Buchumschlag

Truth in Text: A Meta-Analysis of ML-Based Cyber Information Influence Detection Approaches

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Pittman, Jason M.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An RL-Based Adaptive Detection Strategy to Secure Cyber-Physical Systems
von: Koley, Ipsita, et al.
Veröffentlicht: (2021)

Enhancing Trustworthiness in ML-Based Network Intrusion Detection with Uncertainty Quantification
von: Talpini, Jacopo, et al.
Veröffentlicht: (2023)

ROSpace: Intrusion Detection Dataset for a ROS2-Based Cyber-Physical System
von: Puccetti, Tommaso, et al.
Veröffentlicht: (2024)

CSTS: A Canonical Security Telemetry Substrate for AI-Native Cyber Detection
von: Rahman, Abdul
Veröffentlicht: (2026)

Performance of Machine Learning Classifiers for Anomaly Detection in Cyber Security Applications
von: Haug, Markus, et al.
Veröffentlicht: (2025)

A Data-Driven Predictive Analysis on Cyber Security Threats with Key Risk Factors
von: Johora, Fatama Tuz, et al.
Veröffentlicht: (2024)

Adaptive Anomaly Detection for Identifying Attacks in Cyber-Physical Systems: A Systematic Literature Review
von: Moriano, Pablo, et al.
Veröffentlicht: (2024)

CyberGFM: Graph Foundation Models for Lateral Movement Detection in Enterprise Networks
von: King, Isaiah J., et al.
Veröffentlicht: (2026)

Using Graph Theory for Improving Machine Learning-based Detection of Cyber Attacks
von: Zonneveld, Giacomo, et al.
Veröffentlicht: (2024)

CyberNFTs: Conceptualizing a decentralized and reward-driven intrusion detection system with ML
von: Selimi, Synim, et al.
Veröffentlicht: (2024)

Interpreting Agent Behaviors in Reinforcement-Learning-Based Cyber-Battle Simulation Platforms
von: Claypoole, Jared, et al.
Veröffentlicht: (2025)

Visually Analyze SHAP Plots to Diagnose Misclassifications in ML-based Intrusion Detection
von: Mia, Maraz, et al.
Veröffentlicht: (2024)

Hybrid Ensemble Method for Detecting Cyber-Attacks in Water Distribution Systems Using the BATADAL Dataset
von: Ahmed, Waqas
Veröffentlicht: (2025)

Causal Graph Profiling via Structural Divergence for Robust Anomaly Detection in Cyber-Physical Systems
von: Malarkkan, Arun Vignesh, et al.
Veröffentlicht: (2025)

Global Context Enhanced Anomaly Detection of Cyber Attacks via Decoupled Graph Neural Networks
von: Hafez, Ahmad
Veröffentlicht: (2024)

A Comparative Analysis of Ensemble-Based Machine Learning Approaches with Explainable AI for Multi-Class Intrusion Detection in Drone Networks
von: Hossain, Md. Alamgir, et al.
Veröffentlicht: (2025)

An Investigation into the Performances of the State-of-the-art Machine Learning Approaches for Various Cyber-attack Detection: A Survey
von: Ige, Tosin, et al.
Veröffentlicht: (2024)

Unveiling the Black Box: A Multi-Layer Framework for Explaining Reinforcement Learning-Based Cyber Agents
von: Goel, Diksha, et al.
Veröffentlicht: (2025)

Enhancing IoT Security: A Novel Feature Engineering Approach for ML-Based Intrusion Detection Systems
von: Mahanipour, Afsaneh, et al.
Veröffentlicht: (2024)

Vendor-Conditioned Contrastive Learning for Predicting Organizational Cyber Threat Targets
von: Ampel, Benjamin M.
Veröffentlicht: (2020)

A No-Defense Defense Against Gradient-Based Adversarial Attacks on ML-NIDS: Is Less More?
von: elShehaby, Mohamed, et al.
Veröffentlicht: (2026)

Empirical Evaluation of Concept Drift in ML-Based Android Malware Detection
von: Sabbah, Ahmed, et al.
Veröffentlicht: (2025)

SCGNet-Stacked Convolution with Gated Recurrent Unit Network for Cyber Network Intrusion Detection and Intrusion Type Classification
von: Akter, Rajana, et al.
Veröffentlicht: (2024)

Toward a Multi-Layer ML-Based Security Framework for Industrial IoT
von: Bouferroum, Aymen, et al.
Veröffentlicht: (2026)

Smart Surveillance: Identifying IoT Device Behaviours using ML-Powered Traffic Analysis
von: Ryan, Reza, et al.
Veröffentlicht: (2025)

SpinML: Customized Synthetic Data Generation for Private Training of Specialized ML Models
von: Zhang, Jiang, et al.
Veröffentlicht: (2025)

Detection and Imputation based Two-Stage Denoising Diffusion Power System Measurement Recovery under Cyber-Physical Uncertainties
von: Pei, Jianhua, et al.
Veröffentlicht: (2023)

MGTBench: Benchmarking Machine-Generated Text Detection
von: He, Xinlei, et al.
Veröffentlicht: (2023)

Level Up with ML Vulnerability Identification: Leveraging Domain Constraints in Feature Space for Robust Android Malware Detection
von: Bostani, Hamid, et al.
Veröffentlicht: (2022)

Evaluating Generalization Mechanisms in Autonomous Cyber Attack Agents
von: Lukáš, Ondřej, et al.
Veröffentlicht: (2026)

Entity-based Reinforcement Learning for Autonomous Cyber Defence
von: Thompson, Isaac Symes, et al.
Veröffentlicht: (2024)

FedML-HE: An Efficient Homomorphic-Encryption-Based Privacy-Preserving Federated Learning System
von: Jin, Weizhao, et al.
Veröffentlicht: (2023)

An In-Depth Analysis of Cyber Attacks in Secured Platforms
von: Ozoh, Parick, et al.
Veröffentlicht: (2025)

ML Study of MaliciousTransactions in Ethereum
von: Katz, Natan
Veröffentlicht: (2024)

Out-of-Distribution Detection for Neurosymbolic Autonomous Cyber Agents
von: Samaddar, Ankita, et al.
Veröffentlicht: (2024)

Catastrophic Cyber Capabilities Benchmark (3CB): Robustly Evaluating LLM Agent Cyber Offense Capabilities
von: Anurin, Andrey, et al.
Veröffentlicht: (2024)

FreqFed: A Frequency Analysis-Based Approach for Mitigating Poisoning Attacks in Federated Learning
von: Fereidooni, Hossein, et al.
Veröffentlicht: (2023)

Layer of Truth: Probing Belief Shifts under Continual Pre-Training Poisoning
von: Churina, Svetlana, et al.
Veröffentlicht: (2025)

A General Framework for Data-Use Auditing of ML Models
von: Huang, Zonghao, et al.
Veröffentlicht: (2024)

Machine Learning for Cyber-Attack Identification from Traffic Flows
von: Zhou, Yujing, et al.
Veröffentlicht: (2025)