网络钓鱼攻击涉及通过伪装成一个值得信赖的实体来获取敏感信息的欺诈尝试,已经变得越来越复杂和普遍。传统的网络钓鱼检测方法通常依赖于启发式或基于签名的技术,这可能很难与不断发展的网络钓鱼策略保持同步。本文探讨了人工智能(AI)在增强网络钓鱼检测系统中的应用。AI驱动的方法利用机器学习算法,自然语言处理和模式识别,以更高的准确性和效率来识别和减轻网络钓鱼威胁。通过分析大量数据,这些系统可以检测出可能避免常规方法的网络钓鱼尝试的微妙模式和异常。该摘要讨论了网络钓鱼检测中采用的各种AI方法,包括受监督和无监督的学习技术,集合方法和深度学习模型。此外,它研究了AI-wive系统在现实世界中的有效性及其适应新兴的网络钓鱼策略的潜力。本文以目前的挑战和该领域的研究的未来方向进行了概述,强调需要持续发展以解决网络钓鱼威胁的动态性质。
。cc-by-nc-nd 4.0国际许可证(未经同行评审证明)获得的是作者/资助者,他授予Biorxiv授予Biorxiv的许可,以永久显示预印本。它是制作
尽管金枪鱼代表了全球鱼类经济的重要组成部分,并且是全球主要的营养资源,但其微生物组仍然记录在很差的情况下。在这里,我们对在大西洋和印度洋中被捕获的个体居住的细菌群落的分类组成进行了分析。我们假设每个器官都有一个特定的微生物组合,其组成可能会根据不同的生物(性别,物种)和/或非生物(环境)因素而变化。我们的结果表明,无论物种和海洋考虑如何,金枪鱼微生物组的组成都完全独立于鱼类。相反,观察到的多样性的主要决定因素是(i)肠道和(ii)皮肤粘液层的采样位点,以及(iii)肝脏两个参数的组合。有趣的是,三个器官共享了所有扩增子序列变体(ASV)的4.5%,突出了核心微生物群的存在,其最丰富的代表属于属的分枝杆菌,cutibacterium和photobacterium。我们的研究还揭示了金枪鱼肝内存在独特而多样化的细菌组合,其中包括大量潜在的产生组胺的细菌,以其致病性及其对鱼类中毒病例的贡献而闻名。这些结果表明,该器官是未开发的微生物生态位,其在宿主和消费者的健康中的作用仍有待阐明。
Anuj Jalwal先生,Garima Kumawat女士摘要:社交媒体的出现彻底改变了信息的传播和社会话语的动态。具有快速传播内容的能力,数字平台已成为塑造性别和种姓叙事,影响公众舆论,政策框架和基层行动主义的强大工具。社交媒体用作双刃剑 - 一方面,它为边缘化,促进意识和动员提供了声音;另一方面,它构成了诸如错误信息,在线骚扰和数字排除等挑战。本文深入研究了社交媒体对性别和种姓叙事的深远影响,强调了它如何成为当代社会运动的基本力量。数字平台,包括Twitter,Facebook和Instagram,使历史上被压迫的群体挑战了主导的叙事并要求正义。#METOO,#DalitlivesMatter和#AmbedKariteMovements之类的动作已获得前所未有的动力,引起人们对系统性问题的关注并促使社会和法律改革。社交媒体内容的病毒性质可确保即使本地化问题也可以受到全球关注,从而加强集体行动主义。此外,本文研究了算法,数字素养差距和状态干预措施如何影响这些讨论的轨迹。虽然数字平台声称可以促进自由表达,但人工智能和算法偏见的作用通常会以可能加强现有功率结构的方式来策划内容。关键字:数字起义,社交媒体,性别,种姓,行动主义,在线话语由于数字划分进一步加剧了在线话语中的不平等,因此排除了边缘化社区。尽管具有变革性的潜力,但社交媒体充满了风险,包括网络欺凌,错误信息和有针对性的骚扰。妇女和达利特活动家经常成为在线虐待的受害者,沉默的声音并阻碍进步。此外,国家监视和审查制度对数字行动主义的真实性和可持续性构成了重大威胁。本文探讨了政策和法规如何在保留言论自由和民主参与原则的同时确保更安全的数字空间。使用混合方法方法,本研究整合了定性案例研究和定量数据分析,以评估社交媒体在放大性别和种姓叙事方面的有效性。批判性地评估了这些数字运动是否会导致切实的社会变化,还是仅限于现实世界影响有限的在线空间。本文结束了,强调需要一个包容性的数字生态系统,在这种生态系统中,不仅听到边缘化的声音,而且受到了保护。增强数字素养,实施强大的反骚扰政策以及确保公平的互联网访问对于维持有意义的话语至关重要。随着社交媒体的不断发展,其作为性别催化剂和种姓正义的潜力取决于优先考虑包容性,道德监管和民主参与的积极措施。
