近年来,监督机器学习方法(如k最近的邻居,贝叶斯定理,决策树、支持向量机、随机森林,神经网络,卷积神经网络递归神经网络,长期短期记忆网络,封闭的复发性单元网络),非监督机器学习方法(如:关联规则,k - means, density-based空间聚类的应用程序与噪音,层次聚类,深层信念网络,深玻耳兹曼机,auto-encoder,去噪auto-encoder,等等),强化学习方法(如生成对抗网络,深问网络,信赖域策略优化,等等),和联合学习方法已经应用于安全性和通信网络。例如,机器学习方法被用来分析数据流的行为在网络和提取模式的恶意活动(包下降,蠕虫传播、干扰机的攻击,等等)来生成入侵检测系统的规则。此外,时间序列方法(如当地异常因素,累积求和,在线自适应阈值,等等)提出了检索的时间序列特性对预防网络攻击和故障异常行为。

而机器学习方法的区域安全与通信网络是一个迅速扩张的科学研究领域,几个开放研究问题仍需讨论和研究。例如,使用和提高机器学习方法为恶意行为检测、攻击检测、移动终端分析,重复的安全任务自动化,零日漏洞预防、和其他安全应用程序在计算和通信是重要的问题。

这个特殊的问题将征集论文在不同学科的计算和安全与通信网络通信。最初的研究和评论文章是受欢迎的。

潜在的主题包括但不限于以下:

• 新的监督机器学习方法对安全性和通信网络
• 新的非监督机器学习方法的安全性和通信网络
• 新的强化学习方法的安全性和通信网络
• 新联邦安全与通信网络学习方法
• 新的安全与通信网络优化方法