4092 artigos
Este artigo propõe um novo framework de detecção de intrusão que combina um autoencoder empilhado de dois estágios para extração de características profundas com um agente de aprendizado por reforço profundo baseado em Otimização de Política Próxima, demonstrando desempenho e eficiência competitivos através de múltiplos conjuntos de dados de referência.
Este artigo propõe um método de reconhecimento sequencial baseado em confiança-convergência para alvos móveis subaquáticos que atualiza dinamicamente a confiança do tipo de comportamento e aceita decisões apenas quando a dominância, a estabilidade temporal e a separação entre classes são conjuntamente satisfeitas, melhorando significativamente a precisão e reduzindo erros sob observações limitadas e incertas em comparação com as linhas de base existentes.
O artigo propõe o HiRoC, um framework de reconhecimento de emoções multimodal que aumenta a precisão da predição ao rotear seletivamente o histórico conversacional relevante através de grafos tipados por falante e calibrar decisões usando o desacordo intermodal para abordar limitações em métodos baseados em grafos existentes.
Este artigo apresenta um método automatizado e escalável que combina análise estática interprocedural com rastreamento de fluxo de controle e dependência de dados para detectar com precisão loops naturais e determinar suas contagens de iteração em código binário otimizado, alcançando alta precisão e escalabilidade em softwares reais e suítes de benchmarks.
Este artigo estabelece um benchmark reprodutível demonstrando que, embora os dados completos de pose do HMD possam modelar eficazmente certos resultados subjetivos de RV, como a presença espacial, eles servem melhor como um sinal comportamental complementar aos questionários tradicionais em vez de um substituto completo, com a recuperabilidade variando significativamente entre diferentes construtos, tais como usabilidade, carga de trabalho e enjoo de movimento (cybersickness).
Este artigo propõe uma estrutura de avaliação sensível ao custo e explicável para a predição de Doença Renal Crônica que demonstra como a otimização dos limiares de decisão e a priorização da prevenção de falsos negativos, juntamente com a análise de interpretabilidade que confirma a plausibilidade clínica, aumenta a adequação de modelos de aprendizado de máquina para o suporte à decisão clínica.
Este artigo apresenta um grafo de conhecimento baseado em Neo4j que transforma a documentação estática do MITRE ATLAS em um sistema consultável e fundamentado em LLM, interconectado com o OWASP Top 10 para Aplicações de LLM, permitindo que profissionais realizem o raciocínio de ameaças, identifiquem 40 técnicas de IA generativa não mitigadas e demonstrem a natureza ortogonal das táticas do ATLAS e das categorias de risco do OWASP.
Este artigo propõe o Security-Aware Semantic Validation Framework (SSVF), uma nova abordagem consciente da execução que transforma planos de execução de banco de dados em conhecimento semântico estruturado para detectar ataques sofisticados de injeção de SQL e aumentar a segurança de bancos de dados relacionais por meio de validação inteligente e explicável.
Este artigo demonstra que classificadores de segurança de prompts treinados em benchmarks sintéticos sofrem de um descompasso de distribuição significativo quando aplicados a entradas escritas por humanos, levando a uma queda substancial no recall e a um aumento acentuado de falsos positivos que não pode ser resolvido simplesmente aumentando a complexidade do modelo.
Este artigo apresenta o MedGemma StructCore, um pipeline de dois estágios e de prioridade local que utiliza modelos MedGemma 4B ajustados para converter notas clínicas não estruturadas em fatos KVT4 auditáveis para avaliação de risco de readmissão, demonstrando que, embora os dados estruturados adicionem sinal preditivo e garantam estabilidade de formato em hardware de consumo, o sistema requer validação adicional para precisão de extração e calibração de probabilidade antes da implantação clínica.