경계 분류(Perimeter triage)는 지연 시간/의미론적 트레이드오프에 직면합니다. 시그니처 엔진은 빠르고 형식 안전하지만 알려지지 않은 공격에는 맹점이며, 생성 모델은 의미론적이지만 느리고 파싱할 수 없는 출력을 생성합니다. 2026년 후반, 일련의 상업용 System One 결정 모델(TypeSafe Jev; Microsoft-Decision-1)이 학술적인 검토 없이 타입 지정된 결정 프리미티브—이진 게이트, 폐쇄 집합 선택지, 순서 점수(ordinal scores)—를 제품 API로 판매하기 시작했습니다. 우리는 VX-One을 제시합니다: 출력이 이러한 프리미티브인 소규모 다중 헤드 네트워크(100K-10M 파라미터)로 구성되어 있으며, 이는 보정된 게이트, 명시적인 알려지지 않은 옵션을 항상 포함하는 폐쇄 후보 집합에 대한 선택지, 그리고 순서 점수를 제공합니다. 이 모델은 다중 작업으로 훈련되었으며 헤드별로 온도 보정(temperature-calibrated)되었습니다(~0.7-1.7 ms p50 on CPU). 우리는 이를 UNSW-NB15, CIC-IDS2017, EMBER2024에서 보정된 XGBoost, Random-Forest, MLP, Kitsune과 비교하여 평가하고, 5일간의 CIC-IDS2017에 걸쳐 두 단계 캐스케이드(Suricata와 52,674개의 Emerging-Threats 규칙 -> VX-One)를 측정했습니다. 발견 사항: (i) VX-One은 UNSW-NB15 및 CIC-IDS2017의 시간적 드리프트 하에서 탐지율(AUROC/FPR@95%TPR)에서 우수하지만(0.711 vs 0.637), XGBoost는 세 가지 벤치마크 모두에서 다중 클래스 기여도(multi-class attribution)에서 우수합니다; (ii) leave-one-family-out 게이트는 UNSW 폴드 9/9에서 알려지지 않은 패밀리를 탐지하지만 CIC recon 패밀리에서는 임계값 이하로 떨어지고, 포기(abstention) 임계값은 벤치마크 간에 전이성이 낮습니다; (iii) 페이로드 없는 재구성 시그니처 엔진은 흐름의 약 0.1%만 해결하고—회색 영역은 트래픽의 약 99.9%를 차지하며, 이는 2단계(결합된 재현율 >=0.978)에 의해 복구됩니다; (iv) 모든 방법에서 보정(calibration)은 시간적 드리프트 하에서 무너지고(ECE 0.04->0.40), 순위 지정만 부분적으로 생존합니다. 우리는 타입 지정되고 보정된 결정이 경계 분류에 도움이 되는 지점과 실패하는 지점을 측정하여 설명합니다.