1名学生,计算机科学与工程系,IFET工程学院,印度维鲁普拉姆2号2助理教授,计算机科学与工程系,IFET工程学院,印度维卢普拉姆,摘要:AI驱动的模拟访谈系统通过虚拟互动提供现实的实践,利用ML来分析和供应的知名度和语言反应,并提供了对文化和句子的范围,并提供了对文化的个人反馈, (NLP)技术。这些NLP算法对于理解和解释候选人答案的上下文和情感语气至关重要,从而提供了对其沟通技巧的细微评估。系统使用图像处理技术来分析非语言提示。MediaPipe,一种用于检测和识别面部要点的多功能工具,可以精确地识别面部表情和运动。诸如面部检测,具有里程碑意义的检测和情感分类之类的技术用于解释这些非语言信号,从而对候选人的情绪状态和参与水平提供了见解。系统的体系结构还包括用于语音捕获和分析的组件。语音分析检查了音调,音高和语音速度,以了解响应的清晰度和情感底色。这种多模式方法结合了口头,人声和视觉数据,可确保对候选人的表现进行全面评估。整合高级技术,该系统有效地模拟并评估了访谈。关键字:Gemini(AI工具),AI(人工智能),LLM(大语言模型),ML(机器学习),NLP(自然语言处理)。
1,2名Nanasaheb Mahadik工程学院的学生,Peth,3名Nanasaheb Mahadik工程学院的助理教授,Peth摘要:脑电图(EEG)信号是神经科学的重要工具。人体的行为可以由人脑中的数百万个神经元控制。EEG是一种有效的方式,有助于获取大脑信号对应于头皮表面积的各种状态。 eeg不过是大脑的电活动。 我们知道冥想以来很重要。 冥想会对我们的大脑信号产生更多影响。 最近,大脑信号对抑郁症,记忆力丧失,压力等脑部疾病引起了强烈关注。 因此,这项工作旨在研究OM冥想的重要性,这对于那些受压力的人以及对日常工作感到烦恼的人们可能会非常奇迹。 在这项工作中,对OM诵经信号进行分析,并进行分类,以验证冥想的重要性。 该过程涉及主要两个步骤:第一步是预处理或提取功能,第二阶段是应用机器学习算法。 这些方法的性能可以通过对数据和定量指标(例如准确性,灵敏度,精度)进行评估。 关键字:脑电信号,OM诵经,机器学习,大脑,DWTEEG是一种有效的方式,有助于获取大脑信号对应于头皮表面积的各种状态。eeg不过是大脑的电活动。我们知道冥想以来很重要。冥想会对我们的大脑信号产生更多影响。最近,大脑信号对抑郁症,记忆力丧失,压力等脑部疾病引起了强烈关注。因此,这项工作旨在研究OM冥想的重要性,这对于那些受压力的人以及对日常工作感到烦恼的人们可能会非常奇迹。在这项工作中,对OM诵经信号进行分析,并进行分类,以验证冥想的重要性。该过程涉及主要两个步骤:第一步是预处理或提取功能,第二阶段是应用机器学习算法。这些方法的性能可以通过对数据和定量指标(例如准确性,灵敏度,精度)进行评估。关键字:脑电信号,OM诵经,机器学习,大脑,DWT
