Proceedings of the 1st ACM workshop on Workshop on AISec
Notice bibliographique
Résumé
It is our great pleasure to welcome you to the 1st ACM Workshop on AISec -- AISec '08. The mission of this new workshop is to stimulate increased collaboration between the Security and AI communities. It is our strong belief that such collaboration is the best route towards fully realizing the security and privacy benefits of today's ubiquitous information. The call for papers attracted 20 submissions from Asia, Canada, Europe and the United States. The program committee accepted 7 research papers and 2 position papers covering a variety of topics, including usable access control and authentication, malware and network attack defense and reputation systems. In addition, the program includes two exciting invited talks. The first is by Dr. Chris Clifton of Purdue University; a prominent leader in both the privacy and data mining communities. The second is by Dr. Carl Landwehr, IARPA and University of Maryland. Dr. Landwehr is very well-known for his information assurance research and currently is the Program leader for the National Intelligence Community Information Assurance Research at IARPA, a program with many challenging problems intersecting both Security and AI. We give our heartfelt thanks to the program committee and external reviewers. It is quite challenging crafting a program for a cross-disciplinary conference. The program committee made significant strides in defining this largely new field of research and in soliciting relevant and novel research contributions, and all the reviewers worked very hard to give useful and insightful feedback to the authors.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».