📄 autres

Synthetic Legal Data Generation for Saudi Family Law Courts Using Multi-Role Simulation

Cet article propose un cadre de simulation multi-rôles utilisant des modèles de langage de grande taille et une validation par l'humain dans la boucle pour générer un ensemble de données synthétiques de haute qualité, vérifié par des experts, portant sur des cas de divorce du droit de la famille saoudien, surmontant ainsi efficacement la rareté des dossiers judiciaires réels causée par les contraintes de confidentialité.

Zarah Shibli, Areej Alhothali, Lulwah Alharigy2026-07-27
📄 autres

Artificial Intelligence in Oral Squamous Cell Carcinoma Diagnosis: Exploring Deep Transfer Learning Strategies

Cette étude démontre que l'apprentissage par transfert profond, en particulier l'utilisation des modèles EfficientNetB7 et ResNet50 optimisés par l'augmentation de données et la validation croisée, permet d'obtenir une classification de haute précision des images histologiques de carcinome épidermoïde buccal, offrant ainsi une solution prometteuse pour améliorer la précision du diagnostic et remédier à la variabilité inter-pathologiste.

Soussan Irani, Alireza Fallahi, Arash Dehghan, Seied Parsa Saleh, Hassan Khotanlou, Hamed Ghadimi2026-07-25
📄 autres

Toward Understanding AI Adoption in the Global South: An Empirical Study of Creative Practitioners' Experiences in Iran

Cette étude empirique examine les expériences des praticiens de la création en Iran face à l'IA générative, révélant comment les contraintes géopolitiques et les limitations techniques façonnent leur adoption à travers des modèles mentaux de directeurs dominants, un travail compensatoire et l'émergence d'une « éthique populaire » ascendante pour naviguer les inégalités systémiques.

Farzaneh Hosseinian, Iman Sheikhansari2026-07-25
📄 autres

Hardening vibe-coded web applications with an automated security-audit skill: a controlled comparison of two builds of the same app

Cet article démontre que l'intégration d'une compétence d'audit de sécurité automatisé dans le processus de « vibe coding » améliore considérablement la sécurité des applications web générées par IA, réduisant le risque non atténué de 99 % et éliminant toutes les vulnérabilités de haute sévérité lors d'une comparaison contrôlée de deux versions d'une démo d'e-commerce.

Piyush Omanwar2026-07-25
📄 autres

A Graph-Temporal Attention Network for Real-Time Intrusion Detection in Cyber-Physical Systems under Extreme Class Imbalance

Ce document propose GTAN, un réseau d'attention graphique et temporelle (Graph-Temporal Attention Network) qui combine des encodeurs de convolution temporelle et d'attention graphique avec une perte contrastive focale afin de détecter efficacement les attaques par intrusion rares dans les trafics de systèmes cyber-physiques hautement déséquilibrés en modélisant à la fois les séquences temporelles et les relations topologiques.

Srinivasarao T, Leelavathy N2026-07-24
📄 autres

Robust Fake Information Detection via Semantics-Preserving Adversarial Training and Uncertainty-Aware Adaptive Decision

Cet article propose SPAT-UAD, un cadre de détection d'informations fausses robuste qui intègre un entraînement adversarial préservant la sémantique à une prise de décision adaptative sensible à l'incertitude pour surpasser de manière significative les modèles de référence existants dans la gestion des variations de surface et l'amélioration de la fiabilité du modèle à travers plusieurs ensembles de données.

Ru Zhang2026-07-24
📄 autres

Symbolic Log Shield - an adversarial resistant neurosymbolic framework for network log classification

Ce document présente Symbolic Log Shield, un cadre neurosymbolique qui atténue considérablement la vulnérabilité des grands modèles de langage face aux attaques de jailbreak adverses dans la classification de journaux réseau, restaurant efficacement et même améliorant leurs performances de détection d'anomalies à partir de niveaux sévèrement dégradés.

Franciszek Górski, Mateusz Krzysztoń, Max Landauer2026-07-24
📄 autres

Data-Driven Mission Recommendation for LEO Satellites using Random Forest and Hybrid Deep Learning Forecasting

Cet article présente un cadre axé sur les données pour les satellites LEO de LAPAN-IPB qui combine un prédicteur de tension hybride SARIMAX-LSTM et un classificateur de type Forêt Aléatoire afin de générer des recommandations de mission auditables et fondées sur des preuves, remplaçant ainsi le recours à l'expérience non documentée des opérateurs par un processus de planification reproductible et objectif.

Nurrochman Ferdiansyah, Imas Sukaesih Sitanggang, Mushthofa Mushthofa, Mohammad Mukhayadi2026-07-24
📄 autres

MRT: A Mamba-based Framework with Reusable Transformer for Scene Text Recognition

L'article propose MRT, un cadre de reconnaissance de texte dans les scènes qui combine un Mamba amélioré par l'Attention de Voisinage pour une agrégation spatiale locale efficace avec un Transformer Réutilisable à partage de poids pour un contexte global bidirectionnel, atteignant des compromis précision-efficacité supérieurs sur de multiples bancs d'essai.

Yingnan Zhao, Dewen Zhang, Zuguo Yang, Jielin Jang2026-07-24
📄 autres

Federated Learning for Distributed Cyber Threat Detection: A Systematic Review of Architectures, Applications, and Open Challenges

Cette revue systématique analyse les architectures, les applications et les défis de l'apprentissage fédéré pour la détection décentralisée des cybermenaces, soulignant le passage vers des modèles décentralisés pour répondre aux limitations de confidentialité et de bande passante tout en identifiant les données non-IID et les attaques adverses comme des barrières critiques à une mise en œuvre efficace.

Joshua Babatola2026-07-24