4132 篇论文
本研究表明，通过监督学习，企业防火墙决策可以从流量日志中近乎确定性地被重构，这揭示了高模型准确度往往反映的是对特定策略代理和上下文相关规则的复制，而非独立的威胁检测，从而在实现追溯性策略审计的同时，也凸显了在跨环境泛化和不确定性校准方面的显著局限性。
本研究表明，一种结合了卷积神经网络、循环神经网络以及基于大语言模型的数据增强与内容生成的混合人工智能框架，能够显著优化社交媒体上的客户获取，在对 VKontakte 社群内的目标群体和推广帖子进行分类方面达到了极高的准确率。
本文对工业5.0背景下生成式人工智能与数字孪生在预测性维护中的集成进行了系统性的文献综述，在分析当前趋势与挑战的同时，提出了一个新颖的“数据-模型-人类”框架，旨在指导未来智能制造领域中以人为本的研究。
本文介绍了 SA2A，一种意图驱动的系统智能体架构，它通过在请求者的入口处验证所有响应来强制执行相互零信任，从而在仅产生极小延迟和带宽开销的情况下，实现针对多样化攻击的鲁棒安全性以及对提供商变更的自动弹性。
本研究提出了一种针对川渝地区的证据分级教育知识图谱及可信推荐框架，该框架集成了细粒度内容提取、风险门控和学习者状态估计，旨在提供可验证的跨学科 K-12 资源推荐，同时显式地管理可追溯性与覆盖率之间的权衡。
本文提出了一种用于自主智能工厂的AI原生制造操作系统（M-OS），该系统将数字孪生、多智能体系统、物理信息机器学习和强化学习集成到一个统一的六层架构中，以实现调度、维护和质量控制之间的决策同步，同时概述了用于验证的数学框架和实验方案，但未呈现实证结果。
这项元分析表明，中小企业网络中基础遥测服务（AAA、NTP 和 Syslog）的配置错误会通过导致取证时间线崩溃、不可否认性丧失以及可见性盲点，从而严重削弱事件响应能力，进而凸显了使用无风险虚拟沙箱来主动识别并缓解这些系统性风险的必要性。
本文介绍了 ARQM，一种自动化需求质量管理工具，它利用现代人工智能、机器学习方法以及可解释人工智能，基于 IEEE 29148:2018 标准进行需求筛选和质量分析，展示了这些技术在学习通用模式的同时实现检测到的违规行为可视化的潜力。
本研究通过实证表明，传统的确定性安全工具无法检测出生成式人工智能在 CI/CD 流水线中引入的、具有上下文相关性且语法有效的漏洞，从而凸显了对概率性、意图感知验证框架的迫切需求。
本文提出了 GLFA-Net，一种实时无人机车辆检测框架，该框架集成了一个双向全局-局部特征聚合网络和一个并行混合注意力模块，以克服小目标检测和尺度变化等挑战，并在多个公开基准测试上实现了最先进的性能。