在互联网时代,恶意URL是对网络用户的综合威胁。网络钓鱼的目的是通过用fal的界面欺骗受害者来窃取敏感信息。在网站网站的情况下,攻击者通常试图模仿社交媒体,银行和电子商务网站等知名且广泛使用的服务。这种欺骗的网站通常是用与原始站点相同的代码库构建的,这可能会使它们很难瞥见。值得庆幸的是,可以使用许多其他指标来区分良性和网络钓鱼网站。例如,大多数网络钓鱼URL往往很长,具有多个子域和特殊特征。域通常托管在可疑的主机上,并使用非信任当局进行的安全套接字层(SSL)认证。自从这些攻击开始时,已经实施了许多系统来试图克服它们。其中一些实现使用传统技术,例如黑名单或URL词汇特征的分析。否则,黑名单遭受了多种缺点,例如需要更新的人类援助和缺乏详尽的缺点。此外,它们不能用于看不见和隐藏的URL。其他技术利用机器学习将模型训练以基于许多示例来策划网站(Sahoo等,2017)(Benavides等,2020)。但是,在大多数方法中,网站的超链接结构尚未解决。
随着数字技术的增长和互联网的越来越多,网络钓鱼攻击已成为最重要的安全威胁之一。这些攻击旨在访问敏感用户信息并造成财务和安全损失。准确,迅速检测到这些攻击已成为重大复杂性,已成为一个重大挑战。本文研究了用于检测网络钓鱼URL的机器学习模型的使用。对先前研究的综述表明,基本算法可以有效地检测这些攻击,但是它们具有局限性,例如处理复杂数据的能力较低。为提高准确性和性能,已经提出了混合算法结合多个模型以提高检测准确性。本研究中提出的模型是使用混合方法设计的,以解决基本算法的弱点并提高检测准确性。该混合模型利用极端的梯度提升和随机森林作为基本模型,并以逻辑回归为最终模型。该研究采用了标记的网络钓鱼和合法URL的数据集,其特征是从URL结构和行为中提取的特征来训练和评估模型。实验结果表明,与单独使用基本模型相比,所提出的杂种模型可以达到更高的精度和精度。该模型的应用可以有效地提高网络安全性并防止网络钓鱼攻击。
转移基线,人们对环境的“自然”状态的看法随着每一代而变化,阻碍了保护,恢复和管理。正式和非正式的历史动物记录可用于为过去的生物学,生态和环境模式和过程提供信息。奖杯标本是文化和社会对象,但也是非正式历史记录的例子,可以提供生物组织并补充形式的自然历史收集。使用社交媒体从公民科学家那里收集信息具有很大的潜力,可以收集此类标本。这项研究的目的是评估Facebook和传统媒体的潜在效用,以收集有关TaxIdermal Murray Cod(Maccullochella Peelii)的数据,这是一种大型,长寿的淡水鱼类,是澳大利亚默里 - 达林盆地特有的。一个Facebook组“ COD Spot”被建立为向潜在公民科学家进行信息传播的地点,并且可以上传Murray Cod Mount上的数据。这与社交和主流媒体促销,研究网站和电子服务相辅相成。收到的鳕鱼斑点> 7,000个互动和大约400名参与者。总共发现了189个经过验证的Murray Cod头和整个坐骑。电子调查提供了将这些文化和社会对象变成具有科学价值的潜力的验证。参与者包括有兴趣的人,收藏家,动物标本手,管家或坐骑的所有者。大多数参与者是35岁以上的男性,尽管女性几乎占网站用户的三分之一。这项研究表明,低成本营销与广泛分散的,相对常见且众所周知的感兴趣对象相结合可以有效地获得公民科学合作。
摘要。网络钓鱼攻击涉及欺骗性的尝试,试图通过假冒可信赖的实体来获取敏感信息,这已经变得越来越复杂和广泛。传统的网络钓鱼检测方法通常依赖于启发式或基于签名的技术,这些技术可能难以适应攻击者采用的不断发展的策略。本文研究了人工智能(AI)在增强网络钓鱼检测系统中的作用。AI驱动的方法利用机器学习算法,自然语言处理和模式识别,以提高准确性和效率来识别和减轻网络钓鱼威胁。通过分析大型数据集,我们的系统发现了微妙的模式和异常,指示了传统方法可能会错过的网络钓鱼尝试。我们还讨论了网络钓鱼检测中的各种AI方法,包括受监督和无监督的学习技术,集合方法和深度学习模型。此外,我们评估了AI驱动系统在现实世界中的有效性及其适应新的网络钓鱼策略的能力。我们的论文以讨论当前的挑战和未来研究方向的讨论,强调了持续进步应对网络钓鱼威胁的动态性质的必要性。