3279 ورقة بحثية
تقدم هذه الورقة Mastyf Guard 1.5B، وهو إطار عمل أمني خفيف الوزن وقائم على القدرات ينفذ "بنية هارفارد المعرفية" لفصل استيعاب البيانات عن تنفيذ الإجراءات فيزيائياً، مما يضمن رياضياً الحصانة ضد حقن الأوامر غير المباشر مع تحقيق استدعاء للتهديدات بنسبة 99.33% وزمن انتقال يقل عن ميلي ثانية واحدة على أجهزة المعالجة المركزية القياسية.
تقدم هذه الورقة البحثية SmartADAPT-Net، وهو إطار عمل عصبي خفيف الوزن يعزز التعرف على الأنشطة القائم على الساعات الذكية في بيئات الحياة الواقعية من خلال الجمع بين نموذج سكاني ثابت واستراتيجية تكييف ثنائية المراحل: تصحيح فوري مشروط بالملاحظة وتخصيص تدريجي قائم على أدلة مؤكدة من المستخدم، مما يحقق دقة عالية دون الحاجة إلى إعادة التدريب وقت النشر.
تقترح هذه الورقة إطار عمل هجينًا جديدًا للكشف عن برامج فدية (ransomware) يدمج بين التحليل السلوكي متعدد الطبقات وتجميع التراكم (stacking ensemble) لنماذج تعلم آلي كلاسيكية وشبكات الذاكرة الطويلة قصيرة المدى (LSTM)، محققًا دقة بنسبة 99% وقدرة فائقة على التعميم من خلال الالتقاط الفعال لكل من الأنماط التمييزية والاعتمادات الزمنية في تسلسلات الهجوم.
تُجمّع هذه الورقة النتائج المستخلصة من 41 دراسة تجريبية لاقتراح إطار عمل شامل متعدد الطبقات للتحقق، يتدرج من منع تسرب البيانات وتدقيقات القابلية للتفسير إلى المعايرة المطابقة واختبار الوكلاء القائم على التنفيذ، مع معالجة أوضاع الفشل الحرجة مثل عدم توازن الفئات وعدم دقة العزو التي تغفلها طرق التحقق القياسية في التطبيقات عالية المخاطر.
تقيم هذه الدراسة نماذج التعلم العميق المختلفة لتصنيف سرطان الجلد باستخدام مجموعة بيانات HAM10000، حيث أظهرت أن نموذجاً هجيناً وResNet50 يحققان دقة فائقة (99.78% و99.88% على التوالي) مقارنة بالتقنيات الأخرى، مما يسلط الضوء على إمكاناتهما في تعزيز التشخيص المبكر وتخصيص الموارد في مجال طب الأمراض الجلدية.
تقترح هذه الورقة إطار عمل T3-DEF، وهو نموذج تحليلي اجتماعي تقني يحدد علاقة عكسية حرجة بين ارتفاع كثافة الأتمتة وانخفاض تنوع التحقق في الأنظمة المدعومة بالذكاء الاصطناعي، مما يكشف عن عتبة بالقرب من 0.58 حيث تتسارع الهشاشة التشغيلية التكرارية، ويؤكد على ضرورة الحفاظ على هياكل إشرافية موزعة لضمان السلامة.
تقترح هذه الورقة مجموعة أدوات مفتوحة المصدر قائمة على التصميم البديهي (Axiomatic Design)، تدمج واجهة مستخدم رسومية وذكاءً اصطناعيًا وكيلًا لتحويل إعداد البيانات المجزأ واليدوي في التصنيع الذكي بشكل منهجي إلى تخصص علمي قابل للتكرار والتوسع، مما يتيح تطبيقات متقدمة لاحقاً مثل التوائم الرقمية.
تقترح الورقة البحثية نموذج تعلم الرسوم البيانية متعدد الرؤى والتباين المزدوج (MDCGA)، وهو إطار عمل خفيف الوزن يدمج الإشارات العلاقاتية المعجمية والدلالية والقائمة على الكلمات المفتاحية من خلال أهداف تباين مزدوجة محسنة لتحقيق تصنيف نصي قوي شبه مُشرف باستخدام أمثلة موسومة قليلة عبر التخفيف من السلبيات الكاذبة والتعزيزات غير الموثوقة.
تقترح هذه الورقة إطار عمل لاختيار الوصول يعتمد على الذكاء الاصطناعي ومُحسَّن بالخوارزميات الاستدلالية (metaheuristic) للشبكات غير المتجانسة القائمة على بروتوكول MPLS والآمنة، والذي يستخدم شبكة عصبية كثيفة بسيطة (MLP) خفيفة الوزن للتنبؤ بجودة تجربة الفيديو (QoE) ووحدة تحكم في الشبكات المعرفة برمجياً (SDN) قائمة على اللياقة (fitness-based) للاختيار الديناميكي لأهداف التسليم المثلى بين LTE وWi-Fi، مما يؤدي إلى تحسين استمرارية الفيديو وأداء الشبكة وكفاءة الطاقة بشكل كبير مقارنة بالاستراتيجيات التقليدية القائمة على قوة الإشارة (RSSI).
تُدقق هذه الورقة في طريقة تنظيم اللياقة القائمة على التنوع في الخوارزميات الجينية مقابل بروتوكول تحكم في الضجيج متوافق في المقدار، لتجد أن فوائدها المزعومة لا تكاد تختلف عن الضجيج غير المنظم ومدفوعة بالقيم المتطرفة، مما يدعم الطريقة فقط في نطاق ضيق مع إرساء إطار عمل صارم للتقييمات المستقبلية لآليات القصور الذاتي.