4092 件の論文
本論文は、臨床バイオマーカーを用いた高精度かつリアルタイムな肝疾患検出を実現するために、スパイキングニューラルネットワークとハードウェア認識型学習を活用した、エネルギー効率が高く、堅牢で、解釈可能なニューロモーフィック・コンピューティング・システムを提案しており、従来の計算負荷の高いモデルに代わる優れた選択肢を提供するものである。
本論文は、エッジベースのマルチモーダル信号処理、ハイブリッド機械学習モデル、および物理情報に基づいたデジタルツイン同期を統合することで、産業用IoT環境において機器のダウンタイムと偽陰性率を大幅に削減しつつ、高精度かつ低遅延を実現する多層的な予知保全システムである、Hierarchical Sensor-Fused Edge Intelligence with Digital Twin Feedback (HSEI-DTF) フレームワークを提案する。
本論文は、進化するマルチエンティティ間の相互作用をペアワイズのエッジではなく高次の関係ユニットとしてモデル化する動的な操作ハイパーグラフフレームワークを提案しており、EPIC-KITCHENS-100およびVISOR、ならびにAssembly101データセットにおける微細な人間活動認識において大幅な性能向上を実現している。
本論文は、制約のあるIoTデバイス上のTinyMLモデルが、精度を低下させたり予測可能な出力を強制したりする隠密な電圧および電磁フォールト注入攻撃に対して脆弱であることを実証し、その堅牢性を高めるための効果的な対策策として、ランダム化自己削減（Randomized Self-Reduction）と多数決（majority voting）を提案するものである。
本論文は、中心化された2の補数算術によるマスキングが、符号なしマスキングよりも本質的にサイドチャネル攻撃に対して脆弱であることを示し、厳密な有限ノイズ最適攻撃、新たなスペクトル漏洩則、およびほとんどの実用的な法において符号なしストレージが漏洩を最小化することを証明する容量境界を提示するものである。
本論文は、位置の完全性と鍵条件付きの変化を通じて標準的な攻撃に耐える動的なセッション鍵駆動型対称置換暗号の設計、実装、およびセキュリティ分析を提示し、同時に、リアルタイム暗号化のための効率的な代替案として確立するために機械学習モデルを用いてその性能を評価するものである。
本論文は、抽出失敗に起因する、構造的には妥当であるがフォレンジック上は不適格な特徴ベクトルをゲートアウト（排除）することにより、偽陰性を防ぎ、多様な障害シナリオにわたる証拠の完全性を確保する、メモリフォレンジックによるマルウェア・トリアージを強化するミドルウェアフレームワークであるEGAMA-MFを提案する。
本研究は、Kaggleのデータセットを用いたクレジットカード不正検知におけるCNN-LSTMとグラフニューラルネットワーク（GNN）モデルを比較しており、後者が匿名化された関係的特徴を活用できていないためにCNN-LSTMがGNNを上回る結果となった一方で、その結果は、実用的なデプロイメントにおける閾値調整、クラス不均衡への対処、およびモデル選択の極めて重要な重要性を強調している。
この研究は、大規模言語モデルが臨床文書における機密情報の開示を控えるという患者の要求に応えられないことが頻繁にあることを明らかにし、それらのデータが3分の1以上のケースで無関係な受信者に開示されていることを示しているが、受信条件付きのルーティング・ワークフローを実装することで、必要な情報の共有を損なうことなく、このリスクを大幅に軽減できることを実証している。
本論文は、有限精度効果を排除し厳密なカオス特性を保証するために逆アプローチを用いて構築された、強連結グラフに基づくデジタルカオス系を提案し、これを統計的攻撃および差分攻撃に対して堅牢なセキュリティを示す双方向拡散画像暗号化アルゴリズムに適用する。