📄 other
Symbolic Log Shield - an adversarial resistant neurosymbolic framework for network log classification
本文介绍了符号日志屏蔽（Symbolic Log Shield），这是一种神经符号框架，它显著减轻了大型语言模型在网络日志分类中面对对抗性越狱攻击的脆弱性，有效地将异常检测性能从严重退化的水平恢复甚至提升至更高水平。
💻 Category
cs
927 篇论文
📄 other
Data-Driven Mission Recommendation for LEO Satellites using Random Forest and Hybrid Deep Learning Forecasting
本文提出了一种针对 LAPAN-IPB 低轨卫星的数据驱动框架，该框架结合了混合 SARIMAX-LSTM 电压预测器和随机森林分类器，以生成可审计、基于证据的任务建议，从而通过一种可复现、客观的调度流程取代对未经记录的操作员经验的依赖。
📄 other
MRT: A Mamba-based Framework with Reusable Transformer for Scene Text Recognition
本文提出了 MRT，一种场景文本识别框架，该框架结合了用于高效局部空间聚合的邻域注意力增强型 Mamba 以及用于双向全局上下文的权重共享可重用 Transformer，在多个基准测试中实现了卓越的准确率与效率权衡。
📄 other
Federated Learning for Distributed Cyber Threat Detection: A Systematic Review of Architectures, Applications, and Open Challenges
本综述分析了用于分布式网络威胁检测的联邦学习架构、应用及挑战，强调了向去中心化模型转变以解决隐私和带宽限制的趋势，同时指出非独立同分布（non-IID）数据和对抗性攻击是有效实施的关键障碍。
📄 other
Fast One-Step Multi-View Clustering Based on the Tensor Log-Determinant
本文提出了一种快速的一步式多视图聚类方法，该方法将谱聚类与非负矩阵分解与张量对数行列式正则化相统一，以有效捕捉高阶跨视图相关性，并实现比现有最先进方法更优越的性能和可扩展性。
📄 other
An REAE-LTransformer model for lithium-ion battery RUL prediction based on IFVIM
本文提出了一种由改进四向量智能元启发式（IFVIM）算法优化的 REAE-LTransformer 模型，通过有效提取退化特征、捕捉长期依赖关系并最小化预测误差，以准确预测锂离子电池的剩余使用寿命，在多个数据集上实现了卓越的性能，其平均绝对误差（MAE）低于 0.024 且决定系数（R²）超过 0.99。
📄 other
A Lightweight Appearance-Guided Association Module for Underwater Multi-Fish Tracking
本文提出了一种基于 XGBoost 的轻量级外观引导关联模块，该模块将颜色、梯度和形态学描述符集成到 SORT 框架中，旨在显著减少身份切换并提高实时水下监测中密集养殖鱼类的跟踪精度。
📄 other
A Scalable Hybrid Encryption Framework Based on Unimodular Hill Cipher, Logistic Chaotic Key Generation, and AES-CBC for Secure Binary File Protection
本文提出了一种可扩展的混合加密框架，该框架结合了用于混沌密钥生成的密码派生逻辑映射（Logistic Map）、用于构建大尺寸可逆矩阵的动态单模希尔密码（Unimodular Hill Cipher）以及 AES-CBC，旨在为通用二进制文件提供具有近乎理想熵值且具备强抗密码分析能力的鲁棒、格式无关的安全保障。
📄 other
Pivot-WFSM: Memory-Scalable Weighted Subgraph Mining by On-Demand Re-Matching
Pivot-WFSM 引入了一种具有内存可扩展性的加权频繁子图挖掘方法，该方法通过以按需重匹配取代传统的嵌入存储，大幅降低了峰值内存使用量，并使得分析此前会导致内存溢出故障的大型多重图数据库成为可能。
📄 other
A Scoring-Based Approach for Structuredness-Aware Business Process Classification
本文提出并评估了一种基于评分的方法，该方法通过分析事件日志中细粒度的时序和存在性活动关系，自动将业务流程划分为结构化类别（结构化、半结构化、松散结构化和非结构化），以解决流程挖掘中缺乏自动化支持的问题。