该论文提出了一种名为 MimeLens 的新型内容类型检测方法，旨在解决现有方法（如 Google 的 Magika）在输入不完整、位置未知的二进制片段（例如单个网络包载荷、无文件头的文件碎片、随机磁盘块等）时失效的问题。MimeLens 基于小型 BERT 风格的编码器，通过在文件内随机偏移位置采样窗口进行预训练，从而不依赖文件头位置。它支持标准上下文和短上下文两种变体，输入为任意长度的字节块，输出 libmagic 定义的 125 种 MIME 标签之一。实验表明，在完整文件的头部数据上，MimeLens 的 top-1 准确率比 Magika v1.1 高出 10.7 个百分点；在无法使用 Magika 的场景（如单个 UDP 包中间数据、随机磁盘块）中，MimeLens 仍能分类，且准确率是 libmagic 和 Magika 的两倍以上。代价是延迟：CPU 上比 Magika 慢一到两个数量级，但在消费级 GPU 或批量处理时相当。所有训练好的 checkpoint 已在 Hugging Face 开源。