Hackers chinos infectaron el login de Linux durante casi una década
Hackers de China infectaron PAM y OpenSSH en Linux para ocultarse casi una década. Descubre cómo operó el grupo Velvet Ant y cómo protegerte.
#pam
Detección zero-shot de anomalías en grafos mediante reconstrucción de nodos
Aprende cómo AlignGAD logra detección de anomalías en grafos zero-shot mediante reconstrucción de nodos y clustering. Ideal para datos heterogéneos.
scLLM-DSC: Agrupamiento Estructural Profundo Multimodal con LLM para scRNA-seq
scLLM-DSC mejora el clustering de scRNA-seq integrando conocimiento de LLM y supera 11 métodos. Conoce este avance en bioinformática.
GetNetUPAM: Validación Cruzada y Atención Robusta para Bioacústica Marina
GetNetUPAM y ARPA-N: validación cruzada reduce en 10x falsos positivos en bioacústica marina, incluso en entornos ruidosos.
Agrupamiento temporal robusto con modelos de salto ponderados
Descubre un modelo robusto de agrupamiento temporal que pondera características según el estado y maneja outliers con Tukey. Ideal para análisis de conflictos y economía.
Sitios de drogas manipularon el ranking de Spotify con podcasts falsos
Un informe congresional revela cómo decenas de miles de podcasts falsos fueron usados para manipular el ranking de Spotify y promocionar sitios de drogas ilegales.
Cómo la deriva del concepto afecta la detección de phishing con ML
El concept drift amenaza la precisión de los sistemas anti-phishing con ML. Conoce su impacto y estrategias para mitigar la degradación del rendimiento.
Agrupación de exoplanetas cercanos con machine learning y acreción de guijarros
Descubre cómo el machine learning clusteriza exoplanetas cercanos y los vincula con la acreción de guijarros, revelando subpoblaciones y procesos de formación.
Los 7 mejores programas de fidelización en 2024
Conoce los 7 programas de lealtad más destacados de 2024. Obtén recompensas, descuentos y experiencias exclusivas con marcas como Adidas y Starbucks.
Respuesta exploratoria y rigidez adaptativa bajo optimización asistida por IA
La IA puede reducir la adaptabilidad exploratoria y generar rigidez global. Descubre cómo el contexto determina si la optimización potencia o atrapa.
Brecha modal en HAR ZSL: entrenamiento contrastivo y prototipos optimizados
Alinea sensores IMU y texto con entrenamiento contrastivo y prototipos optimizados para lograr 73% de precisión en HAR zero-shot.
Entrenamiento contrastivo y prototipos para cerrar brecha modal HAR zero-shot
El entrenamiento contrastivo y prototipos optimizados cierran la brecha modal en HAR zero-shot, logrando 73.2% de precisión en clases no vistas.
Contaminación de preentrenamiento en benchmarks médicos de visión-lenguaje
Auditamos benchmarks médicos de VLM y encontramos solapamiento de imágenes en SLAKE-En (19.8%) y señales de intercambiabilidad en Qwen2.5-VL. ¿Confías en tus modelos?
Requisitos de teoría de la información para afinidad de tareas en MTL
Descubre por qué el aprendizaje multitarea requiere un 30-40% de solapamiento de datos para que el análisis de gradientes sea fiable. Muchos benchmarks fallan.
Aprendizaje federado semidescentralizado sin servidor con optimizadores variados
Descubre SSD-FL: aprendizaje federado semidescentralizado sin servidores que mejora convergencia y eficiencia con optimizadores heterogéneos.
Destilación de Conocimiento Adelante-Atrás en Clustering Continuo No Supervisado
Descubre cómo el nuevo método FBCC evita el olvido catastrófico en clustering continuo sin etiquetas usando destilación adelante-atrás.
Clustering Continuo No Supervisado con Destilación Bidireccional
Aprende cómo FBCC aplica destilación bidireccional para clustering continuo sin olvidar tareas anteriores. Reduce el olvido catastrófico.
Índice CDL: Validación de Clustering por Descripción de Longitud Central
Descubre cómo el índice CDL valida clustering sin etiquetas, incluso en datos no convexos y de densidad variable, superando a índices tradicionales.
Descomposición SVD Funcional Dispersa para Biclusters y Triclusters
Descubre cómo la descomposición SVD funcional dispersa identifica patrones ocultos en datos longitudinales, aplicado a enfermedades inflamatorias y señales EEG.
PAMF: Fusión Multimodal Consciente de Prioridades para Datos Incompletos
¿Datos médicos incompletos? PAMF fusiona información multimodal con prioridades para mejorar predicciones. Descubre este nuevo enfoque de IA.