TriFleetRCA: On-Premise LLM Root Cause Analysis for Kubernetes
论文针对远程站点/边缘环境的 Kubernetes 根因分析（RCA）痛点展开研究。当前运维场景中，故障证据分散在 Pod 日志、Kubernetes 事件与集群级对象里，跨源关联耗时且依赖人工经验；同时许多企业出于合规与数据主权要求，无法
#cs.LG
共收录 1064 条相关情报。
← 返回所有主题StyleAT: Defending Face Recognition Against Semantic Attacks
该论文研究人脸识别模型在"语义对抗编辑"下的脆弱性问题。背景是:人脸识别已被广泛嵌入日常身份认证与视频监控系统,而近期工作发现,对输入图像做对抗性但语义层面看似合理的修改(例如轻微改变年龄外观、调整头部姿态),就能诱导模型产生误分类。这类语
An LLM-Assisted AutoML Framework for Intrusion Detection in IoT Networks
该论文面向物联网（IoT）环境下的入侵检测系统（IDS）构建效率问题展开研究。IoT 已广泛部署于智能家居、交通运输、能源系统与关键基础设施，连通的扩大在提升服务智能化的同时显著扩大了攻击面，因此基于机器学习（ML）的入侵检测成为保护 Io
End-to-End Hard-Label Cryptanalytic Model Extraction Using Efficient Sign Recovery
该论文关注深度学习模型的知识产权安全问题。深度神经网络(DNN)的训练参数被视为有价值的资产, 近年来在 IACR 系列会议上, 仅通过查询模型接口来还原参数(模型提取/模型窃取)的攻击受到广泛研究。其中最具挑战性的设置是「硬标签」(har
Watermarkable Multi-Draft Speculative Sampling via Poisson Processes
该论文研究大语言模型（LLM）部署中的两个关键需求：推理效率（inference efficiency）与输出溯源（output provenance），前者通常由推测采样（speculative sampling）解决，后者由文本水印（w
ServeGuard: Verifiable, Bounded-Residual Confinement of Operator-Invisible Channels Without Revealing the Certified Read Factor
开源权重语言模型的第三方适配器（adapter）通常以不透明的权重矩阵形式分发，接收方在不信任发布方、又不检查权重（而权重正是发布方的核心资产）的前提下，无法判断适配器是否被植入后门。论文聚焦其中一类特别棘手的情形：把载荷放进安全监控器在结
Identifying Security Platform Product Abuse with Machine Learning
本文关注 SaaS 行业中日益增长但单次事件发生频率极低的『产品滥用』(product abuse) 问题。作者指出，高水平威胁行为者有两类滥用形态：一是在客户环境内部滥用厂商提供的安全平台能力（即把安全产品本身当作攻击工具），二是针对安全
ASGARD: Action-Space Guard for UAV Resilience via Reinforcement Learning
该论文关注基于强化学习（RL）的无人机（UAV）导航与控制器的运行时安全问题。近年来，RL 控制器因其在复杂机动与自主导航中的表现被广泛用于无人机控制，但这类策略存在一个关键且常被忽视的攻击面：动作空间攻击。攻击者并不篡改策略的观测输入，而
Multi-center Medical Data Mining with FL-Net - A One-stop Shop for Federated Learning
该论文聚焦于联邦学习在临床多中心研究中的落地难题。作者指出，联邦学习虽然能在不共享患者级原始数据的前提下实现多方协同建模，但绝大多数研究仍停留在仿真阶段，难以真正部署到跨医院的真实临床研究中。为厘清差距，作者先从文献中归纳出五项核心需求（涵
Delphi Scanner: efficient and interpretable static malware detection via API sequence modeling
该论文提出名为 Delphi Scanner 的 Windows PE 文件静态恶意软件检测系统，核心目标是同时兼顾三方面诉求：检测有效性、计算效率与分析可解释性。作者指出，传统静态检测常在三者之间取舍——基于特征签名的方法高效但难以泛化，
Trust, but Validate the Instrument: Auditing AI-Generated RTL Verification Plans on Authored Security-Regression Proxies
该论文研究 AI 生成 RTL 验证计划在硬件安全场景下的可信度问题。作者指出:大模型生成的验证计划即使通过了服务商(provider)的响应 schema 校验,也可能在进入可信执行环节时失败,即「schema 合规」不等于「执行有效」。
ALIBI: Adversarial Legitimacy Injection in Binary Input against LLM Malware Analyzers
该论文研究的是将大语言模型（LLM）引入恶意软件分诊流程后新出现的一类攻击面。当前越来越多的安全团队把 LLM 当作"推理组件"，用来自动汇总静态分析证据（如导入表、节区信息、字符串、签名等），并直接输出面向分析师的结论或严重度评级。作者指
A Policy Profile for Croissant: Refusal as a Property of the Dataset
Croissant 是机器学习数据集领域事实上的机器可读描述符标准，其形式为基于 schema.org 的 JSON-LD。自 1.1 版本起，Croissant 开始承载数据使用条件（data use conditions），并推荐使用
Safety Beyond the Interface: Detecting Harm via Latent States in Large Language Models
该论文关注大语言模型（LLM）安全防护基础设施的部署成本问题：当前主流做法是在模型外部串接独立的护栏模型（guardrail model）对输入输出做有害性判定，但这类外部防护会带来显著的推理延迟与算力开销，在资源受限、时延敏感的场景（如边
A GAN-Based Framework for Robust DDoS Attack Detection
该论文关注分布式拒绝服务（DDoS）攻击检测中的鲁棒性问题。作者指出，在线服务可用性持续受到 DDoS 威胁，攻击者不断采用更复杂策略规避传统网络安全系统；同时，机器学习检测模型虽有效，但面对针对性对抗攻击时分类准确率会下降。为此，论文提出
FoundAna: A GNN-assisted Foundation Model for Graph Anomaly Detection
该论文聚焦图异常检测 (Graph Anomaly Detection, GAD) 这一支撑欺诈识别、垃圾信息治理与网络入侵检测等关键场景的任务。作者指出，尽管近年来方法层出不穷，但现有方案普遍遵循「一个数据集训练一个模型」的范式：模型与特
QuanText: Protecting Dataset-Level Secrets in Textual Data Sharing
自然语言数据集被广泛用于模型训练与社会科学研究，但公开发布文本会泄漏数据源的整体统计属性（即“数据集级秘密”），例如某种性别、某种诊断或某种政治立场的记录占比。这类信息不属于任何单条记录，却可能暴露整个采集人群的敏感特征。现有研究多集中在属
Cross-Domain Inference for Human Localization: Applying Wi-Fi RSSI Data to CSI-Trained Models
该论文研究 Wi-Fi 信号数据对个人隐私的威胁，重点关注一种比 CSI（信道状态信息）更易获取的替代数据源——RSSI（接收信号强度指示）。现有 Wi-Fi 人体定位与姿态预测研究大多依赖 CSI，但 CSI 采集通常需要提升的操作系统权
OptiPrime: Optimizing Private Inference through Protocol-Hardware Co-design
该论文研究如何在混合同态加密（HE）与多方安全计算（MPC）框架下高效执行私有深度神经网络（DNN）推理。此类方案能对用户数据提供形式化隐私保证，但代价是 HE 带来的显著延迟开销。已有工作提出了定制化 HE 加速器，并针对单个 HE 算子
Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection
基于溯源（provenance）的入侵检测系统（PIDS）通过分析进程、文件、网络等实体之间的系统交互关系来识别高级持续性威胁（APT）。现有方法大多将各类关系（relation，即图中边类型，如读/写文件、网络连接、进程派生等）一视同仁地