4092 artículos
Este artículo propone SOC2I, un marco impulsado por IA que adapta las capacidades de los Centros de Operaciones de Seguridad a los Vehículos Aéreos No Tripulados mediante la integración de la detección de anomalías en tiempo real, la cuantificación de riesgos y la mitigación autónoma para cerrar la brecha entre la defensa de red convencional y la seguridad ciberfísica aérea.
La Gobernanza de Ejecución por IA (EGA) V9 es un marco de tiempo de ejecución determinista que permite flujos de trabajo autónomos confiables al combinar la consistencia de la reproducción, la verificación de procedencia y la contención de cierre fallido para lograr una detección del 100 % de la divergencia de ejecución con cero falsos positivos o negativos y sin sobrecarga adicional de modelos de lenguaje, mientras reconoce transparentemente limitaciones específicas en las restricciones post-incidente y las garantías de efectos secundarios.
Este artículo presenta Freeze-to-Confirm (F2C), una estrategia de recuperación para la segmentación de vocabulario abierto en streaming con estado que detiene temporalmente la adaptación para confirmar un riesgo persistente antes de restaurar los estados del modelo, mejorando así significativamente el rendimiento en múltiples evaluaciones de referencia mientras mantiene una baja latencia.
El artículo propone CTDG-IDS, un marco de aprendizaje de representaciones de grafos dinámicos de tiempo continuo que integra la actualización de memoria, la construcción de hipergrafos y un mecanismo de atención de grafos dinámicos para detectar intrusiones en la red de manera efectiva mediante la captura tanto de las estructuras topológicas en evolución como de las interacciones temporales.
Este estudio evalúa el potencial de GitHub como infraestructura de investigación integrada, encontrando que, si bien sus capacidades nativas apoyan eficazmente las fases de ejecución y de resultados, ofrecen solo una trazabilidad parcial para las actividades de investigación ascendentes, como la formulación de preguntas, y requieren herramientas complementarias para una gestión completa del ciclo de vida.
CleanScore es un marco de auditoría de caja negra que emplea controles negativos y límites de sensibilidad para distinguir la habilidad genuina del modelo de la exposición previa a los datos, revelando que las auditorías estándar basadas en paráfrasis subestiman significativamente el impacto de la contaminación de los datos de entrenamiento, al tiempo que demuestra que la inflación de la forma superficial en los bancos de pruebas públicos es mínima.
Este artículo propone un marco de trabajo Neural Screener–Reasoner que combina un detector de autoatención lineal sin necesidad de analizador sintáctico con un LLM aumentado por recuperación para lograr una detección de anomalías en registros de alta precisión y generar explicaciones verificables y fundamentadas en evidencia, al tiempo que gestiona los costos de inferencia.
Este artículo propone la Segmentación de Primero el Límite (Boundary-First Segmentation), un paradigma sin entrenamiento que construye regiones de consulta cerradas antes del arbitraje de identidad mediante el Transporte de Evidencia de Límite Unificado (UBET), logrando un rendimiento de vanguardia a través de diversos referentes al priorizar la coherencia espacial sobre la similitud semántica densa.
Este artículo propone un marco criptográfico de resiliencia cuántica llamado Filtro de Onda Espectral Fractal, el cual logra un procesamiento eficiente de O(N log N) y una alta entropía mediante el mapeo de datos 2D vía curvas de orden Z de Morton, la aplicación de Transformadas de Número Teórico sobre anillos finitos y el aprovechamiento de colisiones de aliasing no mitigadas como un mecanismo de difusión.
Este artículo presenta Mastyf Guard, una arquitectura de seguridad de prioridad determinista que trata a los agentes de LLM como sujetos no confiables y aplica invariantes de no escalada condicionales mediante un monitor de referencia externo, logrando una detección de ataques casi perfecta con cero falsos positivos en evaluaciones empíricas contra amenazas de inyección de prompts indirecta y exfiltración.