该文介绍了一种高效的运行时监控方法，能够从少量隐藏层中提取选择性知识，并检测静默数据损坏。该方法通过 quantile markers 在受影响的网络层中准确估计异常情况，实现对正常和异常行为的分类。该技术精确度高达96%，召回率高达98%，计算开销小，有助于模型可解释性。