cs 篇论文 | Gist.Science

本文提出了一种自适应重构感知证据融合框架，该框架通过异常引导交互和可靠性路由，将空间判别分支与重构感知分支相集成，从而实现对跨未知生成器及后处理扰动的扩散生成图像的鲁棒且泛化检测。

本文提出了一种混合深度统计框架，该框架集成了时间卷积自编码器、概率残差模型和极值校准，旨在实现多变量传感器流中鲁棒、可解释且自适应的异常检测，并通过在六个多样化基准测试中与 Transformer 和对比学习基准进行比较，证明了其卓越的性能并降低了检测延迟。

本文提出了一种名为 TWLASBMSL 的新方法，该方法通过整合形态句法链接来确保语法正确性，同时在情感分析和文本分类任务中有效地欺骗目标模型，从而生成藏语词级对抗样本。

本文介绍了 DRS-Track，这是一种增强型多目标跟踪框架，它通过集成动态采样、感受野注意力以及跨尺度共享检测头，来克服尺度变化和遮挡等挑战，并在自建数据集和 KITTI 基准测试上均实现了卓越的性能。

本文提出了一种高能效、鲁棒且具可解释性的神经形态计算系统，该系统利用脉冲神经网络和硬件感知训练，通过临床生物标志物实现高精度、实时的肝脏疾病检测，为传统的计算密集型模型提供了一种更优的替代方案。

本文提出了分层传感器融合边缘智能结合数字孪生反馈（HSEI-DTF）框架，这是一种多层预测性维护系统，该系统集成了基于边缘的多模态信号处理、混合机器学习模型以及物理启发式数字孪生同步技术，旨在显著降低工业物联网环境中的设备停机时间和漏报率，同时实现高精度与低延迟。

本文提出了一种动态操纵超图框架，将演化的多实体交互建模为高阶关系单元而非成对边，在 EPIC-KITCHENS-100/VISOR 和 Assembly101 数据集上的细粒度人类活动识别中实现了显著的性能提升。

本文证明了受限物联网设备上的 TinyML 模型容易受到隐蔽的电压和电磁故障注入攻击，这类攻击会降低准确率或强制产生可预测的输出，并提出了随机自归约（Randomized Self-Reduction）和多数投票法作为增强其鲁棒性的有效对策。

本文证明了中心化补码掩码在本质上比无符号掩码更容易受到侧信道攻击，并提供了精确的有限噪声最优攻击、一种新的频谱泄漏定律以及证明在大多数实际模数下无符号存储能最小化泄漏的容量界限。

本文介绍了设计、实现及一种通过位置完整性和密钥条件变化来抵御标准攻击的动态会话密钥驱动对称替换密码的安全性分析，同时利用机器学习模型对其性能进行了评估，旨在将其确立为一种高效的实时加密替代方案。