Fugu-MT 論文翻訳(概要): Mitigating Smishing: Challenges and Future Work

論文の概要: Mitigating Smishing: Challenges and Future Work

arxiv url: http://arxiv.org/abs/2401.14520v1
Date: Thu, 25 Jan 2024 21:26:36 GMT
ステータス: 処理完了
システム内更新日: 2024-01-29 16:39:12.346296
Title: Mitigating Smishing: Challenges and Future Work
Title（参考訳）: smishingの緩和 - 課題と今後の課題
Authors: Cori Faklaris
Abstract要約: 本稿では,スマイシング緩和における3つの主要な課題について述べる。デバイス使用の制限,インフラストラクチャの複雑さ,モバイルデバイス使用の認知的・文脈的要因について述べる。私たちは、スマイシングを緩和し、これらの課題に対処できるアイデアを、高レベルの概要で説明します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: This paper describes three principal challenges in smishing mitigation - limitations of device affordances, complexity of infrastructure, and cognitive and contextual factors of mobile device use. We give a high-level overview of ideas that can mitigate smishing and work around these challenges.
Abstract（参考訳）: 本稿では,デバイス利用のスマイシング,インフラストラクチャの複雑さ,モバイルデバイス利用の認知的・文脈的要因について述べる。私たちは、スマイシングを緩和し、これらの課題に対処できるアイデアの高レベルな概要を提供します。

関連論文リスト

Exploring Accessibility Trends and Challenges in Mobile App Development: A Study of Stack Overflow Questions [14.005637416640448]
そこで本研究では,Stack Overflow上でのアクセシビリティに関する議論を大規模に分析し,AndroidとiOS開発者が直面するトレンドと課題を明らかにする。この結果から,スクリーンリーダなどの補助技術の統合,アクセス可能なUI設計の確保,言語間のテキスト合成のサポート,アクセシビリティテストの実行など,いくつかの課題が明らかになった。開発者プラクティス,研究方向,ツールサポート,教育リソースの改善を促進する上で,私たちの発見を期待する。
論文参考訳（メタデータ） (2024-09-12T11:13:24Z)
Foundational Challenges in Assuring Alignment and Safety of Large Language Models [171.01569693871676]
この研究は、大規模言語モデル(LLM)のアライメントと安全性の確保における18の基本的な課題を特定する。特定された課題に基づいて、200ドル以上の具体的な研究質問を投げかけます。
論文参考訳（メタデータ） (2024-04-15T16:58:28Z)
Some challenges of calibrating differentiable agent-based models [0.0]
エージェントベースモデル(ABM)は複雑なシステムのモデリングと推論に有望なアプローチである。それらの応用は、その複雑さ、離散的性質、パラメータ推論と最適化タスクの実行の難しさによって妨げられている。
論文参考訳（メタデータ） (2023-07-03T15:07:10Z)
Faith and Fate: Limits of Transformers on Compositionality [109.79516190693415]
3つの代表的構成課題にまたがる変圧器大言語モデルの限界について検討する。これらのタスクは、問題をサブステップに分割し、これらのステップを正確な答えに合成する必要があります。実験結果から,多段階合成推論を線形化部分グラフマッチングに還元することにより,トランスフォーマーLLMが構成課題を解くことが示唆された。
論文参考訳（メタデータ） (2023-05-29T23:24:14Z)
TextANIMAR: Text-based 3D Animal Fine-Grained Retrieval [17.508227030897984]
本稿では,テキストによる3次元動物モデルの微粒化検索に着目した新しいSHRECチャレンジトラックを提案する。このタスクは、実際に有用なアプリケーションを駆動し、3Dオブジェクトとのより直感的なインタラクションを促進する可能性があると考えています。
論文参考訳（メタデータ） (2023-04-12T10:19:21Z)
Mitigating Covertly Unsafe Text within Natural Language Systems [55.26364166702625]
制御されていないシステムは、怪我や致命的な結果につながるレコメンデーションを生成する。本稿では,身体的危害につながる可能性のあるテキストのタイプを識別し,特に未発見のカテゴリを確立する。
論文参考訳（メタデータ） (2022-10-17T17:59:49Z)
CausalCity: Complex Simulations with Agency for Causal Discovery and Reasoning [68.74447489372037]
本稿では,因果探索と反事実推論のためのアルゴリズムの開発を目的とした,高忠実度シミュレーション環境を提案する。私たちの作業の中核となるコンポーネントは、複雑なシナリオを定義して作成することが簡単になるような、テキストの緊急性を導入することです。我々は3つの最先端の手法による実験を行い、ベースラインを作成し、この環境の可利用性を強調する。
論文参考訳（メタデータ） (2021-06-25T00:21:41Z)
Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。近年,これらの安全対策を目的とした最先端技術動物園が出現している。本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
論文参考訳（メタデータ） (2021-04-29T09:54:54Z)
Automatic Story Generation: Challenges and Attempts [0.0]
本研究のスコープは,自動ストーリー生成における課題を検討することである。以下の方法で貢献できることを願っています。今後の研究の方向性と、さらなる進歩に役立つ新しい技術について論じる。
論文参考訳（メタデータ） (2021-02-25T02:03:35Z)
Challenges for Using Impact Regularizers to Avoid Negative Side Effects [74.67972013102462]
我々は、影響レギュレータの主な課題について論じ、それらを基本的な設計決定に関連付ける。我々は、影響正則化器による負の副作用の防止における未解決課題を克服するための有望な方向を探究する。
論文参考訳（メタデータ） (2021-01-29T10:32:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。