💻 computer science

TPM-Free Post-Quantum Attestation for Legacy Industrial Control Devices Using Commodity-Hardware Trusted Execution

Dit artikel presenteert een hardware-onafhankelijk post-quantum attestatiemechanisme voor legacy industriële apparaten dat de hibernation-resume cyclus op commodity x86-platformen benut om de runtime-toestand te vangen en te ondertekenen met behulp van CRYSTALS-Dilithium, waardoor betrouwbare verificatie mogelijk wordt zonder dedicated beveiligingshardware zoals TPM's.

Tejasva Jadhav2026-07-29
💻 computer science

Hybrid Multi- Expert Deep Learning Framework for Operational SAR Maritime Surveillance and Dark Vessel Identification

Dit artikel stelt een hybride multi-expert deep learning framework voor dat een intelligent ResNet-50 routingmechanisme gebruikt om dynamisch gespecialiseerde detectiemodellen (YOLOv8 en SwinIR-verbeterde Mask R-CNN) te selecteren voor verschillende maritieme omgevingen, waarbij een hoge nauwkeurigheid wordt bereikt bij scheepsdetectie en donkere vaartuigen succesvol worden geïdentificeerd in real-world scenario's zoals de Straat van Singapore.

Syed Wajid Ali, Sudhir Nadda, Shivani Verma, Shuchismita Mishra2026-07-29
💻 computer science

Atlases Are Already Inside: Recovering Population Templates from Pretrained Diffusion Models

Dit artikel toont aan dat voorgetrainde diffusiemodellen impliciet populatieniveau anatomische atlasinformatie coderen binnen hun geleerde dynamiek, wat de directe reconstructie van scherpe, leeftijdsgeconditioneerde en registratie-competitieve hersentemplates mogelijk maakt door middel van deterministische inferentie zonder dat expliciete registratie of atlas-specifieke trainingsdoelstellingen vereist zijn.

Jian Shi, John Femiani, Peter Wonka2026-07-29
💻 computer science

BQEB ForecastBench: Benchmarking AI Models for Smart Grid Forecasting Using BQEB-Data v1

Dit artikel introduceert BQEB ForecastBench, een open benchmarking-framework dat gebruikmaakt van de BQEB-Data v1-dataset om de evaluatie van AI-modellen voor smart-grid voorspellingen te standaardiseren, waarbij door middel van baseline-experimenten wordt aangetoond dat lineaire regressie andere modellen overtreft bij het voorspellen van de elektriciteitsvraag en -prijzen, terwijl de inherente complexiteit van prijsvoorspelling wordt benadrukt.

Rakesh Kumar Agrawal2026-07-29
💻 computer science

When and What Will Customers Buy Next? A Dual-Task Deep Learning Framework for Repurchase Prediction in E-Commerce

Deze studie stelt een dual-task deep learning-framework voor op basis van LSTM dat gelijktijdig de timing van herhaalaankopen van klanten en de selectie van het volgende product voorspelt, waarbij een superieure prestatie wordt aangetoond ten opzichte van bestaande modellen op grootschalige e-commercegegevens en een praktisch AI-agentsysteem wordt geboden voor geautomatiseerde marketingoptimalisatie.

Gia Bao Huynh, Thi Thuy Hanh Nguyen2026-07-29
💻 computer science

Mapping Cybersecurity Standards to Higher-Education Maturity Domains: A Reproducible Cross-Framework Content Analysis

Deze studie maakt gebruik van een reproduceerbare inhoudsanalyse van een 50-records crosswalk om tien maturiteitsdomeinen voor cybersecurity in het hoger onderwijs af te zetten tegen tien gezaghebbende frameworks, waarbij wordt onthuld dat hoewel NIST CSF 2.0 uitgebreide dekking biedt, een gelaagde aanpak die algemene risico-, operationele, sectorspecifieke en AI-standaarden integreert noodzakelijk is voor effectief institutioneel bestuur.

Prof. Mohit Tiwari2026-07-29
💻 computer science

ChainTrust-LLM: Secure and Auditable Hallucination Mitigation in Medical LLMs Using Blockchain and Expert Feedback

Dit artikel introduceert ChainTrust-LLM, een nieuw framework dat deskundige feedback integreert met een op een DAG gebaseerd blockchain-ledger om hallucinaties in medische Large Language Models te detecteren en te mitigeren, waarbij een reductie van 64,8% in foutpercentages wordt bereikt terwijl veilige, controleerbare interacties met minimale latentie worden gewaarborgd.

Muhammad Ismail Mohamand2026-07-29