Buchumschlag

Adaptive Meta-Learning for Robust Deepfake Detection: A Multi-Agent Framework to Data Drift and Model Generalization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	P, Dinesh Srivasthav, Subudhi, Badri Narayan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Cyber for AI at SemEval-2025 Task 4: Forgotten but Not Lost: The Balancing Act of Selective Unlearning in Large Language Models
von: P, Dinesh Srivasthav, et al.
Veröffentlicht: (2025)

Hierarchical Adaptive Consensus Network: A Dynamic Framework for Scalable Consensus in Collaborative Multi-Agent AI Systems
von: Shit, Rathin Chandra, et al.
Veröffentlicht: (2025)

VGG Induced Deep Hand Sign Language Detection
von: Sharma, Subham, et al.
Veröffentlicht: (2026)

Shadow Unlearning: A Neuro-Semantic Approach to Fidelity-Preserving Faceless Forgetting in LLMs
von: P, Dinesh Srivasthav, et al.
Veröffentlicht: (2026)

Scalable Hierarchical AI-Blockchain Framework for Real-Time Anomaly Detection in Large-Scale Autonomous Vehicle Networks
von: Shit, Rathin Chandra, et al.
Veröffentlicht: (2025)

Multi-Robot Task Allocation for Homogeneous Tasks with Collision Avoidance via Spatial Clustering
von: Shit, Rathin Chandra, et al.
Veröffentlicht: (2025)

AI-Powered Anomaly Detection with Blockchain for Real-Time Security and Reliability in Autonomous Vehicles
von: Shit, Rathin Chandra, et al.
Veröffentlicht: (2025)

DeepAgent: A Dual Stream Multi Agent Fusion for Robust Multimodal Deepfake Detection
von: Zaman, Sayeem Been, et al.
Veröffentlicht: (2025)

Adaptive Robust Estimator for Multi-Agent Reinforcement Learning
von: Li, Zhongyi, et al.
Veröffentlicht: (2026)

Securing Agentic AI: A Comprehensive Threat Model and Mitigation Framework for Generative AI Agents
von: Narajala, Vineeth Sai, et al.
Veröffentlicht: (2025)

Beyond Static Datasets: A Behavior-Driven Entity-Specific Simulation to Overcome Data Scarcity and Train Effective Crypto Anti-Money Laundering Models
von: P, Dinesh Srivasthav, et al.
Veröffentlicht: (2025)

A Multi-Agent Reinforcement Learning Framework for Public Health Decision Analysis
von: Sharma, Dinesh, et al.
Veröffentlicht: (2023)

Meta-Learning Approaches for Improving Detection of Unseen Speech Deepfakes
von: Kukanov, Ivan, et al.
Veröffentlicht: (2024)

Addressing Gradient Misalignment in Data-Augmented Training for Robust Speech Deepfake Detection
von: Truong, Duc-Tuan, et al.
Veröffentlicht: (2025)

Environmental Sound Deepfake Detection Using Deep-Learning Framework
von: Pham, Lam, et al.
Veröffentlicht: (2026)

Beyond Joint Demonstrations: Personalized Expert Guidance for Efficient Multi-Agent Reinforcement Learning
von: Yu, Peihong, et al.
Veröffentlicht: (2024)

DatawiseAgent: A Notebook-Centric LLM Agent Framework for Adaptive and Robust Data Science Automation
von: You, Ziming, et al.
Veröffentlicht: (2025)

MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework
von: Hong, Sirui, et al.
Veröffentlicht: (2023)

MetaMind: General and Cognitive World Models in Multi-Agent Systems by Meta-Theory of Mind
von: Wang, Lingyi, et al.
Veröffentlicht: (2026)

Multiscale Adaptive Conflict-Balancing Model For Multimedia Deepfake Detection
von: Xiong, Zihan, et al.
Veröffentlicht: (2025)

RAIDX: A Retrieval-Augmented Generation and GRPO Reinforcement Learning Framework for Explainable Deepfake Detection
von: Li, Tianxiao, et al.
Veröffentlicht: (2025)

Privacy-Preserving Federated Learning for Fair and Efficient Urban Traffic Optimization
von: Shit, Rathin Chandra, et al.
Veröffentlicht: (2025)

A Robust and Efficient Multi-Agent Reinforcement Learning Framework for Traffic Signal Control
von: Huang, Sheng-You, et al.
Veröffentlicht: (2026)

Seeing Through Deepfakes: A Human-Inspired Framework for Multi-Face Detection
von: Hu, Juan, et al.
Veröffentlicht: (2025)

A Lightweight and Interpretable Deepfakes Detection Framework
von: Farooq, Muhammad Umar, et al.
Veröffentlicht: (2025)

Anchor: Mitigating Artifact Drift in Agent Benchmark Generation
von: Ivanov, Maksim, et al.
Veröffentlicht: (2026)

Towards Adaptive IMFs -- Generalization of utility functions in Multi-Agent Frameworks
von: Dey, Kaushik, et al.
Veröffentlicht: (2024)

Fairness in Agentic AI: A Unified Framework for Ethical and Equitable Multi-Agent System
von: Ranjan, Rajesh, et al.
Veröffentlicht: (2025)

Towards Robust Speech Deepfake Detection via Human-Inspired Reasoning
von: Dvirniak, Artem, et al.
Veröffentlicht: (2026)

Data-Driven Fairness Generalization for Deepfake Detection
von: Ezeakunne, Uzoamaka, et al.
Veröffentlicht: (2024)

Bidirectional Curriculum Generation: A Multi-Agent Framework for Data-Efficient Mathematical Reasoning
von: Hu, Boren, et al.
Veröffentlicht: (2026)

SensingAgents: A Multi-Agent Collaborative Framework for Robust IMU Activity Recognition
von: Zheng, Naiyu, et al.
Veröffentlicht: (2026)

Agent2World: Learning to Generate Symbolic World Models via Adaptive Multi-Agent Feedback
von: Hu, Mengkang, et al.
Veröffentlicht: (2025)

QAMO: Quality-aware Multi-centroid One-class Learning For Speech Deepfake Detection
von: Truong, Duc-Tuan, et al.
Veröffentlicht: (2025)

A General Model for Deepfake Speech Detection: Diverse Bonafide Resources or Diverse AI-Based Generators
von: Pham, Lam, et al.
Veröffentlicht: (2026)

MAXS: Meta-Adaptive Exploration with LLM Agents
von: Zhang, Jian, et al.
Veröffentlicht: (2026)

Meta-Learning and Meta-Reinforcement Learning -- Tracing the Path towards DeepMind's Adaptive Agent
von: Hoppmann, Björn, et al.
Veröffentlicht: (2026)

Q-ARDNS-Multi: A Multi-Agent Quantum Reinforcement Learning Framework with Meta-Cognitive Adaptation for Complex 3D Environments
von: de Sousa, Umberto Gonçalves
Veröffentlicht: (2025)

Leveraging LLMs as Meta-Judges: A Multi-Agent Framework for Evaluating LLM Judgments
von: Li, Yuran, et al.
Veröffentlicht: (2025)

Hierarchical Federated Graph Attention Networks for Scalable and Resilient UAV Collision Avoidance
von: Shit, Rathin Chandra, et al.
Veröffentlicht: (2025)