پرش به محتوای اصلی

موضوع

شناسایی ناهنجاری

روش‌های هوش مصنوعی برای کشف الگوهای غیرعادی و رفتارهای مشکوک در داده‌ها

۳۰۸ مقاله منتشر شده

آموزش کاربردی

عامل SynapseGuard دقت تشخیص علت ریشه‌ای خطاها را به ۹۵.۲٪ رساند

پروژه‌ی SynapseGuard با استفاده از پایگاه‌داده گرافی، وابستگی‌های میکروسرویس‌ها را برای تشخیص سریع‌تر خطاها نقشه‌برداری می‌کند. این سیستم در محیط‌های شبیه‌سازی‌شده بسیار دقیق است،…

۵ دقیقه خواندن
آموزش کاربردی

چرا تشخیص ناهنجاری در داده‌های بحران، جایگزین مناسبی برای حقیقت‌سنجی نیست؟

پژوهشی جدید پیشنهاد می‌کند برای جلوگیری از برچسب‌زنی اشتباه به گزارش‌های واقعی اما نادر در زمان بحران، تشخیص الگوهای غیرعادی در شبکه‌های اجتماعی باید از فرآیند تأیید حقیقت جدا شود.

۷ دقیقه خواندن
آموزش کاربردی

یادگیری فعال: نیاز به داده‌های برچسب‌دار ۳۵٪ کاهش یافت

یک خط لوله جدید یادگیری ماشین با ترکیب یادگیری فعال و حریم خصوصی تفاضلی، نیاز به داده‌های برچسب‌دار را در محیط‌های حساس کاهش داد. این سیستم اجازه می‌دهد مدل‌های دقیق حتی در شرایط…

۱۰ دقیقه خواندن

دستورات پنهان در تصاویر؛ نقطه ضعف جدید عامل‌های هوش مصنوعی

متخصصان امنیت سایبری هشدار می‌دهند که عامل‌های هوش مصنوعی در برابر مهندسی اجتماعی آسیب‌پذیرند. مهاجمان اکنون با استفاده از متن‌های نامرئی و مسموم‌سازی حافظه، فیلترهای امنیتی این…

۶ دقیقه خواندن
آموزش کاربردی

معماری دفاع در عمق؛ راهکار Tamiz برای توقف تزریق پرامپت در عامل‌های هوش مصنوعی

یک چارچوب امنیتی جدید، منطق کنترل را از مدل زبانی به یک پشته امنیتی قطعی منتقل می‌کند. این سیستم با ۵ لایه حفاظتی، از فراخوانی‌های مخرب ابزارها و نشت داده‌ها در عامل‌های هوش…

۲۳ دقیقه خواندن

«سوءاستفاده از اعتماد»؛ راهکار جاسوسی از دولت‌ها از طریق شبکه‌های تبلیغاتی

یک کمپین جاسوسی گسترده با استفاده از شبکه‌های تبلیغاتی معتبر، بدافزارهای «بدون کلیک» را به سیستم‌های دولتی در سراسر جهان منتقل کرد. این عملیات با سوءاستفاده از اعتماد به…

۲ دقیقه خواندن
آموزش کاربردی

گره‌های Impact در n8n شکست‌های خاموش اتوماسیون را به هشدار تبدیل می‌کنند

بسیاری از گردش‌های کاری هوش مصنوعی با وجود تولید خروجی صفر، وضعیت «موفق» گزارش می‌کنند. با پیاده‌سازی گره‌های Impact، توسعه‌دهندگان می‌توانند آستانه خروجی تعریف کنند تا شکست‌های…

۷ دقیقه خواندن

بات‌های نفوذی Apate چگونه مسیر انتقال داده به بانک‌ها را می‌سازند؟

شرکت استرالیایی Apate هزاران عامل هوش مصنوعی را برای ایفای نقش قربانیان کلاهبرداری به کار گرفته است تا با اتلاف وقت مجرمان، اطلاعات حساب‌های بانکی و کیف‌پول‌های کریپتویی آن‌ها را…

۵ دقیقه خواندن

اشتباه یک هکر در مدیریت سرور، ابزارهای AI مورد استفاده در حمله به ۹ بانک کره

حملات سایبری مبتنی بر هوش مصنوعی منجر به نشت داده‌های بیش از ۶۵ هزار نفر در ۹ مؤسسه مالی کره جنوبی شد. بی‌دقتی مهاجم در پاک کردن ردپاهای دیجیتال، مدل‌های زبانی و هویت واقعی او را…

۴ دقیقه خواندن