水下目标检测数据集：11类海洋渔具及垃圾 | 目标检测
本数据集含2500张真实水下图像，涵盖11类废弃渔具（如鱼笼、绳索、渔网）与海洋垃圾（轮胎、木材等），支持YOLO等目标检测模型训练。专为应对水下光学退化、目标遮挡、尺度多变等挑战构建，标注精细、结构规范、开箱即用，助力ROV/AUV智能巡检与海洋生态治理。（239字）
零基础暑假准备CAIE Level I，先抓住这几个模块
暑假备考CAIE Level I人工智能认证，零基础也能高效入门！聚焦AI基础概念、Python与数据思维、机器学习原理、生成式AI工具应用四大核心模块，强调“理解逻辑+解决实际问题”，而非死磕算法。不限专业，适配学生、职场人及转行者，是数字时代必备的AI能力敲门砖。
面向 MFA 绕过攻击的神经符号多模态检测与纵深防御体系研究
本文提出NeuroSymbolicMFADefend框架，首创融合文本、视觉与流量元数据的神经符号多模态检测方法，内嵌MFA专属逻辑规则与交叉注意力机制，有效应对AiTM、MFA疲劳、OAuth劫持等新型绕过攻击；实验显示ROC-AUC达96.5%，对抗鲁棒性强、可解释性高，支持工程化部署。
神经符号自适应多模态钓鱼检测框架抵御 AI 驱动威胁研究
本文提出NeuroSymbolicPhishDefend框架，融合文本、视觉与元数据三模态特征，通过交叉注意力融合、神经符号联合推理、扩散对抗增强及SHAP可解释模块，显著提升AI生成钓鱼攻击的检测精度（ROC-AUC达97%）、跨域泛化性（+6%~7%）与对抗鲁棒性，支持邮件网关、浏览器插件等工程部署。（239字）
面向物流仿冒钓鱼的神经符号多模态自适应检测方法研究
本文提出NeuroSymbolicLogiPhish框架，针对澳洲邮政仿冒重投钓鱼攻击，融合邮件文本、网页截图、域名元数据三模态特征，引入物流专属神经符号规则与跨模态注意力机制，实现高精度（AUC 96.8%）、强鲁棒（对抗衰减仅3.2%）、可解释、自适应的多模态检测，代码开源，支持邮件网关与浏览器插件部署。（239字）
