💻 计算机科学
A Privacy-Aware and Communication-Efficient Federated Spam Detection Framework for Multi-Cloud Environments
本文提出了 FPSD-MCP，一种将安全多方计算、同态加密与自适应聚合策略相结合的新型联邦学习框架，旨在为异构多云环境提供一种可扩展、保护隐私且通信高效的垃圾邮件检测解决方案。
💻 Category
cs
4157 篇论文
💻 计算机科学
Intent-Guided Diffusion with Adaptive Intent Fusion for User Cold-Start Recommendation
本文提出了意图引导扩散模型（Intent-Guided Diffusion Model, IGDM），这是一个通过从历史数据中提取可迁移的潜在意图原型，将其与稀疏的用户行为进行自适应融合，并以此引导基于扩散的去噪过程以优化偏好估计，从而在多个真实世界数据集上超越现有基准模型的创新框架，旨在增强用户冷启动推荐。
💻 计算机科学
TRIDIS: A Comprehensive Medieval and Early Modern Corpus for Handwritten Text Recognition and Named Entity Recognition
本文介绍了 TRIDIS，这是一个开放且统一的中世纪及近代早期手写文档语料库，旨在支持手写文本识别与命名实体识别，同时提出了一种创新的基于离群值的评估策略，以解决传统随机划分在遗产文献基准测试中的局限性。
💻 计算机科学
Aye-Aye Optimizer (AAO): A Bio-Inspired Metaheuristic Algorithm Based on the Percussive Foraging Strategy
本文介绍了一种名为 Aye-Aye 优化器（AAO）的新型仿生元启发式算法，该算法通过模拟 Aye-Aye 狐猴的敲击觅食策略，利用三个自适应阶段来实现探索与开发之间的卓越平衡、更快的收敛速度，并在基准测试和现实世界优化问题上表现出稳健的性能。
💻 计算机科学
Structured Extraction and Standardized Reconstruction of Machining Process Documents Based on Vision Language Model under Low Resource Constraints
本文提出了一种基于视觉语言模型的框架，通过约束示例验证反馈与置信度评估，在低资源约束下实现了异构加工工艺文档的高精度结构化提取与标准化重构，有效减少了幻觉现象并实现了智能制造中的知识数字化。
💻 计算机科学
Cybersecurity Risk Assessment of Smart Home IoT Ecosystems in the MENA Region
本研究通过对164名阿拉伯语用户的调查，评估了中东及北非地区智能家居物联网生态系统的网络安全风险，揭示了高度的隐私担忧和不一致的保护实践，并提出了从用户意识提升到区块链赋能解决方案的多层级安全建议。
💻 计算机科学
An Intelligent Symptom Based Disease Prediction and Preventive Healthcare Framework Using Hyper Parameterized Machine Learning Technique
本文提出了 HyperTuneMed，这是一个利用超参数化逻辑回归算法，根据用户症状预测疾病，并提供个性化预防性医疗保健建议的智能框架，其准确率高达 98.983%。
💻 计算机科学
Formal Verification of Smart Contracts for EEG Data Governance: A Case Study with Slither and Formal Specification
本文表明，虽然 Slither 和 Mythril 等自动化工具能有效检测已知的漏洞模式，但形式化规范对于验证基于区块链的脑电图（EEG）数据治理中的逻辑正确性并确保安全性至关重要，因为该规范唯一识别出了自动化工具未能发现的一个种子数组越界漏洞。
💻 计算机科学
Innovative Strategies for Efficient Traffic Sign Prediction using Dense-CN Net Classification
本文提出了一种创新的交通标志预测框架，该框架集成了非局部均值预处理、改进的 U-Net 架构、密集卷积神经网络（Dense CNN）分类以及用于超参数调优的岩蹄兔群优化算法，在 TT100K 数据集上达到了 99.64% 的精度，并在 GTSDB 数据集上达到了 99.6% 的精度，实现了最先进的性能。
💻 计算机科学
EDNet-20: Enhancing Multi-Label Ocular Disease Detection through Deep Learning Optimization
本文介绍了 EDNet-20，这是一种通过光度数据增强和可解释人工智能技术进行优化的新型深度学习框架，其多标签眼部疾病检测准确率优于现有的最先进模型，为早期临床诊断提供了一个极具前景的工具。