机器学习（ml）和密码有很多共同点;例如，要处理的数据量和大搜索空间。ML在密码术中的应用不是新的，但每天产生超过3个千分之一的数据，现在与以往以往任何时候的密码学中使用ML技术一样更相关。

ML通常自动化分析模型建筑以不断学习并适应作为输入的大量数据。ML技术可用于指示由密码系统创建的输入和输出数据之间的关系。ML技术，如升压和相互学习，可用于在公共和不安全的频道上创建私有加密密钥。在分类类别下，朴素贝叶斯，支持向量机和Adaboost等方法可用于将加密的流量和对象分类为隐写术中使用的Seteganograms。除了在密码学中的应用外，这是创建用于加密/解密机密数据的安全系统的艺术，也可以在密码分析中应用ML技术，这是破坏密码系统以执行某些侧信道攻击的艺术。

这一特殊问题的目的是创建一段近期的锰在密码系统和密码分析中的所有方面的进步。欢迎原始研究文章和审查文章讨论了本领域当前的艺术品。

潜在主题包括但不限于以下内容：

• 机器学习分析密码系统
• 机器学习执行密码分析
• 基于机器学习的入侵检测
• 深入学习安全和隐私
• 数据挖掘用于身份验证
• 端到端系统安全模型
• 基于机器学习的关键交换框架
• 基于机器学习的威胁和攻击模型生成
• 密码系统的非线性方面
• 对数据安全的对抗机器学习