ИИ агенты

Open Source AI агент для машинного обучения. Половину участников Kaggle сгенеренные им программы (модели) обгоняют. А есть вообще агенты для GigaChat или Яндексовской LLM?

RUSCADASEC 2024

Презентации конференции RUSCADASEC

MITRE ATLAS

Анализ MITRE ATLAS в борьбе с отравлениями данных

DT & CPS

Цифровые двойники для безопасности кибер-физических систем

Атаки на транспортные модели

Интересный материал - атаки отравления на транспортные модели оценки трафика

См. также другие публикации по теме adversarial, посвященные устойчивому машинному обучению

Анализ продаж

Шаблон для проекта по анализу продаж

Генеративный ИИ

Курс из 18 уроков Generative AI for Beginners. От Микрософт.

AI Index 2024

Ежегодный отчет Стенфордского университета по развитию ИИ

AI Cookbook

AI Cookbook от Huggingface. Нотебуки для различных задач.

ИБ стартапы

Обзор российских стартапов в Информационной безопасности

Враг в розетке

Кибер-физические атаки на электрические сети

Атаки на рекомендательные системы

Wang, Yanling, et al. "ClusterPoison: Poisoning Attacks on Recommender Systems with Limited Fake Users." IEEE Communications Magazine (2024).

Data Drift - Frouros

Open Source Python библиотека для определения data drift Код и документация - здесь

Улучшение робастности

Формальная модель и реализация состязвтельных тренировок для NLP моделей

См. также другие публикации по теме adversarial, посвященные устойчивому машинному обучению

Графы и поиск

Поиск в графовых базах данных

GAN на транспорте

Порождающие модели в транспортных системах

iTransformer

Интересная идея по анализу временных рядов

Фишинговые URL

Полезная модель - Определение фишинговых URL с учетом контента страницы

Атаки социальной инженерии

Атаки социальной инженерии (SE) в Интернете являются серьезной киберугрозой. Эти атаки часто служат первым шагом в сложной последовательности атак, которые нацелены, среди прочего, на учетные данные жертв и могут привести к финансовым потерям. В последние годы этой проблеме уделяется все больше внимания: во многих публикациях предлагается защита от атак SE. Несмотря на это, ситуация не улучшилась. В этой статье мы стремимся понять и объяснить это явление, исследуя основную причину проблемы. С этой целью мы рассматриваем атаки и защиту SE через Интернет через уникальную призму, основанную на психологических факторах (PF) и психологических методах (PT). Мы обнаружили, что существует ключевое несоответствие между атаками и защитой: атаки SE намеренно использовали в общей сложности 46 PF и 16 PT, но существующие средства защиты использовали в общей сложности только 16 PF и семь PT. Это несоответствие может объяснить, почему существующие средства защиты добились ограниченного успеха, и побудить нас предложить систематическую дорожную карту для будущих исследований. - интересный обзор

Сетевой атлас

Книга в открытом доступе: Сети в анализе сложных систем. Хороший прикладной материал по теории графов.

Базовые модели

Термин «базовая модель» введен для описания моделей ML, обученных на широком спектре обобщенных и немаркированных данных и способных выполнять широкий спектр общих задач, таких как понимание языка, генерирование текста и изображений и общение на естественном языке.

Интересный курс от Университета Ватерлоо - CS 886: Recent Advances on Foundation Models

LLM и фишинг

Создание и детектирование фишингового контента с помощью LLM. Хороший обзор.

См. также другие публикации, посвященные LLM

Модели в анализе данных

Хорошая книга в открытом доступе - Демистификация моделей

Анализ состязательных атак

Souri, Hossein, et al. "Identifying Attack-Specific Signatures in Adversarial Examples." ICASSP 2024-2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2024. - определение сигнатуры состязательных атак.

См. также другие публикации по теме adversarial, посвященные устойчивому машинному обучению