💻 Category

cs

1019 articoli

💻 computer science

Training Versus Hiring in Security Operations Centers: Agent-Based and Reinforcement Learning Simulations of Training Duration Effects on CyberTeam Performance

Questo studio utilizza la modellazione basata su agenti e l'apprendimento per rinforzo per dimostrare che la durata dell'addestramento nei Security Operations Center produce guadagni di prestazioni non lineari, con un investimento ottimale tra i 500 e i 1.000 episodi e team altamente addestrati che ottengono vantaggi di efficienza equivalenti al reclutamento di ulteriori 20–25 unità di personale.

Max N. Yaw, Ferdinand Kpieleh, Aos Mulahuwaish, Basheer Qolomany, Jacques Bou Abdo2026-06-27
💻 computer science

Quantifying the Security-Performance Trade-off in Constrained IoT: A Multi-Vector MQTT Attack Framework with Hybrid Defense-in-Depth Evaluation

Questo articolo presenta un framework sperimentale riproducibile che dimostra come concatenare intrusioni HID fisiche con attacchi alla rete MQTT esponga critici compromessi tra sicurezza e prestazioni nei dispositivi IoT vincolati, rivelando che, sebbene il TLS offra una forte riservatezza, esso comporta costi di latenza e memoria proibitivi sull'hardware legacy, motivando così una nuova architettura ibrida di Difesa in Profondità che privilegia le Liste di Controllo degli Accessi per una protezione efficiente e scalabile.

Thant Zin Moe, Julia Juremi, Manimegalai Rajenderan2026-06-27
💻 computer science

Secure and Intelligent IoT: A Dynamical-Systems View of Threat Modelling and Machine-Learning Defence

Questo articolo propone un quadro unificato basato sullo spazio degli stati per proteggere le reti IoT integrando equazioni differenziali e machine learning per modellare la dinamica di propagazione delle minacce, rilevare anomalie e ottimizzare le strategie di controllo difensivo, come dimostrato attraverso un caso di studio simulato di malware SEIRS.

Mussa Justin Muhindo2026-06-27
💻 computer science

Enhancing Cognitive Diagnosis with Group-Aware Graph Augmentation and Self-Supervised Alignment

Questo articolo propone il framework Group-Aware Cognitive Diagnosis (GACD), che affronta la scarsità di dati nei dati di risposta degli studenti raggruppando gli studenti con pattern simili, scomponendo le interazioni in sottografi di risposte corrette e errate per un apprendimento indipendente e impiegando l'allineamento auto-supervisionato per migliorare l'accuratezza della valutazione dello stato cognitivo.

Xiaomeng Zhang, Ruxiang Liu, Piao Shi, Qun Ren2026-06-26
💻 computer science

HERO-SNN: A Homeostatic Eligibility-based Reward- Optimised Spiking Neural Network for Spatiotemporal Brain Representation: An EEG Case Study

Questo articolo propone HERO-SNN, un framework di reti neurali spiking omeostatiche e ottimizzate dal premio che integra il feedback specifico per il compito con l'apprendimento locale basato su spike per migliorare l'accuratezza della classificazione e l'interpretabilità dei dati EEG spazio-temporali, superando sia lo STDP standard che i modelli di deep learning allo stato dell'arte in uno studio su un protocollo di contatto basato sul Havening.

Maryam Doborjeh, Zohreh Doborjeh, Nikola Kasabov, Alexander Sumich, Nadja Heym, Tony Burgess2026-06-26
💻 computer science

FDCNet: Frequency-Aware and Dynamic Curve Network for Adversarially Robust Infrared and Visible Image Fusion

Questo articolo propone FDCNet, un nuovo framework di fusione di immagini infrarossi e visibili avversariamente robusto che integra un modulo di difesa sensibile alla frequenza (Frequency-Aware Defense Module) e una perdita avversaria dinamica spazio-frequenziale (Spatio-Frequency Dynamic Adversarial Loss) per sopprimere le perturbazioni, impiegando al contempo un modulo di curva di tono dinamica guidata dagli estremi (Extrema-guided Dynamic Tone Curve Module) per bilanciare l'efficacia della difesa con il ripristino della qualità visiva.

Pengcheng Gao, Shengyue Huang2026-06-26
💻 computer science

DeepNeutroBiLSTM: A Hybrid Neutrosophic and CNN-BiLSTM Framework with Sobel-Based Indeterminacy for Arabic Handwritten Character Recognition

Questo articolo propone DeepNeutroBiLSTM, un nuovo framework ibrido che integra la modellazione dell'incertezza neutrosofica con l'indeterminazione basata su Sobel, CNN e BiLSTM per raggiungere un'accuratezza e una robustezza allo stato dell'arte nel riconoscimento di caratteri arabi scritti a mano sui dataset AHCD e HIJJA.

Othmane Farhaoui, Mohamed Rida Fethi, Imad Zeroual, Ahmad El Allaoui2026-06-26