💻 Category

cs

3900 Arbeiten

💻 Informatik

Transparent Context-aware Retrieval for Mental Health and Substance Use Service Navigation

Diese Studie entwickelte und evaluierte ein transparentes, kontextsensitives Abrufsystem für psychische Gesundheits- und Suchtdienstleistungen unter Verwendung des HealthLink BC-Verzeichnisses und demonstrierte, dass die Kombination von semantischer Suche mit expliziter Kontextgewichtung die Ranking-Leistung gegenüber lexikalischen Baselines verbessert, während gleichzeitig die Notwendigkeit einer weiteren Validierung mit realen Daten und menschlichen Relevanzurteilen vor einem klinischen Einsatz hervorgehoben wurde.

Nikesh Adhikari, Shankar Ghimire2026-09-01
💻 Informatik

ASWA: An Adaptive Similarity-Weighted Aggregation Algorithm for Communication-Efficient Federated Learning under Non-IID Data

Dieses Paper schlägt ASWA vor, einen kommunikationseffizienten Federated-Learning-Algorithmus, der die Genauigkeit erhöht und die Anzahl der Kommunikationsrunden unter Non-IID-Daten durch die adaptive Gewichtung von Client-Updates basierend auf der Datengröße und der Ähnlichkeit der Updates reduziert, während Clients mit höherem Verlust priorisiert werden, und dies alles, ohne dass eine zusätzliche Datenübertragung erforderlich ist.

Felmeta Abate Jilo, Daniel Dufera Kenea2026-09-01
💻 Informatik

Evidence for Whom? Contestability and Socio-Technical Assurance in High-Risk AI Governance

Dieses Paper argumentiert, dass aktuelle Governance-Frameworks für Hochrisiko-KI (NIST, EU AI Act, ISO/IEC 42001) eine kritische Evidenzlücke schaffen, indem sie artefaktzentrierte Evidenz gegenüber der für die Anfechtbarkeit erforderlichen prozessbasierten Evidenz priorisieren, ein struktureller Fehler, der durch die inhärente Ambiguität bei der Interpretation dieser Anforderungen hervorgehoben wird und letztlich die prozeduralen und epistemischen Rechte der regulierten Stakeholder untergräbt.

Rohith Reddy Bellibaltu, Manpreet Singh, Preeti Uikey, Rahul Joshi2026-09-01
💻 Informatik

Agent Guard: Kernel-Enforced Damage Boundaries for AI Agents via Human-Authorized Contracts

Dieses Paper präsentiert Agent Guard, einen Linux-Referenzmonitor, der durch den Einsatz von eBPF-basierten LSMs menschenautorisierte Schadensgrenzen für KI-Agenten erzwingt, indem er unbefugten Datei- und Netzwerkzugriff deterministisch verweigert und strikte „No-Egress“-Zustände über Prozesshierarchien hinweg propagiert, wodurch ein signifikant geringerer Overhead als bei bestehenden Baselines erreicht wird.

Dongxu Cui, Zhichao Gu, Ping Zheng, Wenshuai Xi, Simeng Han, Yong Liao2026-09-01
💻 Informatik

Mastyf Guard 1.5B: Cognitive Harvard Architectures for Sub-Millisecond AI Agent Perimeter Defense and Capability-Based Access Control

Dieses Paper stellt Mastyf Guard 1.5B vor, ein leichtgewichtiges, kapazitätsbasiertes Sicherheitsframework, das eine „Cognitive Harvard Architecture“ implementiert, um die Datenaufnahme physisch von der Ausführung von Aktionen zu entkoppeln, wodurch eine mathematische Immunität gegen indirekte Prompt-Injektionen garantiert und gleichzeitig eine Bedrohungserkennung von 99,33 % sowie eine Latenz von unter einer Millisekunde auf Standard-CPU-Hardware erreicht wird.

Rudraneel Das2026-09-01
💻 Informatik

SmartADAPT-Net: Decision-Level Adaptation for Free-Living Smartwatch-Based Activities of Daily Living Recognition

Dieses Paper stellt SmartADAPT-Net vor, ein leichtgewichtiges neuronales Framework, das die Smartwatch-basierte Aktivitätserkennung in natürlichen Lebensumgebungen durch die Kombination eines festen Populationsmodells mit einer zweistufigen Adaptionsstrategie verbessert: einer unmittelbaren, beobachtungskonditionierten Korrektur und einer progressiven Personalisierung basierend auf benutzerbestätigten Evidenzen, wodurch eine hohe Genauigkeit ohne die Notwendigkeit eines Retrainings zum Zeitpunkt des Einsatzes erreicht wird.

Mustafa Elhadi Ahmed, Hongnian Yu, Michael Vassallo, Pelagia Koufaki2026-09-01
💻 Informatik

A Multi-Layer Behavioral Ransomware Detection Framework Using Stacking Ensemble Learning and LSTM Networks

Dieses Paper schlägt ein neuartiges hybrides Ransomware-Erkennungsframework vor, das eine mehrschichtige Verhaltensanalyse mit einem Stacking-Ensemble aus klassischen Machine-Learning-Modellen und LSTM-Netzwerken integriert und dabei eine Genauigkeit von 99 % sowie eine überlegene Generalisierung erreicht, indem es sowohl diskriminative Muster als auch zeitliche Abhängigkeiten in Angriffsequenzen effektiv erfasst.

Manar Y. Amro¹, Mohamed Dwieb, Muath Sabha2026-09-01
💻 Informatik

Machine Learning Validation Pipelines: From Tabular Benchmarking to Conformal Calibration and Execution-Grounded Agentic Testing

Dieses Paper synthetisiert die Ergebnisse aus 41 empirischen Studien, um ein umfassendes, mehrschichtiges Validierungsframework vorzuschlagen, das von der Vermeidung von Data Leakage und Interpretierbarkeits-Audits über die konforme Kalibrierung bis hin zum ausführungsorientierten agentischen Testen fortschreitet und damit kritische Fehlermodi wie Klassenimbalance und ungetreue Attribuierung adressiert, die von Standardvalidierungsmethoden in hochsensiblen Anwendungen übersehen werden.

Nancy Gaur, Wasim Mohammed Amin Tambe, Saumya Tripathi2026-09-01
💻 Informatik

A Comparative Study of Skin Cancer Image Classification Techniques

Diese Studie evaluiert verschiedene Deep-Learning-Modelle für die Klassifizierung von Hautkrebs unter Verwendung des HAM10000-Datensatzes und zeigt auf, dass ein Hybridmodell und ResNet50 eine überlegene Genauigkeit (99,78 % bzw. 99,88 %) im Vergleich zu anderen Techniken erreichen, wodurch deren Potenzial zur Verbesserung der Frühdiagnose und der Ressourcenallokation in der Dermatologie hervorgehoben wird.

Mansi Kushwaha, ANANYA TANJEA, Illa2026-09-01
💻 Informatik

T3-DEF: A Socio-Technical Framework for Recursive Operational Vulnerability and Verification Diversity in AI-Assisted Systems

Dieses Paper schlägt das T3-DEF-Framework vor, ein soziotechnisches Analysemodell, das eine kritische inverse Beziehung zwischen steigender Automationsdichte und sinkender Verifikationsdiversität in KI-gestützten Systemen identifiziert, wobei es eine Schwelle nahe 0,58 aufzeigt, an der die rekursive operationale Vulnerabilität beschleunigt, und die Notwendigkeit betont, verteilte Aufsichtsstrukturen aufrechtzuerhalten, um Sicherheit zu gewährleisten.

Dae-Ryung Lee2026-09-01