💻 computer science
Blockchain-focused Cyber Security for the Detection and Protection of Denial of Service (DoS) Attacks
本研究提出了一种集成区块链的网络安全框架，该框架利用卷积神经网络（CNN）模型，在基于人工智能的网络系统中实现了 98.3% 的检测准确率和 100% 的拒绝服务（DoS）攻击防御能力。
💻 Category
cs
927 篇论文
💻 computer science
How AI-Generated Prompts Shape Emotional Expression in Digital Drawing: Effects on Visual Complexity, Creative Engagement, and Arousal
本研究表明，AI辅助提示增强了数字绘画中的视觉复杂度和行为参与度，同时揭示了机器学习模型在基于这些绘画特征预测宽泛的情感类别方面，比预测细粒度的情绪表现得更好。
💻 computer science
DIT: A Decentralized Identity and Trust Protocol for Post-Quantum CA-Free Web Authentication
DIT 是一种去中心化的、后量子安全的身份验证协议，它通过将域名身份锚定在经 DNSSEC 验证的 ML-DSA-65 密钥中，并利用结合了 X25519MLKEM768 握手与 Merkle 透明日志的技术，消除了传统的 CA 层级结构，从而在无需中心化证书颁发机构的情况下提供高效且可撤销的信任。
💻 computer science
Uncertainty-Guided Triple-Memory Fusion for Robust Multi-Object Tracking
本文提出了一种不确定性引导的三重记忆融合框架，该框架利用概率性 Mamba 来量化运动不确定性，并动态融合运动、外观和类别记忆，从而在复杂的动态场景中实现了鲁棒多目标跟踪的最先进性能。
💻 computer science
A Grayscale image encryption using cubic fractional transformation and logistic map
本文提出了一种结合了由三次分式变换生成的 S 盒与逻辑映射以执行置换、扩散和基于异或的置乱的灰度图像加密方案，通过全面的统计分析和密钥敏感性分析证明了其鲁棒的安全性。
💻 computer science
Artificial Intelligence Framework for Audit-Ready Pharmaceutical Manufacturing Under Explainability, Fairness, and Regulatory Transparency Constraints
本研究提出了一种用于制药制造的综合性人工智能框架，该框架将预测建模与可解释性、公平性、校准、漂移监测以及监管追溯性相结合，以确保决策具备可审计且可辩护的质量治理能力。
💻 computer science
Seeing quality through AI: YOLOv11 for automated grading of dried sea cucumber processing methods
本研究表明，轻量化 YOLO11n 深度学习模型能够实现对密集目标图像中干海参加工方法（盐渍、熏制和烘烤）的近乎完美的自动分类，为质量分级提供了一种稳健的、非破坏性的替代方案，以取代主观的人工检查。
💻 computer science
Semantic-Guided Multi-Scale Dual-Teacher Distillation Network for Medical and Industrial Anomaly Detection
本文提出了 SGMS-DTDNet，一种语义引导的多尺度双教师蒸馏网络，该网络通过整合领域特定语义、结构先验和自适应特征选择，克服了异常样本稀缺和缺陷形态异构等挑战，从而在统一的医疗与工业异常检测中实现了最先进的性能。
💻 computer science
Beyond full fine-tuning: enhancing generalizability in ECG foundation models' downstream adaptation
本研究表明，参数高效微调（PEFT）策略（如部分微调和 BitFit）在心电图基础模型中优于全量微调，能够显著增强泛化能力并减少过拟合，尤其是在分布外数据和资源受限的场景下。
💻 computer science
Repair Instead of Retraining: A Constraint-Guided Framework for Neural Network Repair
本文引入了一种约束引导的框架，该框架通过 DeepSHAP 定位故障相关权重、通过混合符号执行测试收集符号约束，并利用 Max-SMT 优化更新，从而修复已部署的神经网络，并通过广泛的实验证明，系统的设计空间探索能够揭示关键的修复策略——例如仅针对偏置的修改——这些策略在显著降低对抗性与后门漏洞的同时，仍能保持模型的保真度。