929 articoli
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.
Il documento propone MRT, un framework di riconoscimento del testo nelle scene che combina una Mamba potenziata da Neighborhood Attention per un'efficiente aggregazione spaziale locale con un Reusable Transformer a condivisione di pesi per il contesto globale bidirezionale, ottenendo un rapporto accuratezza-efficienza superiore attraverso molteplici benchmark.
Questa revisione sistematica analizza le architetture, le applicazioni e le sfide del federated learning per il rilevamento distribuito delle minacce informatiche, evidenziando lo spostamento verso modelli decentralizzati per affrontare i limiti di privacy e larghezza di banda, identificando al contempo i dati non-IID e gli attacchi avversari come barriere critiche per un'implementazione efficace.
Questo articolo propone un metodo di clustering multi-vista a singolo passaggio e veloce che unisce il clustering spettrale e la fattorizzazione di matrici non negative con la regolarizzazione del log-determinante tensoriale per catturare efficacemente le correlazioni cross-view di alto ordine e raggiungere prestazioni e scalabilità superiori rispetto ai metodi allo stato dell'arte.
Questo articolo propone un modello REAE-LTransformer ottimizzato da un algoritmo Improved Four-Vector Intelligent Metaheuristic (IFVIM) per prevedere accuratamente la vita utile residua delle batterie agli ioni di litio estraendo efficacemente le caratteristiche di degradazione, catturando le dipendenze a lungo termine e minimizzando gli errori di previsione, raggiungendo prestazioni superiori con un MAE inferiore a 0,024 e un R² superiore a 0,99 su molteplici dataset.
Questo articolo propone un modulo di associazione guidato dall'aspetto basato su XGBoost e leggero che integra descrittori di colore, gradiente e morfologia nel framework SORT per ridurre significativamente gli scambi di identità e migliorare l'accuratezza del tracciamento per pesci densamente stoccati nel monitoraggio subacqueo in tempo reale.
Questo articolo propone un framework di crittografia ibrida scalabile che combina una Mappa Logistica derivata da password per la generazione di chiavi caotiche, un Cifrario di Hill Unimodulare dinamico per la costruzione di grandi matrici invertibili e AES-CBC per fornire una sicurezza robusta e indipendente dal formato per file binari universali con entropia quasi ideale e forte resistenza agli attacchi criptanalitici.