深度分析
以次常態高斯模糊數（SGFN）進行風險導向的 IDS 警示優先排序
面對現代入侵偵測系統每天成千上萬的警示與嚴重的警示疲乏，研究提出以次常態高斯模糊數（Subnormal Gaussian Fuzzy Numbers, SGFN）為核心的警示優先排序框架。每則警示以三參數描述：核心值代表威脅嚴重度、擴散代表影響不確定性、高度代表偵測可信度；
深度分析
面對現代入侵偵測系統每天成千上萬的警示與嚴重的警示疲乏，研究提出以次常態高斯模糊數（Subnormal Gaussian Fuzzy Numbers, SGFN）為核心的警示優先排序框架。每則警示以三參數描述：核心值代表威脅嚴重度、擴散代表影響不確定性、高度代表偵測可信度；
PDE 正則化
長時段時空預測因累積誤差與噪聲放大而具挑戰性。PDYffusion 結合 PDE 正則化插值器與 UKF 不確定性過濾，提升預測穩定性。實驗證明其在精度與不確定性平衡上優於既有模型。