💻 computer science

TPM-Free Post-Quantum Attestation for Legacy Industrial Control Devices Using Commodity-Hardware Trusted Execution

Questo articolo presenta un meccanismo di attestazione post-quantistica indipendente dall'hardware per dispositivi industriali legacy che sfrutta il ciclo di ibernazione-ripristino su piattaforme x86 comuni per catturare e firmare lo stato di runtime utilizzando CRYSTALS-Dilithium, abilitando così una verifica affidabile senza l'ausilio di hardware di sicurezza dedicato come i TPM.

Tejasva Jadhav2026-07-29
💻 computer science

Hybrid Multi- Expert Deep Learning Framework for Operational SAR Maritime Surveillance and Dark Vessel Identification

Questo articolo propone un framework di deep learning ibrido multi-esperto che utilizza un meccanismo di routing intelligente basato su ResNet-50 per selezionare dinamicamente modelli di rilevamento specializzati (YOLOv8 e Mask R-CNN potenziata da SwinIR) per diversi ambienti marittimi, ottenendo un'elevata accuratezza nel rilevamento delle navi e identificando con successo i vessel scuri in scenari reali come lo Stretto di Singapore.

Syed Wajid Ali, Sudhir Nadda, Shivani Verma, Shuchismita Mishra2026-07-29
💻 computer science

Atlases Are Already Inside: Recovering Population Templates from Pretrained Diffusion Models

Questo articolo dimostra che i modelli di diffusione preaddestrati codificano implicitamente atlanti anatomici a livello di popolazione all'interno della loro dinamica appresa, consentendo il recupero diretto di template cerebrali nitidi, condizionati per età e competitivi rispetto alla registrazione attraverso l'inferenza deterministica senza richiedere una registrazione esplicita o obiettivi di addestramento specifici per l'atlante.

Jian Shi, John Femiani, Peter Wonka2026-07-29
💻 computer science

BQEB ForecastBench: Benchmarking AI Models for Smart Grid Forecasting Using BQEB-Data v1

Questo articolo introduce BQEB ForecastBench, un framework di benchmarking aperto che utilizza il dataset BQEB-Data v1 per standardizzare la valutazione dei modelli di IA per la previsione delle smart-grid, dimostrando attraverso esperimenti di base che la regressione lineare supera altri modelli nella previsione del carico elettrico e dei prezzi, evidenziando al contempo l'inerente complessità della previsione dei prezzi.

Rakesh Kumar Agrawal2026-07-29
💻 computer science

When and What Will Customers Buy Next? A Dual-Task Deep Learning Framework for Repurchase Prediction in E-Commerce

Questo studio propone un framework di deep learning a doppio compito basato su LSTM che predice simultaneamente la tempistica del riacquisto del cliente e la selezione del prossimo prodotto, dimostrando prestazioni superiori rispetto ai modelli esistenti su dati di e-commerce su larga scala e offrendo un sistema di agenti IA pratico per l'ottimizzazione del marketing automatizzato.

Gia Bao Huynh, Thi Thuy Hanh Nguyen2026-07-29
💻 computer science

Proximity-Preserving Neural Subdivision

Questo articolo introduce la Proximity-Preserving Neural Subdivision (PNS), una regola di raffinamento addestrabile che aumenta la suddivisione di Loop con una correzione limitata e guidata dalla curvatura per catturare adattivamente le caratteristiche geometriche locali pur mantenendo rigorosamente proprietà strutturali essenziali come l'equivarianza al moto rigido, la riproduzione planare e la stabilità spettrale.

Hassan Ugail2026-07-29
💻 computer science

Mapping Cybersecurity Standards to Higher-Education Maturity Domains: A Reproducible Cross-Framework Content Analysis

Questo studio impiega un'analisi del contenuto riproducibile di una matrice di incrocio di 50 record per mappare dieci domini di maturità della cybersecurity nell'istruzione superiore rispetto a dieci framework autorevoli, rivelando che, sebbene il NIST CSF 2.0 fornisca una copertura completa, un approccio stratificato che integri standard generali di rischio, operativi, specifici per settore e di intelligenza artificiale è necessario per un'efficace governance istituzionale.

Prof. Mohit Tiwari2026-07-29
💻 computer science

ChainTrust-LLM: Secure and Auditable Hallucination Mitigation in Medical LLMs Using Blockchain and Expert Feedback

Questo articolo presenta ChainTrust-LLM, un framework innovativo che integra il feedback degli esperti con un registro blockchain basato su DAG per rilevare e mitigare le allucinazioni nei modelli linguistici di grandi dimensioni in ambito medico, ottenendo una riduzione del 64,8% dei tassi di errore garantendo al contempo interazioni sicure e verificabili con una latenza minima.

Muhammad Ismail Mohamand2026-07-29