💻 计算机科学
A Generalized PNE Framework: Taking ChaCha Further in Syncopated Rhythm
本文引入了一种广义的概率中性表达式（PNE）框架，该框架结合了切分（syncopation）和进位保持（carry-preserving）等新技术，显著提升了针对轮缩减 ChaCha 的密钥恢复攻击，实现了对 ChaCha8 的首次相关密钥攻击，并破解了 256 位 ChaCha 的 7.5 轮。
💻 Category
cs
4092 篇论文
💻 计算机科学
A Novel Memory-Efficient MitM Attack on Ascon-Hash
本文提出了一种针对轮函数缩减版 Ascon-Hash 的新型内存高效型中间相遇攻击，该攻击利用 SAT 建模、高斯消元法和三角剖分技术，在保持现有最佳时间复杂度的同时，显著降低了内存复杂度。
💻 计算机科学
Federated Learning security with FedEDAuth: Embedding-Distribution Authentication for Counterfeit IC Detection
本文提出了 FedEDAuth，一种利用嵌入分布分析来检测并过滤恶意客户端的轻量级联邦学习框架，从而实现了对隐蔽性拜占庭数据投毒攻击的 100% 检测，并在协作式伪造集成电路检测中保持了高准确率。
💻 计算机科学
Generalizing the LoD Transition Space for Continuous Multi-Scale Representation using Straight Skeletons
本文提出了一种广义的细节层次（LoD）过渡空间框架，该框架利用基于骨架（straight-skeleton）的3D体积，实现了不同几何原语（多边形、折线和点）之间连续且拓扑一致的多尺度变换，从而支持跨越任意细节层次的平滑地图泛化。
💻 计算机科学
A New Evolutionary Strategy: Learn From the Best
本文介绍了一种名为“向最优者学习进化策略”（Learn From the Best Evolution Strategy, LFB-ES）的新型黑盒优化器，它通过迭代地引导种群向精英个体学习，从而增强了高维神经网络的训练，并实现了比 OpenAI-ES 和 CMA-ES 等经典方法更优越的收敛性和准确性。
💻 计算机科学
Ephemeral Subgraph Generation: Real-Time Knowledge GraphConstruction for Cross-System Investigation
本文提出了瞬态子图生成（Ephemeral Subgraph Generation, ESG），这是一种由大语言模型引导的实时方法，通过在异构工程系统中构建针对特定问题的临时知识图谱，旨在超越静态检索和固定跳数基准线，以进行跨系统调查，同时记录并解决评估过程中识别出的特定软件缺陷。
💻 计算机科学
A non-work conserving stateless core fair queuing scheduler for scalable deterministic networking
本文介绍了 N-SCORE，一种非工作守恒、无状态的核心公平队列调度器，它在保留现有有状态和工作守恒技术的最优端到端延迟界限的同时，显著提升了确定性网络中的抖动抑制能力和可扩展性。
💻 计算机科学
DINOv2 versus Supervised Visual Representations for Tooth-Level Multi- Label Diagnosis Classification on Panoramic Radiographs: A Frozen-Feature Sample-Efficiency Study
本研究表明，虽然冻结的 DINOv2-small 在全标注全景 X 光片上的表现并未显著优于经过 ImageNet 监督预训练的 ResNet50，但在标注预算受限的情况下，它在牙齿层级的多标签诊断分类中提供了更优的样本效率和性能。
💻 计算机科学
Quantum AIO-ChameleonGAN for Behaviour-Aware Quantum–Classical Intrusion Detection of Adaptive Cyber Threats
本研究引入了 Quantum AIO-ChameleonGAN，一种结合了用于上下文行为建模的角度入射优化（Angle of Incidence Optimization）与八比特变分量子电路（eight-qubit Variational Quantum Circuit）的混合量子-经典入侵检测框架，该框架在 CIC-UNSW-NB15 数据集上实现了 99.85% 的准确率并降低了 33.3% 的漏报率，同时通过态矢量模拟展示了表示能力的优势。
💻 计算机科学
Regional Style Recognition of Chinese Paper-Cutting Based on Deep Learning and Explainability Analysis
本文介绍了 CRPC-6 数据集，并通过深度学习与可解释性分析证明，中国剪纸的地域风格主要由独特的工艺技法而非主题语义所定义，且使用 ConvNeXt-Tiny 模型实现了 95% 的分类准确率。