2456 papers
Deze systematische literatuurreview synthetiseert onderzoek van 2010 tot 2026 om aan te tonen dat cybersecurity-incidenten voortvloeien uit de complexe wisselwerking van cognitieve, sociale en organisatorische factoren in plaats van uit geïsoleerde gebruikersfouten, en stelt uiteindelijk een integraal mensgericht kader voor om deze kwetsbaarheden aan te pakken.
Dit artikel presenteert een op deep learning gebaseerd framework met behulp van TensorFlow en MediaPipe om realtime, contactloze handgebaarherkenning mogelijk te maken voor diverse toepassingen zoals mediacontrole, gaming en toegankelijkheid, wat een nauwkeurig en kosteneffectief alternatief biedt voor traditionele invoerapparaten.
Dit artikel stelt een multi-role simulatieframework voor met behulp van Large Language Models en Human-in-the-Loop validatie om een hoogwaardige, door experts geverifieerde synthetische dataset van Saoedische familierechtelijke echtscheidingszaken te genereren, waarmee het tekort aan echte gerechtelijke verslagen als gevolg van privacybeperkingen effectief wordt overwonnen.
Deze studie toont aan dat deep transfer learning, met name het gebruik van de EfficientNetB7- en ResNet50-modellen geoptimaliseerd met data-augmentatie en kruisvalidatie, een hoogprecisieclassificatie van histologische beelden van plaveiselcelcarcinoom van de mond bereikt, wat een veelbelovende oplossing biedt om de diagnostische nauwkeurigheid te verbeteren en variabiliteit tussen pathologen aan te pakken.
Deze empirische studie onderzoekt de ervaringen van creatieve beoefenaars in Iran met generatieve AI, waarbij wordt onthuld hoe geopolitieke beperkingen en technische limieten hun adoptie vormgeven via dominante mentale modellen van regisseurs, compensatoire arbeid en het ontstaan van een bottom-up "Folk Ethics" om systemische ongelijkheden te navigeren.
Dit artikel toont aan dat het integreren van een geautomatiseerde beveiligingsaudit-vaardigheid in het "vibe coding"-proces de beveiliging van door AI gegenereerde webapplicaties drastisch verbetert, waarbij het onbeheersbare risico met 99% vermindert en alle hoog-kritieke kwetsbaarheden elimineert in een gecontroleerde vergelijking van twee builds van dezelfde e-commerce demo.
Dit artikel stelt GTAN voor, een Graph-Temporal Attention Network dat Temporal Convolutional en Graph Attention encoders combineert met een Focal Contrastive Loss om effectief zeldzame intrusie-aanvallen in sterk ongebalanceerde Cyber-Physical Systems-verkeer te detecteren door zowel temporele sequenties als topologische relaties te modelleren.
Dit artikel stelt SPAT-UAD voor, een robuust framework voor de detectie van valse informatie dat semantisch behoudende adversariële training integreert met onzekerheidsbewuste adaptieve besluitvorming om bestaande baselines aanzienlijk te overtreffen in het afhandelen van oppervlakkige variaties en het verbeteren van de modelbetrouwbaarheid over meerdere datasets heen.
Dit artikel introduceert de Symbolic Log Shield, een neurosymbolisch framework dat de kwetsbaarheid van Large Language Models voor adversariële jailbreak-aanvallen bij netwerklogclassificatie aanzienlijk vermindert, waardoor hun anomaliedetectieprestaties effectief worden hersteld en zelfs worden verbeterd vanaf ernstig gedegradeerde niveaus.
Dit artikel presenteert een datagestuurd framework voor LAPAN-IPB LEO-satellieten dat een hybride SARIMAX-LSTM-spanningsvoorspeller en een Random Forest-classificator combineert om controleerbare, op bewijs gebaseerde missieaanbevelingen te genereren, waardoor de afhankelijkheid van niet-gedocumenteerde ervaring van operators wordt vervangen door een reproduceerbaar, objectief planningsproces.