KDD

Redefining Maritime Anomaly Detection via Equation-Grounded Synthetic Anomalies

通过方程引导的合成异常重新定义海上异常检测

Youngseok Hwang, Sungho Bae, Dohun Lee, Jaeeun Seo, Jeehong Kim, Wonhee Lee, Hyunwoo Park

机构 * Seoul National University（首尔国立大学） ； KRISO（韩国海洋研究组织） 纠错

AI总结 针对海上异常检测中缺乏标签和交互驱动异常的问题，提出基于方程引导的异常分类法，并构建统一评分-合成-标注流程，生成时间戳级标签，评估多种模型性能。

Comments 12 pages, KDD 2026 Oral

Travel-Oriented Reasoning Large Language Model via Domain-Specific Knowledge Graphs

面向旅游的推理大语言模型：基于领域特定知识图谱

Vignesh Ram Nithin Kappagantula, Shayan Hassantabar, Samuel Simpson, Golnaz Moallem

机构 * Expedia Group（Expedia集团） 纠错

AI总结 提出一种模块化流水线，利用专家构建的知识图谱生成多跳问答对，微调大语言模型以提升旅游领域推理的准确性和校准能力，在基准上达到82.4%精确匹配。

Comments Accepted to the Uncertainty Reasoning and Quantification in Decision Making (UDM) Workshop, KDD 2026 (To be presented in August 2026)

ML-Powered LDAP Reconnaissance Detection using Weak Supervision

基于弱监督的ML驱动的LDAP侦察检测

Shaefer Drew, Edward Raff, Michael Brautbar, Yaron Zinar, Benjamin Malmberg, Dor Agron, Sagi Sheinfeld, Avraham Kama, Asaf Romano

机构 * CrowdStrike 纠错

AI总结 提出两种机器学习框架检测LDAP侦察：弱监督分类器预测恶意查询，以及基于统计假设检验的签名挖掘方法，实现高效部署。

Comments to appear in Proceedings of the 32nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining

Can Fine-Tuning Erase Your Edits? On the Fragile Coexistence of Knowledge Editing and Adaptation

微调是否会抹去你的修改？关于知识编辑与适应脆弱共存的研究

Yinjie Cheng, Paul Youssef, Christin Seifert, Jörg Schlötterer, Zhixue Zhao

AI总结 研究探讨了微调对知识编辑的影响，发现微调会显著降低编辑效果，且仅微调编辑层可有效去除编辑，同时保持下游性能。

Comments Accepted to KDD 2026

LoRAShield: Data-Free Editing Alignment for Secure Personalized LoRA Sharing

LoRAShield: 无数据编辑对齐用于安全的个性化LoRA分享

Jiahao Chen, Junhao Li, Yiming Wang, Yong Yang, Yi Jiang, Chunyi Zhou, Qingming Li, Tianyu Du, Shouling Ji

机构 * Zhejiang University（浙江大学） ； Guizhou Medical University（贵州医科大学） 纠错

AI总结 LoRAShield通过对抗优化和语义增强动态编辑和对齐LoRA权重子空间，有效阻止恶意生成，保障个性化模型的安全共享。

Comments Accepted by SIGKDD 2026 Cycle2