cs Arbeiten | Gist.Science

Quantifying the Security-Performance Trade-off in Constrained IoT: A Multi-Vector MQTT Attack Framework with Hybrid Defense-in-Depth Evaluation

Dieses Paper präsentiert ein reproduzierbares experimentelles Framework, das demonstriert, dass die Verknüpfung von physischen HID-Intrusionen mit MQTT-Netzwerkangriffen kritische Sicherheits-Leistungs-Trade-offs bei ressourcenbeschränkten IoT-Geräten offenlegt, wobei aufgezeigt wird, dass TLS zwar eine starke Vertraulichkeit bietet, jedoch prohibitive Latenz- und Speicherkosten auf Legacy-Hardware verursacht, was wiederum die Entwicklung einer neuartigen Hybrid-Defense-in-Depth-Architektur motiviert, die Zugriffskontrolllisten für einen effizienten, skalierbaren Schutz priorisiert.

Thant Zin Moe, Julia Juremi, Manimegalai Rajenderan2026-06-27

💻 computer science

Computer-generated content and the AI/ML retraction record, 2018– 2026: a characterization study

Diese Charakterisierung von 13.502 KI/ML-bezogenen Rückzugsbefunden aus den Jahren 2018 bis 2026 zeigt, dass computergenerierte Inhalte die am häufigsten abgeleitete Ursache für Rückzüge sind, was 34,8 % der Fälle ausmacht und vorwiegend Arbeiten betrifft, die zwischen 2021 und 2023 veröffentlicht wurden.

Anton Sokolov2026-06-27

💻 computer science

Secure and Intelligent IoT: A Dynamical-Systems View of Threat Modelling and Machine-Learning Defence

Dieses Paper schlägt ein einheitliches Zustandsraum-Framework zur Sicherung von IoT-Netzwerken vor, indem es Differentialgleichungen und maschinelles Lernen integriert, um die Dynamik der Bedrohungsausbreitung zu modellieren, Anomalien zu erkennen und defensive Kontrollstrategien zu optimieren, demonstriert durch eine simulierte SEIRS-Malware-Fallstudie.

Mussa Justin Muhindo2026-06-27

💻 computer science

Enhancing Cognitive Diagnosis with Group-Aware Graph Augmentation and Self-Supervised Alignment

Dieses Paper schlägt das Group-Aware Cognitive Diagnosis (GACD)-Framework vor, welches die Datensparsamkeit in Schüler-Antwortdaten adressiert, indem es Schüler mit ähnlichen Mustern gruppiert, Interaktionen zur unabhängigen Lernanalyse in korrekte und inkorrekte Subgraphen zerlegt und selbstüberwachtes Alignment einsetzt, um die Genauigkeit der kognitiven Zustandsbewertung zu verbessern.

Xiaomeng Zhang, Ruxiang Liu, Piao Shi, Qun Ren2026-06-26

💻 computer science

HERO-SNN: A Homeostatic Eligibility-based Reward- Optimised Spiking Neural Network for Spatiotemporal Brain Representation: An EEG Case Study

Dieses Paper schlägt HERO-SNN vor, ein homöostatisches und belohnungsoptimiertes Spiking-Neural-Network-Framework, das aufgabenspezifisches Feedback mit lokalem spike-basiertem Lernen integriert, um die Klassifizierungsgenauigkeit und Interpretierbarkeit von spatiotemporalen EEG-Daten zu verbessern und dabei sowohl Standard-STDP als auch State-of-the-Art-Deep-Learning-Modelle in einer Havening-basierten Berührungs-Protokollstudie zu übertreffen.

Maryam Doborjeh, Zohreh Doborjeh, Nikola Kasabov, Alexander Sumich, Nadja Heym, Tony Burgess2026-06-26

💻 computer science

AutoML-XAI convolutional neural network for hypnotic susceptibility classification from segmented multichannel EEG

Dieses Paper schlägt ein interpretierbares, durch AutoML gesteuertes CNN-Framework vor, das die Hypnoseschwelligkeit aus segmentierten Multikanal-EEG-Daten klassifiziert, dabei in seinem besten Fold eine perfekte Genauigkeit erreicht und durch XAI-Techniken Alpha- und Gamma-Frequenzbänder als die kritischsten Merkmale identifiziert.

Ali Walid Daher2026-06-26

💻 computer science

FDCNet: Frequency-Aware and Dynamic Curve Network for Adversarially Robust Infrared and Visible Image Fusion

Dieses Paper schlägt FDCNet vor, ein neuartiges, adversariell robustes Framework zur Fusion von Infrarot- und sichtbaren Bildern, das ein frequenzbewusstes Verteidigungsmodul sowie einen räumlich-frequenzbasierten dynamischen adversariellen Verlust integriert, um Perturbationen zu unterdrücken, während es gleichzeitig ein Extremwert-gesteuertes dynamisches Tonkurvenmodul einsetzt, um die Balance zwischen Verteidigungseffektivität und der Wiederherstellung der visuellen Qualität zu halten.

Pengcheng Gao, Shengyue Huang2026-06-26

💻 computer science

DeepNeutroBiLSTM: A Hybrid Neutrosophic and CNN-BiLSTM Framework with Sobel-Based Indeterminacy for Arabic Handwritten Character Recognition

Dieses Paper schlägt DeepNeutroBiLSTM vor, ein neuartiges hybrides Framework, das neutrosophische Unsicherheitsmodellierung mit Sobel-basierter Unbestimmtheit, CNNs und BiLSTMs integriert, um eine erstklassige Genauigkeit und Robustheit bei der Erkennung arabischer handgeschriebener Zeichen auf den Datensätzen AHCD und HIJJA zu erreichen.

Othmane Farhaoui, Mohamed Rida Fethi, Imad Zeroual, Ahmad El Allaoui2026-06-26

💻 computer science

Anomaly Image Generation under the Guidance of Knowledge Graph

Dieses Paper schlägt ein durch Wissensgraphen gesteuertes Framework vor, das Vorwissen über Anomalien und deren Beziehungen nutzt, um Text-Prompts zu konstruieren, die es Foundation-Modellen und Diffusionstechniken ermöglichen, realistische anomaliehafte Bilder für verschiedene Produktklassen zu generieren.

Ylli Sadikaj, Lavdim Halilaj, Stefan Schmid, Hongkuan Zhou2026-06-26

💻 computer science

Who Leads Machine Learning Research? A Bibliometric Portrait of 1,000 Top-Cited Researchers on Google Scholar

Dieses Paper stellt Scholar-ML-1000 vor, einen im Juni 2026 veröffentlichten Datensatz von 996 meistzitierten Experten für maschinelles Lernen, der offenlegt, dass große Technologieunternehmen wie Google und DeepMind nun mehr führende ML-Gelehrte beherbergen als Top-Universitäten zusammen, während er gleichzeitig die bedeutende globale Vielfalt und die interdisziplinäre Reichweite des Feldes hervorhebt.

Kunal Dhanda2026-06-26

← Zurück Weiter →