4030 편의 논문
본 연구는 암호화 전 Windows API 지표 23개를 활용한 이종 ANN-LightGBM 스태킹 모델이 랜섬웨어 패밀리와 정상 소프트웨어를 분류하는 데 있어 높은 정확도(95.20%)를 달 achieve할 수 있음을 입증하며, 이는 단독 신경망 구조보다 뛰어난 성능을 보이는 선제적 방어 메커니즘을 제공함과 동시에 추가적인 외부 검증의 필요성을 강조한다.
이 논문은 다양한 결측률과 실제 데이터셋에 걸쳐 태양 일사량 결측 데이터의 강건하고 정확한 임퓨테이션을 달성하기 위해 시계열 합성곱 신경망, 이중 어텐션 메커니즘 및 베이지안 불확실성 추정을 통합한 하이브리드 시공간 생성적 적대 신경망인 ST-GAIN+를 제안한다.
본 논문은 실시간 센서 데이터와 앙상블 알고리즘 및 XAI 기술을 통합하여 중학생의 학업 성취도를 정확하게 예측하고 투명하고 개인화된 학습 개입을 생성하는 설명 가능한 머신러닝 및 IoT 프레임워크를 제안한다.
이 사전 등록된 연구는 대규모 언어 모델이 실시간 대화로부터 빅 파이브(Big Five) 성격 특성을 높은 내부 일관성과 수렴 타당도를 가지고 신뢰성 있게 추론할 수 있음을 보여주며, 특히 신경증과 우호성에서 두드만큼한 성능을 보이지만, 그 성능은 특성의 관찰 가능성과 프롬프트 전략에 따라 달라진다.
본 연구는 CICIoMT2024, CICIoT2023, 그리고 Edge-IIoTset 데이터셋을 사용하여 IoMT 네트워크를 위한 견고하고 경량화된 침입 탐지 프레임워크를 제안하며, 앙상블 모델인 XGBoost가 동일 도메인 시나리오에서 탁월한 성능을 보이는 반면, 특징 적합성 문제에도 불구하고 교차 도메인 환경에서 안정성과 효과성을 유지하기 위해서는 로지스틱 회귀와 같은 신중한 모델 선택이 매우 중요하다는 것을 입증한다.
본 연구는 동적인 클라우드 환경에서 정교한 공격에 대한 실시간 위협 탐지를 유의미하게 개선하고, 오탐을 줄이며, 사이버 복원력을 강화하기 위해 머신러닝을 제로 트러스트 원칙과 통합한 AI 강화 위협 인텔리전스 프레임워크를 제안한다.
이 논문은 다양한 분야에 걸쳐 과학적 프로세스의 기술을 표준화함으로써 구조화된 주석 달기, 재현성, 그리고 연구 간 비교를 가능하게 하기 위해 설계된, 전문가가 주석을 달아 만든 16개의 스키마로 구성된 최초의 다학제적 컬렉션인 SciSchema.org를 소개한다.
본 논문은 2×2 진단-개입 아키텍처와 믿음-수단-방법-정당화(BMMJ) 문법을 통해 기존 프레임워크를 통합함으로써, AI 보조 설계의 복합적이고 공존하는 위험 요소들을 분석하고 개입하기 위한 통일된 참조 계층으로서 인식론적 기능 진단(EFD)을 제안하며, 동시에 향후 실증적 검증의 필요성을 인정한다.
이 논문은 강화 학습과 합성곱 신경망을 결합하여 다양한 DNN 워크로드를 이종 네트워크 온 칩(Networks-on-Chip)에 동적으로 매핑함으로써 높은 처리량과 에너지 효율성을 유지하면서도 통신 비용, 부하 불균형 및 지연 시간을 크게 감소시키는 학습 인지형 적응형 프레임워크인 AMORL을 소개한다.
이 연구는 현대의 거대 언어 모델들이, 특히 고급 프롬프팅 기술에 의해 유도될 때, 인간 전문가와 대등하거나 이를 상회하는 정확도로 류마티스 내과 의뢰 분류를 자동화할 수 있음을 입증하며, 결과적으로 비용이 많이 드는 대규모 모델의 필요성을 효과적으로 제거한다.