4157 篇论文
本文提出了一种基于 Neo4j 的知识图谱，该图谱将静态的 MITRE ATLAS 文档转化为一个可查询且以大语言模型（LLM）为基础的系统，并将其与 OWASP LLM 应用十大风险进行交叉链接，从而使从业人员能够进行威胁推理、识别 40 个未缓解的生成式 AI 技术，并证明 ATLAS 战术与 OWASP 风险类别之间的正交特性。
本文提出了安全感知语义验证框架（SSVF），这是一种新颖的执行感知方法，通过将数据库执行计划转化为结构化语义知识，以检测复杂的 SQL 注入攻击，并通过智能且可解释的验证来增强关系数据库的安全性。
本文表明，在合成基准测试上训练的提示词安全性分类器在应用于人类编写的输入时，会遭受显著的分布失配问题，导致召回率大幅下降以及误报率剧增，而这一问题无法通过单纯增加模型复杂度来解决。
本文介绍了 MedGemma StructCore，这是一个采用经过微调的 MedGemma 4B 模型、用于将非结构化临床笔记转换为可审计 KVT4 事实以进行再入院风险评估的本地优先两阶段流水线，并证明了虽然结构化数据增加了预测信号并确保了在消费级硬件上的格式稳定性，但在临床部署前，该系统仍需针对提取准确性和概率校准进行进一步验证。
本文提出了一种使用因子分解拉格朗日Q学习的约束马尔可夫决策过程（CMDP）框架，通过显式强制执行服务失败率的公平性阈值来优化共享微出行再平衡，并通过合成网络和海牙的真实案例研究进行了验证。
本文提出了一种用于基于 Web 的凭据保险库的客户端安全架构，该架构通过结合 WebAuthn 的 PRF 扩展、对称密码学以及优化的浏览器存储模式，实现了强大的零知识属性。
本文介绍了 AeroGround，这是一个源自美国公共领域数据的开放式、基于引用的航空数据集，旨在支持训练和评估能够提供权威、有引证依据的回答，或在证据不足时进行校准式弃答的可信语言模型。
本文对应用于“Aadarshvelu”数据集匿名临床记录的机器学习算法进行了对比分析，证明了所提出的标签注意力模型在预测肝硬化分期方面实现了卓越的诊断准确率（94.05%）和F1分数（95.05%），从而为增强早期检测和临床决策提供了一种具有成本效益的工具。
该论文介绍了 SPIDER-WEB，这是一个全能型编码框架，能够在 DNA 测序过程中实现实时、并发的数据检索，其效率较传统方法提升了高达 9,083 倍，并展示了紧凑型光盘级的性能，在 100 秒内成功完成了视频渲染。
本范围综述分析了现有的数字健康系统物联网安全框架，揭示了尽管目前的解决方案通常针对特定领域，但仍缺乏全面的集成，并确定了漏洞评估、威胁建模和人工智能等关键要素对于开发稳健且主动的防御机制至关重要。