已发表论文:http://jmlr.csail.mit.edu/papers/topic/ml_sec.html
文件征集
随着计算机变得越来越普及和互联,它们的安全性已经成为一个主要问题。本期特别关注的是演示机器学习(或数据挖掘)方式的研究技术可以用来提高计算机的安全性。这包括旨在提高网络、主机和个人应用程序或计算机程序。研究可以有很多目标包括但不限于认证用户,描述受保护系统的特征,检测已知或未知使用软件存储库可以利用的漏洞作为训练数据以发现软件错误、防止攻击、检测已知和新的攻击发生时,分析最近检测到的攻击攻击,响应攻击,预测攻击者的行动和目标,对受损系统进行取证分析,并进行分析在蜜罐和网络“望远镜”或“黑色”中看到的活动洞。"特别有趣的是使用机器学习技术的研究,仔细描述他们的方法,以现实的方式评估绩效环境,并将性能与现有的可接受性能进行比较方法。使用机器学习技术或扩展的研究当前解决安全相关难题的技术有最感兴趣的。
预计研究将涉及许多经典机器学习问题包括特征选择、特征构建、,增量/在线学习、数据中的噪声、倾斜数据分布、分布式学习、关联多个模型,以及高效处理大量数据。
重要日期:(过期)
提交指南:
特邀编辑:
- Philip Chan,佛罗里达理工大学[pkc AT cs DOT fit DOT edu]
- 理查德·利普曼,麻省理工学院林肯实验室[Lippmann AT ll DOT MIT DOT edu]
审核人:
- Philip Chan,佛罗里达理工大学
- 魏凡,IBM沃森研究中心
- DARPA Anup Ghosh
- 国家安全局汤姆·戈德林
- 乔治·梅森大学(George Mason Univ.)苏希尔·贾约迪亚(Sushil Jajodia)。
- Chris Kruegel,维也纳技术大学
- Vipin Kumar,明尼苏达大学
- 新墨西哥大学Terran Lane
- Wenke Lee,佐治亚理工大学
- 理查德·利普曼,麻省理工学院林肯实验室
- 佛罗里达理工大学马修·马奥尼
- 卡内基梅隆大学Roy Maxion。
- Chris Michael,Cidigital公司
- 俄亥俄州立大学Srinivasan Parthasarathy。
- R.Sekar,石溪大学。
- Jude Shavlik,威斯康星州大学
- 佛罗里达理工大学马吕斯·西拉吉
- Salvatore Stolfo,哥伦比亚大学。
- 阿方索·瓦尔德斯,SRI