💻 Category

cs

2332 Arbeiten

💻 computer science

Adaptive Reconstruction-Aware Evidence Fusion for Generalizable Diffusion-Generated Image Detection

Dieses Paper schlägt ein adaptives, rekonstruktionsbewusstes Evidence-Fusion-Framework vor, das räumlich diskriminative und rekonstruktionsbewusste Zweige durch anomaliegeleitete Interaktion und Zuverlässigkeitsrouting integriert, um eine robuste, generalisierbare Detektion von diffusionsgenerierten Bildern über ungesehene Generatoren und Post-Processing-Perturbationen hinweg zu erreichen.

Song Shen, Tingnian He, Shenghui Ji, Xiaolin Wei2026-08-31
💻 computer science

Calibrated Residual Modeling for Explainable Anomaly Detection in Multivariate Sensor Streams

Dieses Paper schlägt ein hybrides tiefstatistisches Framework vor, das einen temporalen konvolutionalen Autoencoder, ein probabilistisches Residuenmodell und eine Extremwertkalibrierung integriert, um eine robuste, interpretierbare und adaptive Anomalieerkennung in multivariaten Sensorströmen zu erreichen, wobei es im Vergleich zu Transformer- und kontrastiven Baselines eine überlegene Leistung und reduzierte Detektionsverzögerungen über sechs diverse Benchmarks hinweg demonstriert.

Rui Shi2026-08-31
💻 computer science

Research on the Generation of Tibetan Word-levelAdversarial Samples Based on Morphosyntactic Linkage

Dieses Papier schlägt TWLASBMSL vor, eine neuartige Methode zur Generierung von tibetischen adversen Beispielen auf Wortebene, die morphosyntaktische Verknüpfung integriert, um die grammatikalische Korrektheit zu gewährleisten und gleichzeitig Zielmodelle in Sentiment-Analyse- und Textklassifikationsaufgaben effektiv zu täuschen.

Btsan lhaMgon, Qun Nuo, Nyima Tashi2026-08-31
💻 computer science

DRS-Track: An Enhanced Detection-Driven Framework for Multi- Object Tracking

Dieses Paper stellt DRS-Track vor, ein verbessertes Multi-Object-Tracking-Framework, das dynamisches Sampling, Receptive-Field-Attention und einen skalenübergreifenden geteilten Detection-Head integriert, um Herausforderungen wie Skalenvariationen und Verdeckungen zu bewältigen und eine überlegene Leistung sowohl auf einem selbst erstellten Datensatz als auch im KITTI-Benchmark zu erzielen.

Wei Yang, Qi Ji, Chengyi Hou, Mushuo Liu, Jianqiang Gong2026-08-31
💻 computer science

Integrating Neuromorphic Computing and Clinical Biomarkers for Enhanced Liver Disease Detection

Dieses Papier schlägt ein energieeffizientes, robustes und interpretierbares neuromorphes Rechensystem vor, das Spiking Neural Networks und hardwarebewusstes Training nutzt, um eine hochpräzise Echtzeit-Erkennung von Lebererkrankungen mittels klinischer Biomarker zu erreichen und somit eine überlegene Alternative zu herkömmlichen, rechenintensiven Modellen zu bieten.

Ashish V Saywan, Soni A Chaturvedi2026-08-31
💻 computer science

Digital Twin Feedback for Predictive Maintenance in Industrial IoT Environments

Das Papier schlägt das Framework der Hierarchical Sensor-Fused Edge Intelligence with Digital Twin Feedback (HSEI-DTF) vor, ein mehrschichtiges System zur vorausschauenden Wartung, das edge-basierte multimodale Signalverarbeitung, hybride Modelle des maschinellen Lernens und eine physik-informierte Digital-Twin-Synchronisation integriert, um die Ausfallzeiten von Geräten und die Falsch-Negativ-Raten signifikant zu reduzieren und gleichzeitig eine hohe Genauigkeit sowie geringe Latenzzeiten in industriellen IoT-Umgebungen zu erreichen.

Megha Patil, Yogesh Bhirud, Dhanashree Barbole2026-08-31
💻 computer science

Beyond Pairwise Relations: Dynamic Manipulation Hypergraphs for Vision-Based Human Activity Recognition

Dieses Paper schlägt ein dynamisches Manipulations-Hypergraph-Framework vor, das sich entwickelnde Multi-Entitäts-Interaktionen als höherwertige relationale Einheiten anstatt als paarweise Kanten modelliert und dadurch signifikante Leistungsverbesserungen bei der feingliedrigen menschlichen Aktivitätserkennung auf den Datensätzen EPIC-KITCHENS-100/VISOR und Assembly101 erzielt.

Fatemeh Ziaeetabar2026-08-31
💻 computer science

Voltage and Electromagnetic Fault Injectioin in TinyML: Attacks and Countermeasures

Diese Arbeit zeigt auf, dass TinyML-Modelle auf ressourcenbeschränkten IoT-Geräten anfällig für heimliche Spannungs- und elektromagnetische Fault-Injection-Angriffe sind, die die Genauigkeit verschlechtern oder vorhersehbare Ausgaben erzwingen können, und schlägt Randomized Self-Reduction sowie Mehrheitsentscheidungen als effektive Gegenmaßnahmen vor, um deren Robustheit zu erhöhen.

Srilalith Nampally, Anthony Etim, Aubtin Rasouli, Dustin Mazza, Tinghung Chiu, Ferhat Erata, Leyla Nazhandali, Jakub Sze (…)2026-08-31
💻 computer science

Centered Arithmetic Is Not Leakage-Neutral: Finite-Noise Optimal Attacks and Minimax Laws for Modular Representations

Diese Arbeit zeigt, dass die Maskierung mittels zentrierter Zweierkomplement-Arithmetik von Natur aus anfälliger für Seitenkanalangriffe ist als die unzeichenbehaftete Maskierung, indem sie exakte endliche-Rausch-optimale Angriffe, ein neues Spektralleckagegesetz und Kapazitätsgrenzen liefert, die beweisen, dass unzeichenbehaftete Speicherung die Leckage für die meisten praktischen Moduli minimiert.

José Luis Delgado2026-08-31
💻 computer science

Session Key Driven Symmetric Substitution Cipher Design Implementation and Security

Diese Arbeit präsentiert das Design, die Implementierung und die Sicherheitsanalyse einer dynamischen, von Sitzungsschlüsseln gesteuerten symmetrischen Substitutionschiffre, die durch Positionsintegrität und schlüsselbedingte Änderungen gegen Standardangriffe resistent ist, während sie gleichzeitig deren Leistungsfähigkeit unter Verwendung von Modellen des maschinellen Lernens evaluiert, um sie als effiziente Alternative für die Echtzeitverschlüsselung zu etablieren.

Siddharth Ghansela, Yashwant Singh Chauhan, Sunil Chamoli, Sumit Rana2026-08-31