网络安全与大数据深度学习

网络安全在计算机和信息技术正在经历巨大的变化。大数据和深度学习驾驶的变化。提取模式的安全事故或见解从网络安全数据和建立相应的big-data-driven模型计算机/网络安全系统的关键是要聪明。各种机器学习技术、流程和系统提出和实现理解和分析实际的网络安全攻击和防御。本研究课题关注网络安全深度学习和深入学习网络安全。之间的密切互动的网络安全领域和深度学习大数据允许使计算过程在网络安全领域更可行的和智能相比传统的。

我们想促进合作和知识交流网络安全社区,从深度学习领域研究者和实践者,及其与大数据,交叉数据科学和人工智能。收集应当提供一个平台讨论小说在深度学习趋势和成就,他们的角色在安全系统的开发以及网络安全思考如何影响深度学习系统的设计和实现。它旨在突出人工智能的最新研究趋势网络安全,隐私数据,大数据,深入学习,敌对的学习。特别是,它旨在促进这些新兴技术的网络安全中的应用。

本文收集应当有助于确定新的应用领域以及开放和未来研究问题深度学习在网络安全领域的应用。

深度学习:
•反恶意软件技术:检测、分析和预防
•网络犯罪防御和取证(例如,反钓鱼、anti-blackmailing反欺诈技术)
•实现,网络安全策略的部署和管理
•集成安全网络协议(如路由、命名和管理)
•在深度学习预防网络攻击,检测,调查,和响应
•软件/固件分析、自定义和转换的系统安全
•敌对的机器学习和人工智能模型的鲁棒性对恶意行为
•可解释性和Explainability深度学习在网络安全模型
•保护隐私深度学习
•可信赖的深度学习
•可伸缩/大数据网络安全的方法
•深度学习自动识别的新颖的威胁
学习网络安全•图表示
•连续和一次性学习
•用户和实体行为建模和分析

关键字:网络安全、隐私、深度学习、对抗性的机器学习,大数据,人工智能

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。