具备可解释性，安全运营中心（SOC）的分析师能够快速理解警报，缩短平均响应时间（MTTR）。

6. 常见问题与排查技巧实录

在实际复现和部署此类系统时，你可能会遇到以下典型问题。这里分享我的排查思路和解决方案。

6.1 问题：模型在测试集上表现完美，但上线后误报率高。

• 可能原因1：数据分布偏移。训练数据（实验室环境）和线上数据的统计分布不同。例如，实验室的无人机型号、飞行模式、网络背景流量与真实环境有差异。
• 排查与解决：
  • 监控输入特征分布：在线部署时，持续计算输入特征的均值、方差等统计量，与训练集进行对比（如使用KS检验）。如果发现显著偏移，则需要收集新的线上数据对模型进行增量学习或重新训练。
  • 设置动态阈值：不要只依赖模型输出的0/1标签。监控模型预测的概率值。如果发现大量样本的概率值聚集在决策边界（如0.5）附近，说明模型对这些样本不确定，可以调高报警阈值（如>0.9才报警），或将其标记为“需人工审核”。
  • 实施概念漂移检测：使用专门的算法监控模型性能的衰减，一旦检测到漂移，触发再训练流程。

6.2 问题：SHAP计算速度太慢，无法满足实时解释的需求。

• 可能原因：SHAP的精确计算复杂度随特征数和样本数指数增长。对于大型数据集或复杂模型（如深度集成），计算全局SHAP值可能非常耗时。
• 排查与解决：
  • 使用近似算法：对于树模型，务必使用shap.TreeExplainer，它利用了树结构的特性进行快速精确计算，速度比通用的KernelExplainer快几个数量级。
  • 抽样计算：对于全局摘要图，不需要对全部测试集进行计算。随机抽取500-1000个代表性样本计算SHAP值，通常就能得到稳定的特征重要性排序。
  • 缓存解释结果：对于重复出现的同类攻击，其解释模式往往是相似的。可以建立一个“解释缓存”，对相似的预测结果直接返回预先计算好的解释模板。
  • 分层解释：在实时警报中，先提供最顶层的1-3个决定性特征的简单解释。只有当分析师点击“查看详情”时，再触发后台计算完整的SHAP力力图或LIME解释。

6.3 问题：如何处理类别极度不平衡的新攻击类型？

• 场景：假设出现一种全新的“零日”攻击，初始只有寥寥数个样本。
• 解决思路：
  • 采用异常检测思路：暂时不将其作为一个新的分类类别。利用模型对“良性”流量的学习，将这种新攻击视为“异常”。使用模型预测的概率或决策路径的“异常分数”来标识。
  • 利用少样本学习：收集少量新样本后，可以采用基于度量的少样本学习（如原型网络），或利用预训练模型进行特征提取后微调分类头。
  • 集成模型更新：将新数据加入训练集，但通过重采样或合成少数类过采样技术（如SMOTE）来平衡类别。然后，可以训练一个新的“专家”模型专门针对这个新类别，并与原有模型集成（动态加权组合）。

6.4 问题：模型的可解释性输出，安全分析师看不懂怎么办？

• 核心矛盾：SHAP值、特征权重这些是数据科学语言，不是安全语言。
• 解决方案：构建“翻译层”。
  • 特征到威胁指标的映射：建立一个知识库，将重要的特征与安全威胁关联起来。例如：
    • 平均持续时间激增+源端口固定-> “可能遭遇低速DoS攻击（如Slowloris）”。
    • 载荷熵值异常低+特定Drone_port-> “流量可能被加密或混淆，疑似命令与控制（C2）通信”。
  • 生成自然语言报告：编写模板，将解释结果自动转化为分析报告。例如：“本次警报被判定为‘重放攻击’，主要依据是检测到大量数据包的时间间隔（IAT）异常规律且最小持续时间极短，这符合重放攻击快速重复发送合法数据包的特征。建议立即检查序列号或时间戳验证机制。”
  • 可视化关联：在安全仪表板上，将SHAP力力图与原始的流量时序图、协议解码信息并列显示，让分析师能直观地对照。

这个项目的最终价值，不在于得到一个在封闭数据集上F1分数高达0.999的模型，而在于构建了一个可理解、可调试、可进化的无人机网络安全感知系统。它用集成学习确保了检测的基线能力，又用可解释AI打开了模型的“黑箱”，让人类专家能够介入判断、积累知识，并最终与AI系统形成协同防御的合力。在网络安全这个攻防动态演进的战场上，这种“人机协同”的透明化智能，或许才是我们最可靠的防线。