Dual Spatial-Temporal Shapley Attribution for Explainable Anomaly Detection in Dynamic Social Graphs
本文引入了一种事后解释性框架,该框架通过生成双重时空 Shapley 归因来识别影响力邻居和历史快照,从而增强了高性能动态社交图谱异常检测器 TADDY,在不损害检测准确性的情况下实现了高保真度和充分性指标。
4092 篇论文
本文引入了一种事后解释性框架,该框架通过生成双重时空 Shapley 归因来识别影响力邻居和历史快照,从而增强了高性能动态社交图谱异常检测器 TADDY,在不损害检测准确性的情况下实现了高保真度和充分性指标。
本文介绍了一种用于动态图半监督异常检测的框架,该框架提供了精确的闭式偏差归因,并学习一个摊销事件掩码以在对检测性能零影响的情况下解释决策,同时揭示了警报往往同样源于个体节点行为和群体基准偏移。
本文提出了 CitationGuard,这是一个结合了孤立森林异常检测与加权证据融合的多证据框架,旨在生成一个混合怀疑评分(Hybrid Suspicion Score),用于对数字图书馆中需要验证的文献记录进行优先级排序。
本文提出了一种开销感知多层图学习框架(Attn-ML-GCN),该框架将基于RPL的IoT网络建模为四层图,通过捕捉结构化和时间性的攻击传播,有效检测多种攻击家族,在实现显著高于平坦特征基准检测准确率的同时,为网络开销的影响提供可解释性的见解。
本文介绍了 PVApp,这是一个利用 Firebase 和二维码扫描技术实现的云端支持型移动框架,旨在实现加纳消费产品的实时验证、审批状态查询及事故报告,并通过功能测试成功验证了其在应对假冒伪劣及劣质商品挑战方面的有效性。
本文提出了一种自优化企业级 RAG+SQL 知识智能体,这是一种中间件架构,它通过统一具备模式感知能力的 SQL 转换、混合文档与图谱检索以及自适应模型路由,将复杂的企业级问答处理为一个针对异构知识工具的自优化控制问题。
本文通过一个案例研究表明,一个在遵循“规范优先”协议、且在没有人工代码审查或预设测试判据的情况下运行的 AI 编程智能体,通过在三天内迭代优化形式化规范并修复 201 个缺陷,成功拆解了一个跨越 189 个文件、涉及 71.7 万行 TypeScript 代码库的核心架构不变性,而总成本仅为 2,430 美元。
本文提出了一种风险感知且由提示引导的 CNN–LLM 框架,该框架将深度视觉感知与放射科专家反馈相结合,以生成准确、具有临床可解释性且具备抗偏差能力的脑部 MRI 诊断报告,在报告质量和一致性方面显著优于传统方法。
本文提出了一种基于 ModernBERT 的 Web 应用防火墙,通过一个与端点无关的预处理流水线缓解了由端点偏差导致的数据集标签泄漏问题,在不依赖请求路径的情况下,实现了超过 99.7% 的多类 HTTP 攻击检测准确率和低延迟。
本文介绍了对抗性应急拍卖(Adversarial Contingency Auctions, ACA),这是一种去中心化的多机器人任务分配框架,它通过整合应急分支树和贝叶斯信念模型,使机器人能够在无需全局重新拍卖的情况下,实现针对对抗性路径阻塞的自主局部恢复,从而在动态且不确定的环境中显著提高任务完成率并降低通信开销。