۲۵ رکورد مرتبط در نمایه علمیجو
سامانه های کنترل صنعتی ICS و اسکادا SCADA به طور فزاینده ای در معرض تهدیدات سایبری پیچیده قرار دارند که می توانند تاثیرات مخربی بر فرآیندهای حیاتی صن…
تشخیص نفوذ در شبکه های موردی چالش های پیچیده ای را ایجاد می کند که با تغییرات توپولوژی پویا، ارتباطات بی سیم و تحرک سریع مشخص می شود پیشرفت های فزاین…
در دنیای پویا و همواره در حال تغییر امنیت سایبری، نفوذهای سایبری و حملات پیشرفته به یکی از ارکان اساسی حفاظت از داده های حساس و زیرساخت های حیاتی تبد…
در چشم انداز همیشه در حال تحول امنیت سایبری، شناسایی ناهنجاری ها، نفوذها و حملات پیچیده از اهمیت بالایی برای حفاظت از زیرساخت های حیاتی و داده های حس…
در سالهای اخیر، شبکه های عصبی کانولوشنی مبتنی بر یادگیری عمیق، به ویژه در زمینه قطعه بندی تصاویر پزشکی، به دستاوردهای قابل توجهی دست یافته اند با این…
تکامل سریع تهدیدات سایبری از نظر مقیاس، پیچیدگی و پنهان کاری، از راه حل های امنیتی سنتی پیشی گرفته و نیاز به یک تغییر پارادایم به سمت سیستم های دفاعی…
یادگیری ماشین مبتنی بر داده Data driven به عنوان ابزاری نویدبخش برای توسعه مدلهای آماری دقیق و مقاوم از داده های پزشکی مطرح شده است؛ داده هایی که امر…
با رشد فزاینده داده های تولید شده در دستگاه های موبایل و لزوم پردازش آن ها در نزدیکی منبع برای کاهش تاخیر و حفظ حریم خصوصی، ادغام یادگیری فدرال FL و…
ادغام مدل های زبانی در هوش مصنوعی از سال های ۲۰۲۰ تا ۲۰۲۵ از مرحله آزمایشگاهی به کاربردهای بالینی و صنعتی تبدیل شده است این تحول نه تنها به بهبود پرد…
با گسترش روزافزون سیستم های توزیع شده و افزایش حجم داده ها، روش های سنتی تحمل پذیری خطا که عمدتا بر افزونگی سخت افزاری متکی بودند، کارایی خود را از د…
با گسترش شهرنشینی و افزایش استفاده از تجهیزات الکتریکی و مکانیکی در ساختمان ها و تاسیسات شهری، نگهداری و تعمیرات این سامانه ها به یکی از مسائل کلیدی…
طبقه بندی فعالیت های انسانی مجهز به حسگرهای پوشیدنی نقشی کلیدی در توسعه سامانه های پایش هوشمند سلامت ایفا می کند، اما همواره با چالش هایی چون حفظ حری…
حفظ حریم خصوصی در محیط های توزیع شده هوش مصنوعی، به ویژه در چارچوب یادگیری فدرال، به یکی از محورهای اصلی تحقیقات معاصر تبدیل شده است در این پارادایم…
یادگیری فدرال به عنوان یک رویکرد نوین در تحلیل و پردازش داده های حجیم باوجود مزایای چشمگیر در حفظ حریم خصوصی و کاهش نیاز به تجمیع داده ها در مسیر توس…
یادگیری فدرال امکان آموزش مشارکتی مدل های یادگیری ماشین را بدون افشای داده های خام فراهم می کند؛ با این حال، چالش های امنیتی به ویژه در زمینه اعتماد…
گسترش کاربردهای هوش مصنوعی در سامانههای لبهای و دستگاههای دارای منابع محدود، ضرورت طراحی مدلهایی را افزایش داده است که افزون بر دقت قابل قبول، از نظر…
