随着现代嵌入式设备、通信制造、和互联网技术已经大大发展在过去的十年中,大量的数据可以很容易地从电子传感器获得的多峰性,电脑,移动终端和各种网络由他们(如互联网、物联网等)。相应地,信息安全的问题在数据开发和分析不可避免地出现。

一般来说,多峰性数据包含更多的潜在的信息和能力提供一个增强的分析结果相比,mono-source数据。结合数据的方式从不同来源获得适当的在多峰性数据分析中起着至关重要的作用,是值得研究的。此外,考虑到多峰性数据通常属于大数据在实践中,基于多通道的研究人员已经开发出一些技术学习有效地提高人类分析并迅速以较低的成本。多通道的研究学习信息安全已经吸引越来越多的研究者和实践者在学术界和工业。

原始研究的贡献和评论文章多峰性数据分析和信息安全的导数问题征集的特殊问题。研究致力于改善和优化现有的多峰性数据分析方法在信息安全,以及新模型,理论和方法对于多峰性数据,鼓励。

潜在的主题包括但不限于以下:

• 多通道源或传感器数据融合理论及其在信息安全中的应用
• 多通道学习网络安全,例如威胁检测、恶意攻击检测和识别、恶意软件检测和分类、网络分析、端点保护,和漏洞评估等。
• 多峰性数据表示、对齐、融合和co-learning
• 多峰性机器学习和数据分析
• 多通道攻击和防御敌对的培训