2456 篇论文
本文介绍了网络风险治理成熟度模型（CRGMM）的开发与初步验证，这是一种创新的设计科学框架，通过将零信任原则集成其中，旨在评估并指导多机构数字政府平台的网络风险治理，并通过其在科威特 Sahel 系统中的应用进行了论证。
本文介绍了 CEDF-CS，这是一个无泄漏、类平衡的原型压缩框架，它在显著压缩大规模入侵检测数据集的同时保留了少数类攻击结构，使得资源受限的模型在工业物联网和企业网络基准测试上能够达到甚至超过全数据训练的性能。
本文提出了估值数据账本（VDL），这是一个集成了混合存储、访问控制和代币激励机制的许可链框架，旨在安全地统一碎片化的房地产估值数据，并通过合成评估证明其增强了自动化估值的准确性、实现了有效的欺诈检测，并支持隐私保护下的协同学习。
本文介绍了混合神经渲染（MiNeR），这是一个使用 HoloLens 2 的交互式混合现实流水线，它集成了实时采集、原位检测和可提示分割技术，旨在克服传统的获取限制并实现稳健的以物体为中心的神经 3D 重建。
HashGuard-FL 是一种新颖的联邦学习框架，它集成了一个可学习的基于哈希的 GAN 判别器，用于细粒度的多类攻击检测，并结合一个使用 SHAKE-256 和 CRYSTALS-Dilithium 签名的后量子审计层，以确保在不同基准测试中具备防篡改且抗量子的完整性。
本文诊断了由极端长尾类分布导致的甲骨文文字检测性能严重下降问题，并提出了 FAR-YOLO，这是一种通过频率感知采样和形态保持增强来显著提高少样本识别准确率，且不损害整体定位性能的解耦基准模型。
本文提出了 DP-DCGAN，一种通过采用自适应梯度裁剪和噪声注入来实现在标准数据集上达到隐私保护与高质量图像合成之间卓越平衡的差分隐私增强型深度卷积生成对抗网络。
本文为 CloudSimPlus 引入了一种由人工智能驱动的自适应负载均衡功能，该功能利用预训练的决策树模型，根据实时指标和用户定义的决策目标，从统一的策略框架中动态选择最合适的策略，从而增强动态云环境中的效率和决策能力。
本文认为，在SDN-IoT入侵检测系统中，相比于仅仅依赖差分隐私，优先考虑通过增强模型泛化能力来防止过拟合，是缓解成员推理和属性推理攻击更有效的策略，并据此提出了一种混合AOPRF-XGBoost级联模型，以在保持高检测准确率的同时保护隐私。
本文提出了 LA-MOCHS，一种具有生命周期感知能力的进化框架，该框架通过将服务能力建模为子模影响最大化问题，解决了水下无线传感器网络中的多目标簇头选择问题，从而通过负担感知部署策略而非单轮最优性，实现了卓越的长期网络可持续性。