2456 articoli
Questa revisione sistematica della letteratura sintetizza la ricerca dal 2010 al 2026 per dimostrare che gli incidenti di cybersicurezza derivano dalla complessa interazione di fattori cognitivi, sociali e organizzativi piuttosto che da isolati errori dell'utente, proponendo infine un quadro integrativo incentrato sull'uomo per affrontare tali vulnerabilità.
Questo articolo presenta un framework basato sul deep learning che utilizza TensorFlow e MediaPipe per consentire il riconoscimento dei gesti della mano in tempo reale e senza contatto per diverse applicazioni quali il controllo dei media, il gaming e l'accessibilità, offrendo un'alternativa accurata ed economica ai dispositivi di input tradizionali.
Questo articolo propone un framework di simulazione multi-ruolo che utilizza i Large Language Models e la validazione Human-in-the-Loop per generare un dataset sintetico di alta qualità, verificato da esperti, relativo ai casi di divorzio del diritto di famiglia saudita, superando efficacemente la scarsità di registri giudiziari reali causata dai vincoli di privacy.
Questo studio dimostra che il deep transfer learning, in particolare utilizzando i modelli EfficientNetB7 e ResNet50 ottimizzati con data augmentation e cross-validation, raggiunge una classificazione ad alta precisione delle immagini istologiche del carcinoma squamocellulare orale, offrendo una soluzione promettente per migliorare l'accuratezza diagnostica e affrontare la variabilità inter-patologo.
Questo studio empirico esamina le esperienze dei professionisti creativi in Iran con l'IA generativa, rivelando come i vincoli geopolitici e le limitazioni tecniche ne modellino l'adozione attraverso modelli mentali di direzione dominante, lavoro compensativo e l'emergere di una "Etica Popolare" dal basso per navigare le iniquità sistemiche.
Questo articolo dimostra che l'integrazione di una capacità di audit di sicurezza automatizzato nel processo di "vibe coding" migliora drasticamente la sicurezza delle applicazioni web generate dall'IA, riducendo il rischio non mitigato del 99% ed eliminando tutte le vulnerabilità ad alta severità in un confronto controllato di due build dello stesso demo di e-commerce.
Questo articolo propone GTAN, un Graph-Temporal Attention Network che combina encoder di tipo Temporal Convolutional e Graph Attention con una Focal Contrastive Loss per rilevare efficacemente attacchi di intrusione rari in traffici di sistemi cyber-fisici altamente sbilanciati, modellando sia le sequenze temporali che le relazioni topologiche.
Questo articolo propone SPAT-UAD, un framework di rilevamento delle informazioni false robusto che integra l'addestramento avversario preservante la semantica con un processo decisionale adattivo consapevole dell'incertezza per superare significativamente i baseline esistenti nel gestire le variazioni superficiali e nel migliorare l'affidabilità del modello attraverso molteplici dataset.
Questo articolo introduce Symbolic Log Shield, un framework neurosimbolico che mitiga significativamente la vulnerabilità dei Large Language Models agli attacchi di jailbreak avversari nella classificazione dei log di rete, ripristinando efficacemente e persino migliorando le loro prestazioni di rilevamento delle anomalie da livelli gravemente degradati.
Questo articolo presenta un framework basato sui dati per i satelliti LEO LAPAN-IPB che combina un predittore di tensione ibrido SARIMAX-LSTM e un classificatore Random Forest per generare raccomandazioni di missione verificabili e basate su evidenze, sostituendo così la dipendenza dall'esperienza non documentata degli operatori con un processo di pianificazione riproducibile e oggettivo.