Frontiers in Big Data

Christoph Deppe*, Gary S. Schaal

本文从政治学视角剖析北约盟军转型司令部（NATO ACT）"认知战"概念，探讨其超越军事范畴的应用价值，旨在打通军事与民事研究壁垒，为政治科学研究与跨学科协作提供新框架。

Krishnashree Achuthan*, Sasangan Ramanathan, Sethuraman Srinivas, Raghu Raman

本文采用 PRISMA 框架系统综述 2004–2023 年 9,350 余篇文献，借助 BERTopic 主题建模识别 AI 驱动网络安全的 14 个核心主题，揭示入侵检测、恶意软件分类、联邦学习隐私保护、IoT 安全等关键应用方向。

Claudia Negri-Ribalta*, Rémi Geraud-Stewart, Anastasia Sergeeva, Gabriele Lenzini

本研究系统综述 AI 模型对代码生成安全性的影响，梳理 AI 生成代码中常见的 MITRE CWE 漏洞类型及其潜在攻击面，强调代码验证与定制化安全流程对 AI 辅助开发的关键作用。

Manoj Kumar M.*, Nasser Almuraqab, Immanuel Azaad Moonesar, Udo Christian Braendle, Ananth Rao

本研究运用主成分分析与随机森林建模，评估金融素养与数字金融可及性对扩大版金砖国家（含新成员）中小企业可持续发展的影响，为新兴经济体的金融普惠政策提供数据支撑。

Enes Altuncu*, Virginia N. L. Franqueira, Shujun Li

本文系统综述 Deepfake（深度伪造）领域，涵盖定义体系、性能指标与标准、常用数据集，并对 2020 年以来 15 篇代表性综述进行 Meta 分析，提炼核心挑战与未来研究建议。

Patchanok Srisuradetchai*, Korn Suksrikran

本研究提出随机核 k 近邻（RK-KNN）回归方法，融合核平滑与 Bootstrap 抽样以提升大数据场景下的预测精度与稳健性，在 15 个数据集上对比 SVR、ANN、随机森林等方法均显著降低 RMSE。

Petar Radanliev*, David De Roure, Carsten Maple, Jason R. C. Nurse, Razvan Nicolescu, Uchenna Ani

本文聚焦物联网（IoT）低内存设备的网络安全风险，提出面向无人机、自主机器、机器人等新兴技术的依赖性建模框架，为网络风险评估、企业风险管理及网络保险定价提供新方法论。