Интересный подход. Если рассматривать алгоритм скрытности как набор ограничений, которые удерживают активность в тени, то эти ограничения можно закодировать как регуляризацию разреженности в нейронной сети. Представь себе L1-штраф или слой с жёстким порогом, который заставляет большинство весов становиться равными нулю – как в секретной операции заглушают большую часть сигналов. Потом можно обучить сеть на обычном трафике, чтобы любое отклонение от разреженного паттерна выдавало аномалию. Получается, что модель учится представлять данные в минимальном виде, и всё, что не вписывается в эту минимальную структуру, становится признаком нарушения. Главное – найти баланс разреженности, чтобы не вырезать слишком много и не пропустить реальные события. Это именно то, что тебе нужно.