💻 Category

cs

2332 Arbeiten

💻 computer science

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
💻 computer science

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
💻 computer science

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
💻 computer science

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
💻 computer science

Systematizing Data Preparation in Smart Manufacturing via Axiomatic Design: A Toolkit Integrating GUI and Agentic AI

Dieses Paper schlägt ein auf Axiomatic Design basierendes Open-Source-Toolkit vor, das eine grafische Benutzeroberfläche und agentive KI integriert, um die fragmentierte, manuelle Datenaufbereitung in der intelligenten Fertigung systematisch in eine reproduzierbare, skalierbare wissenschaftliche Disziplin zu transformieren und dadurch fortgeschrittene Downstream-Anwendungen wie digitale Zwillinge zu ermöglichen.

Angkush Kumar Ghosh, Saman Fattahi, Yu Kogawara, Bahman Azarhoushang, Takuya Okamoto, Sharifu Ura2026-09-01
💻 computer science

Multi-View Dual-Contrastive Graph Learning with Adaptive Agreement for Semi-Supervised Text Classification

Das Papier schlägt Multi-View Dual-Contrastive Graph Learning (MDCGA) vor, ein leichtgewichtiges Framework, das lexikalische, semantische und schlüsselwortbasierte relationale Signale durch verbesserte duale kontrastive Zielsetzungen integriert, um eine robuste semisupervidierte Textklassifizierung mit wenigen gelabelten Beispielen zu erreichen, indem es falsch-negative Ergebnisse und unzuverlässige Augmentationen abmildert.

Ibtissam Youb, Mohamed Hamlich2026-09-01
💻 computer science

Metaheuristic multi-objective access selection inhetNets over a secure MPLS networks

Dieses Paper schlägt ein KI-gesteuertes, metaheuristisch optimiertes Zugangsauswahl-Framework für sichere MPLS-basierte heterogene Netzwerke vor, das ein leichtgewichtiges MLP zur Vorhersage der Video-QoE sowie einen fitnessbasierten SDN-Controller zur dynamischen Auswahl optimaler LTE/Wi-Fi-Handover-Ziele nutzt und dadurch die Videokontinuität, die Netzwerkleistung sowie die Energieeffizienz im Vergleich zu herkömmlichen RSSI-basierten Strategien signifikant verbessert.

Narimane Elhilali, Mouncef Filali Bouami, Mostapha Badri2026-09-01
💻 computer science

Diversity-Based Fitness Regularization in Genetic Algorithms: A Methodological Audit Across Population Sizes

Diese Arbeit prüft eine auf Diversität basierende Fitness-Regularisierungsmethode in genetischen Algorithmen gegenüber einem nach Größenordnung angepassten Rauschkontrollprotokoll und stellt fest, dass ihre vermeintlichen Vorteile weitgehend ununterscheidbar von unstrukturiertem Rauschen sind und durch Ausreißer getrieben werden, wodurch die Methode nur in einem engen Regime gestützt wird, während gleichzeitig ein strenger Rahmen für zukünftige Evaluierungen von Trägheitsmechanismen etabliert wird.

Tilan Ukwatta2026-09-01
💻 computer science

DMASNet: A Defect Detection Network for PCBs via Multi-Scale Feature Collaborative Optimization

Dieses Paper stellt DMASNet vor, ein leichtgewichtiges und effizientes Framework zur Defekterkennung für Leiterplatten, das durch die Nutzung von Multi-Skalen-Merkmalsoptimierung, dynamischem Upsampling und spezialisierten Verlustfunktionen die Genauigkeit sowie die Echtzeit-Inferenzgeschwindigkeit auf industrieller Hardware signifikant verbessert.

Yingying Zhang, Yu Zhao, Tonghua Wang, Ya Gao, Zhiwei Chen2026-08-31
💻 computer science

Quantum Local Density of States for Random k-SAT: An Amplitude-Estimation Primitive and a Clause-Width Regime for Quantum Advantage

Dieses Paper führt ein Quanten-LDOS-Primitiv (Local Density of States) für zufällige k-SAT ein, das Amplitudenschätzung verwendet, um den verbleibenden Erfüllungsanteil effizient zu schätzen, wobei es einen Quantenvorteil für Klauselbreiten von vier oder höher demonstriert und gleichzeitig klarstellt, dass der Positivitätsanteil primlich ein struktureller Zähleffekt ist und kein Signal des Freezing-Übergangs, *(Note: Since the original is a single complex sentence, the German translation maintains this structure as a single sentence.)* Dieses Paper führt ein Quanten-LDOS-Primitiv (Local Density of States) für zufälliges k-SAT ein, das Amplitudenschätzung nutzt, um den verbleibenden Erfüllungsanteil effizient zu schätzen, wobei es einen Quantenvorteil für Klauselbreiten von vier oder höher demonstriert und gleichzeitig verdeutlicht, dass der Positivitätsanteil primär ein struktureller Zähleffekt ist und kein Signal des Freezing-Übergangs.

Michail Gerogiannis, Dimitris Ntalaperas, Nikos Konofaos2026-08-31