💻 computer science

TAH-GAN: Time-Aware Hybrid Generative Adversarial Network for Robust Android Malware Evasion

本文介绍了 TAH-GAN,这是一种结合了傅里叶时间编码和双门控质量控制的时间感知混合生成对抗网络,用于生成面向未来的 Android 恶意软件样本,有效地解决了时间概念漂移问题,并且与现有的非时间性基准模型相比,实现了更高的规避率和更强的时间相干性。

Daniel Jeremiah, Jalil Md D, Husnain Rafiq2026-09-07
💻 computer science

A 2-Level Stacking Ensemble Framework for Multi-Class Alzheimer’s Disease Diagnosis Using CNN Feature Extractors and SVM-XGBoost Classifiers

本研究提出了一种两层堆叠集成框架,该框架整合了来自 ResNet152、DenseNet121 和自定义 CNN 的特征,通过 PCA 进行处理,并由 SVM 和 XGBoost 进行分类,旨在通过对阿尔茨海默病进行四分类 MRI 扫描诊断实现近乎完美的准确率(0.9997),显著优于现有的最先进基准模型。

Shashi Kant Mourya, Ajit Kr. Singh Yadav2026-09-07
💻 computer science

Disentangling Mechanism, Budget, and Coverage in Data Augmentation for Imbalanced Malware Family Classification

本文解构了深度生成模型在不平衡恶意软件分类中生成机制、增强预算和覆盖范围的影响,发现虽然大多数因素带来的性能增益微乎其微,但增加增强预算能为 RBF-SVM 分类器提供微小但可复现的改进,从而凸显了在评估数据增强策略时实验设计的重要性。

Kiana Bakrani Balani, Fabio Di Troia2026-09-07
💻 computer science

The Query Cannot See the Question: A Short Convolution's Reach Decides Which Part of a Query Conditions Retrieval, and What Falls Outside Becomes a Confident Wrong Answer

本文表明,线性注意力机制和状态空间模型中短因果深度卷积(short causal depthwise convolution)施加了一个硬性的、不可降解的限制,即限定了查询(query)的哪些部分可以用于调节检索,导致当关键信息落在这一狭窄窗口之外时,模型会自信地生成错误的答案,这种失效在浅层架构中持续存在,但可以通过更深层的架构或更大的卷积核来缓解。

Maximiliano Rodrigo Speranza2026-09-07