2456 Arbeiten
Dieses Papier präsentiert eine automatisierte, skalierbare Methode, die interprozedurale statische Analyse mit Kontrollfluss- und Datenabhängigkeitsverfolgung kombiniert, um natürliche Schleifen in optimiertem Binärcode präzise zu erkennen und deren Iterationszahlen zu bestimmen, wobei eine hohe Präzision und Skalierbarkeit bei realer Software und Benchmark-Suites erreicht wird.
Diese Arbeit etabliert einen reproduzierbaren Benchmark, der zeigt, dass vollständige HMD-Pose-Daten zwar bestimmte subjektive VR-Ergebnisse wie die räumliche Präsenz effektiv modellieren können, sie jedoch am besten als komplementäres Verhaltenssignal zu traditionellen Fragebögen und nicht als vollständiger Ersatz dienen, wobei die Wiederherstellbarkeit über verschiedene Konstrukte wie Usability, Arbeitsbelastung und Cybersickness hinweg signifikant variiert.
Dieses Paper schlägt ein kostensensitives und erklärbares Evaluierungsframework für die Vorhersage chronischer Nierenerkrankungen vor, das demonstriert, wie die Optimierung von Entscheidungsschwellenwerten und die Priorisierung der Vermeidung falsch-negativer Ergebnisse, zusammen mit einer Interpretabilitätsanalyse zur Bestätigung der klinischen Plausibilität, die Eignung von Modellen des maschinellen Lernens für die klinische Entscheidungsunterstützung verbessert.
Dieses Paper präsentiert einen auf Neo4j basierenden Knowledge Graph, der die statische MITRE ATLAS-Dokumentation in ein abfragbares, LLM-gestütztes System transformiert, das mit den OWASP Top 10 für LLM-Anwendungen verknüpft ist und es Praktikern ermöglicht, Threat Reasoning durchzuführen, 40 nicht entschärfte Generative-KI-Techniken zu identifizieren und die orthogonale Natur von ATLAS-Taktiken und OWASP-Risikokategorien zu demonstrieren.
Dieses Papier schlägt das Security-Aware Semantic Validation Framework (SSVF) vor, einen neuartigen, ausführungsbewussten Ansatz, der Datenbank-Ausführungspläne in strukturiertes semantisches Wissen transformiert, um raffinierte SQL-Injection-Angriffe zu erkennen und die Sicherheit relationaler Datenbanken durch intelligente, erklärbare Validierung zu erhöhen.
Diese Arbeit zeigt auf, dass auf synthetischen Benchmarks trainierte Prompt-Safety-Klassifikatoren unter einer signifikanten Verteilungsabweichung leiden, wenn sie auf von Menschen verfasste Eingaben angewendet werden, was zu einem erheblichen Rückgang des Recalls und einem starken Anstieg der Falsch-Positiv-Raten führt, der nicht einfach durch eine Erhöhung der Modellkomplexität behoben werden kann.
Dieses Paper präsentiert MedGemma StructCore, eine lokal-orientierte, zweistufige Pipeline unter Verwendung feinabgestimmter MedGemma 4B-Modelle, um unstrukturierte klinische Notizen in auditierbare KVT4-Fakten für die Bewertung des Wiederaufnahmerisikos zu konvertieren, wobei demonstriert wird, dass die strukturierten Daten zwar ein prädiktives Signal hinzufügen und Formatstabilität auf Consumer-Hardware gewährleisten, das System jedoch vor einer klinischen Implementierung einer weiteren Validierung hinsichtlich der Extraktionsgenauigkeit und Wahrscheinlichkeitskalibrierung bedarf.
Dieses Paper schlägt ein Framework für einen eingeschränkten Markov-Entscheidungsprozess (Constrained Markov Decision Process, CMDP) unter Verwendung von faktorisierter Lagrangian-Q-Learning vor, um das gemeinschaftliche Micromobility-Rebalancing zu optimieren, indem explizit Schwellenwerte für die Gerechtigkeit bei Serviceausfallraten erzwungen werden, was sowohl durch synthetische Netzwerke als auch durch eine reale Fallstudie in Den Haag validiert wurde.
Dieses Paper präsentiert eine clientseitige Sicherheitsarchitektur für webbasierte Tresore für Anmeldedaten, die durch die Kombination der WebAuthn-PRF-Erweiterung mit symmetrischer Kryptografie und optimierten Browser-Speichermustern starke Zero-Knowledge-Eigenschaften erreicht.
Dieses Paper führt AeroGround ein, einen offenen, zitatenbasierten Luftfahrt-Datensatz, der aus US-amerikanischen gemeinfreien Quellen abgeleitet wurde und das Training sowie die Evaluierung vertrauenswürdiger Sprachmodelle ermöglicht, die in der Lage sind, autoritative, zitierte Antworten oder kalibrierte Enthaltungen zu liefern, wenn die Evidenz unzureichend ist.