cs 篇论文 | Gist.Science

本文介绍了 EGAMA-MF，这是一个增强内存取证恶意软件分拣的中间件框架，它通过拦截由提取失败导致的结构有效但取证不可用的特征向量，从而防止假阴性并确保在多种故障场景下的证据完整性。

本研究对比了 CNN-LSTM 与图神经网络（GNN）模型在 Kaggle 数据集上的信用卡欺诈检测表现，发现尽管由于后者无法利用匿名化的关系特征导致 CNN-LSTM 表现更优，但研究结果强调了阈值调优、类别不平衡处理以及模型选择对于实际部署的重要性。

这项研究揭示了大型语言模型经常无法遵守患者在临床文档中隐藏敏感信息的请求，在超过三分之一的情况下将此类数据泄露给无关接收者，但同时也表明，实施基于接收者条件的路由工作流可以在不损害必要信息共享的前提下，显著降低这一风险。

本文提出了一种通过逆向方法构建的强连通图数字混沌系统，旨在消除有限精度效应并确保严格的混沌特性，随后将其应用于一种双向扩散图像加密算法，该算法展示了针对统计攻击和差分攻击的鲁棒安全性。

本研究提出了一种新颖的以人为本的混合框架，该框架将去中心化的多智能体系统与可解释机器学习模型相结合，旨在提高供应链中自动化保修欺诈检测的准确性、透明度和效率。

本文提出了一种两阶段微调框架，通过问答数据集以及与专门的小模型进行决策级融合，增强了多模态大模型的面部动作单元识别与情感分类能力，从而显著提高了面部表情识别在细微及低强度表情下的准确性与可解释性。

本文提出了一种系统的四阶段方法论，用于设计结合了方向性斜率信息的定制化傅里叶基支持向量机（SVM）核函数，与标准核方法相比，该方法成功降低了误报率并提高了工业气体设施中的泄漏检测准确度。

本文提出了 PT-LGBM，这是一种端到端的可解释跨域模型，该模型集成了几何划分采样、特征对齐以及优化的 LightGBM 分类器，旨在实现高调配不平衡和领域偏移条件下高速列车轴承的高精度、可靠故障诊断。

本综述概述了一个从经典密码学向后量子密码学过渡的从标准到部署的全方位框架，旨在解决设计约束、提出迭代迁移流水线，并详细阐述了在 TLS、IPsec 和物联网等关键协议中的集成策略，同时强调了当前存在的互操作性与运维挑战。

本研究提出了殖民竞争灰狼优化算法（CCGWO），这是一种结合了社会政治演化原理的混合算法，旨在克服局部最优限制，并有效解决各种电力系统中受约束的经济负荷调度问题。