4157 편의 논문
본 논문은 콘텐츠 중심 네트워크를 위한 Q-러닝 강화 콘텐츠 캐싱 기법인 LARC-QL을 제안하며, 이는 이중 Q-테이블과 실시간 수요 신호를 활용하여 캐싱 결정 및 경로 상 배치(on-path placement)를 동적으로 최적화함으로써 정적 전략 대비 캐시 적중률, 지연 시간 및 자원 효율성을 크게 향상시킨다.
이 논문은 8개 특징을 가진 Dense-Angle 인코딩과 RealAmplitude 안사츠(ansatz)를 사용하는 양자 오토인코더가 훨씬 적은 수의 샘플로 학습되었음에도 불구하고, BETH 데이터셋의 사이버 보안 이상 탐지에서 더 높은 F1 점수(0.87 대 0.77)를 달성함으로써 고전적 오토인코더보다 우수한 성능을 보임을 입증한다.
20편의 피어 리뷰된 연구를 대상으로 한 이 체계적 문헌 고찰은 고등 교육 분야에서 AI 기반 모바일 감독의 포스트 코로나 지형을 평가하며, 확장 가능한 시험 무결성을 위한 잠재력을 강조하는 동시에 모바일 특화 연구, 기술적 신뢰성, 그리고 개인정보 보호 및 알고리즘 편향과 같은 윤리적 문제에 관한 중대한 공백을 비판적으로 다룬다.
이 논문은 선형 셀프 어텐션 인코더를 사용하여 시스템 로그로부터 전체 문맥 정보를 직접 처리함으로써 로그 파싱의 필요성을 제거하고, 이를 통해 기존 방식보다 우수한 이상 탐지 정확도와 더 빠른 추론 속도를 달성하는 간소화된 모델인 AllLinLog을 소개한다.
이 논문은 소비자 가전제품을 양자 컴퓨팅 위협으로부터 보호하기 위해 RSA와 양자 키 분배(BB84 프로토콜 사용)를 결합한 하이브리드 암호화 모델을 제안하고 평가하며, 키 생성, 암호화 속도 및 중간자 공격에 대한 저항성 측면에서 향상된 성능을 입증한다.
본 논문은 진화하는 지식 그래프에서 동적이고 점진적인 온톨로지 정렬을 달성하기 위해 인지-계획-실행 워크플로우를 채택하여, 기존의 정적 방식에 비해 의미론적 정밀도를 향상시키고 업데이트 지연 시간을 줄이는 대규모 언어 모델 에이전트 프레임워크인 DOKA-Agent를 제안한다.
우주 사이버 보안 코퍼스를 활용한 본 연구는 그래프 토폴로지가 기술 출현 예측에 있어 문맥 의존적인 점진적 가치를 제공함에도 불구하고, 노드 수준의 시계열 이력이 이미 예측 정보의 대부분을 인코딩하고 있어 강력한 시계열 베이스라인 모델 대비 그래프 인지 모델이 보여주는 개선 효과는 미미하고 비균일하다는 것을 입증한다.
본 논문은 디코딩 스케줄을 재구조화하고 다단계 병렬성을 활용하여 CPU 베이스라인 대비 30배의 처리량 향상을 달성하면서도 낮은 코딩 손실과 대등한 스테가노분석 저항성을 유지하는 GPU 지향적 스테가노그래피 폴라 코딩 아키텍처인 CuSPC를 제시한다.
본 연구는 자율적 소프트웨어 개발을 위한 대규모 멀티 에이전트 시스템인 CodePori를 소개하며, 표준 벤치마크 지표를 넘어 주요 과제와 기회를 식별하기 위해 참가자 피드백을 통해 그 실제 적용 가능성을 실증적으로 평가한다.
본 연구는 AI 도구를 금지하기보다 활용하도록 컴퓨터 과학 과제를 재설계하기 위한 전략을 제안하고 평가하며, 반복적인 학습 주기, 전략적 시기 결정, 그리고 지속적인 피드백이 학업적 정직성을 유지하면서도 학생의 진정한 이해를 어떻게 향상시킬 수 있는지를 입증한다.