💻 Category

cs

1019 Arbeiten

💻 computer science

Training Versus Hiring in Security Operations Centers: Agent-Based and Reinforcement Learning Simulations of Training Duration Effects on CyberTeam Performance

Diese Studie nutzt agentenbasierte Modellierung und bestärkendes Lernen, um zu demonstrieren, dass die Trainingsdauer in Security Operations Centers nichtlineare Leistungssteigerungen bewirkt, wobei die optimale Investition zwischen 500 und 1.000 Episoden liegt und hochgradig geschulte Teams Effizienzvorteile erzielen, die der Rekrutierung von 20–25 zusätzlichen Mitarbeitern entsprechen.

Max N. Yaw, Ferdinand Kpieleh, Aos Mulahuwaish, Basheer Qolomany, Jacques Bou Abdo2026-06-27
💻 computer 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

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

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