深度分析
MIDS：雙流雙向 Mamba 技術在車載 CAN 偽裝與篡改攻擊偵測的效能提升
隨著車載網路攻擊手法升級，傳統 IDS 難以偵測保持時序的偽裝攻擊。研究提出 MIDS 雙流雙向 Mamba 架構，同步分析 ID 與資料負載，利用選擇性狀態空間模型捕捉長程語意關聯，於超過 1 億筆 Tesla CAN 訊號測試中取得 96.94% F1，且在五大公開基準皆超過 93% 表現，顯示其即時部署潛力。
深度分析
隨著車載網路攻擊手法升級，傳統 IDS 難以偵測保持時序的偽裝攻擊。研究提出 MIDS 雙流雙向 Mamba 架構，同步分析 ID 與資料負載，利用選擇性狀態空間模型捕捉長程語意關聯，於超過 1 億筆 Tesla CAN 訊號測試中取得 96.94% F1，且在五大公開基準皆超過 93% 表現，顯示其即時部署潛力。
深度分析
皮膚病變影像經常面臨低對比、雜訊與多樣形態，精準邊界分割困難。本研究提出MambaLiteUNet，將Mamba狀態空間層嵌入輕量化U‑Net，並透過AMF、LGFM與CGA三大模組強化多尺度融合、局部與全域特徵互動。於多個公開資料集上達到優異IoU與Dice，且維持極低參數與運算負擔。