内网威胁检测面临挑战，因攻击者拥有合法访问权限。新加坡管理大学推出Chimera系统，利用大语言模型模拟正常与恶意员工行为，解决数据不足问题。ChimeraLog数据集包含250亿条日志，支持多种企业场景，提升检测模型有效性，为安全团队提供真实数据，缩小实验室与现实的差距。

本研究探讨重放攻击对音频深伪造检测的影响。通过不同扬声器和麦克风播放及重新录制深伪音频，伪造样本在检测模型中表现得更为真实。引入ReplayDF数据集，分析六个开源检测模型的脆弱性，发现顶级模型的错误率从4.7%上升至18.2%。

本研究提出了一种基于符合性分割的钢材表面缺陷检测模型，有效解决了人工检测效率低和成本高的问题，同时提高了自动检测的可靠性和实用性。

本研究提出了欺骗性幽默数据集（DHD），旨在探讨虚假主张中的幽默，揭示幽默与欺骗之间的关系，推动欺骗性幽默检测模型的发展。

本研究提出了Wildflare GuardRail护栏管道，旨在提升大型语言模型推理的安全性和可靠性。研究表明，基于小型数据集构建的安全检测模型与OpenAI API的性能相当，且轻量级包装器能够以100%准确率处理恶意网址，从而显著提高推理的安全性。

本研究提出了一种自学习的多模态假新闻检测模型，旨在解决社交媒体上的假新闻传播问题。该模型结合文本和图像特征，通过对比学习方法，无需标记数据，分类精度超过85%。

本文研究文本到图像生成模型在生成人类图像时的伪影问题，尤其是身体异常。通过创建大型人类伪影数据集（HAD）并训练检测模型（HADM），研究表明该模型能够有效识别和定位伪影，从而提高图像质量。

本研究提出了一种新型假新闻检测模型CSDA，利用因果子结构提取和对比学习，显著提升了社交媒体假新闻的检测准确性，实验结果显示准确率提高了7至16个百分点。

本研究解决了语音基础的帕金森病检测模型可解释性不足的问题，评估了多种可解释性方法以识别特有的语音特征，支持临床决策。尽管结果一致，但专家提供的信息仍显不足。

本文提出了一个框架，旨在通过对抗性攻击微调机器生成内容以规避检测。研究表明，现有检测模型在10秒内可被攻破，导致误判机器文本为人类撰写。尽管模型的鲁棒性有所提高，实际应用仍面临挑战，凸显了对更准确检测方法的需求。

研究分析仇恨言论检测模型在定义与实际应用间的差距，提出DefVerify流程：编码用户定义、量化模型反映、识别失效点。结果显示模型与定义差距大，需改进模型构建。

本研究使用CARLA模拟器创建了DCI数据集，分析了三个检测模型在三种物理对抗攻击下的表现，指出对抗攻击算法可能已接近其极限。研究强调对抗攻击在实际环境中的重要性，DCI数据集为提高检测模型的鲁棒性提供了见解，并为未来研究提供指导。

本研究提出了一种新方法来解决工业生产中的表面缺陷检测挑战，通过结合高阶建模能力和检测模型，提高了困难目标的分类和定位效果。实验结果显示该方法在多个工业数据集上表现出竞争力，为缺陷检测提供了新思路。

本文提出了一个针对对抗性攻击的框架，通过对动态场景中的对抗性学习来评估检测模型的鲁棒性。实证结果发现，现有的检测模型可以在10秒内受到破坏。这些发现为AI文本检测器的未来发展提供了启示。

本文提出了一种用于高海拔环境中钢丝绳无损损伤检测的新算法，包括分割模型和检测模型，能够准确提取钢丝绳并区分正常和异常。实验证明该算法在钢丝绳图像数据集上有显著改进，达到了高准确率和F-measure值。

本文介绍了一种使用GPT-4进行提示工程辅助的恶意软件动态分析方法，通过为每个API调用创建说明性文本并利用BERT获取文本表示，从而获得API序列的表示。设计了一种基于CNN的检测模型，在五个基准数据集上验证了其性能优于TextCNN。在跨数据库实验和少样本学习实验中，该模型表现出良好的检测性能，并几乎达到100％的恶意软件召回率，证实了其卓越的泛化性能。