TPM-Free Post-Quantum Attestation for Legacy Industrial Control Devices Using Commodity-Hardware Trusted Execution
本文提出了一种针对遗留工业设备的硬件无关后量子证明机制,该机制利用商用 x86 平台的休眠-恢复周期来捕获并使用 CRYSTALS-Dilithium 对运行时状态进行签名,从而在无需 TPM 等专用安全硬件的情况下实现可信验证。
2403 篇论文
本文提出了一种针对遗留工业设备的硬件无关后量子证明机制,该机制利用商用 x86 平台的休眠-恢复周期来捕获并使用 CRYSTALS-Dilithium 对运行时状态进行签名,从而在无需 TPM 等专用安全硬件的情况下实现可信验证。
本文提出了一种混合多专家深度学习框架,该框架利用智能 ResNet-50 路由机制,针对不同的海事环境动态选择专门的检测模型(YOLOv8 和经 SwinIR 增强的 Mask R-CNN),在船舶检测方面实现了高精度,并成功识别了新加坡海峡等真实场景中的暗船。
本文表明,预训练扩散模型在其学习到的动力学机制中隐式地编码了群体层面的解剖图谱,从而能够通过确定性推理直接恢复出清晰的、基于年龄调节且具有配准竞争力的脑模板,而无需显式的配准或特定图谱的训练目标。
本文介绍了 BQEB ForecastBench,这是一个利用 BQEB-Data v1 数据集来标准化评估智能电网预测 AI 模型的开放基准测试框架,并通过基准实验证明了线性回归在预测电力负荷和价格方面优于其他模型,同时也强调了价格预测内在的复杂性。
本研究提出了一种基于 LSTM 的双任务深度学习框架,该框架能够同时预测客户的复购时机与下一件产品的选择,在处理大规模电子商务数据时展现出优于现有模型的性能,并为自动化营销优化提供了一个实用的 AI 智能体系统。
本文介绍了近邻保持神经细分(Proximity-Preserving Neural Subdivision, PNS),这是一种可训练的细分规则,它通过一种受限且由曲率门控的修正来增强 Loop 细分,从而在严格保持刚性运动等变性、平面再生性和谱稳定性等本质结构属性的同时,自适应地捕捉局部几何特征。
本文通过一项系统性的文献综述,综合了当前的治理需求,并识别了在自主数据生态系统中建立可信、透明且负责任的机器间通信所必需的关键研究空白。
本研究通过对一个包含50条记录的对照表进行可复现的内容分析,将十个高等教育网络安全成熟度领域与十个权威框架进行了映射,结果表明,虽然 NIST CSF 2.0 提供了全面的覆盖,但仍需采用一种整合了通用风险、运营、特定行业以及人工智能标准的层级化方法,以实现有效的机构治理。
这项探索性研究分析了 2022 年至 2024 年间越南的 607 个电子商务网络钓鱼网站,旨在揭示攻击者如何日益通过冒充 Shopee 和 Tiki 等主要平台,并不断调整包括 URL 结构和协议在内的技术手段,以规避检测。
本文介绍了 ChainTrust-LLM,这是一个将专家反馈与基于有向无环图(DAG)的区块链账本相结合的新型框架,旨在检测并缓解医疗大语言模型中的幻觉问题,在确保安全、可审计交互且保持极低延迟的同时,实现了错误率 64.8% 的降低。