在过去的十年中，大规模存储架构和传感技术的快速发展，例如社交网站和可穿戴设备的出现，带来了大数据的现象，这涉及每天生产的数据Zettabytes。已经出现了多媒体内容分析的新研究机会和挑战。最近已经成功开发了许多大数据建模方法，计算算法和信号处理技术，并应用于多媒体社会和个人内容分析：例如，已经提出了多视图学习算法，用于探索多媒体内容，稀疏和歧管的各种已经为高维多媒体数据表示开发了学习，深度学习产生了大规模多媒体检索的有希望的结果，并且已经研究了大数据分析的压缩感应和新的采样方案。

使用多媒体分析工具实时处理这些前所未有的数据量的能力带来了许多可以在网络威胁分析系统中使用的好处。网络威胁分析师和入侵检测/预防系统可以通过利用网络，计算机，传感器和云系统收集的大数据来实时发现有用的信息。此信息可以帮助检测系统漏洞和攻击越来越普遍，并相应地帮助开发安全解决方案。大数据驱动的多媒体分析对于安全解决方案是有效的，因为大数据驱动的多媒体技术的特征可以尽可能快地发现异常和攻击模式，限制系统的脆弱性并提高它们的弹性。倾向于收集一系列最近的进步并导致这些相关主题，为研究人员提供了对社会/个人多媒体分析的安全和隐私模型和技术的创新思想的平台，并引入了方法和模式的有趣利用对于特定的社交/个人媒体应用程序。

这一特殊问题的目的是吸引关于安全和隐私技术的大数据驱动多媒体分析的开发和使用的广泛提交。通过倾向于收集一系列最近的进展和结果，我们的目标是为研究人员提供一个平台，以便在社交/个人多媒体分析的安全和隐私模型和技术上交换他们的创新思想，并引入有趣的利用特定社交/个人媒体应用的方法和模式。欢迎原始研究和审查文章，包括关于安全和隐私的理论进步的论文，以及媒体分析问题的大数据技术的算法开发

潜在主题包括但不限于以下内容：

• 用于入侵检测的大数据驱动多媒体分析
• 云系统安全性大数据分析
• 具有大数据多媒体分析的可视化
• 使用大数据多媒体分析的恶意软件检测
• Cyber​​威胁情报使用大数据多媒体分析
• 威胁检测的大数据处理架构
• 大数据多媒体分析中的高级持久威胁（APT）检测技术
• 机器学习算法，有效地检测大数据多媒体分析的网络攻击
• 表示跨平台处理的网络攻击数据
• 使用大数据分析的网络取证
• 用于实时威胁分析的流数据处理
• 使用大数据分析零攻击检测
• 多媒体索引和检索的大数据技术
• 用于多媒体分析的安全大数据技术
• 用于多媒体数据处理的科学编程