元学习——让机器学习学会学习
一、概述 现代机器学习模型通常使用手工设计的特征和固定的学习算法，然后针对特定的任务从零开始进行训练，特别是在
基于机器学习的自动化网络流量分析
传统网络流量分析任务依赖于大量的专家知识和人力成本，如何将整个过程自动化？
基于机器学习的反欺诈研究
互联网应用在给用户带来便利的同时，也引入了新的风险。屡见报端的网络欺诈事件，已经给许多互联网用户带来了严重危害。本文将介绍几种基于机器学习的能够有效监管和防御网络欺诈的技术手段。
谁偷了我的模型：机器学习模型水印技术介绍与分析
本文介绍了几种用以保护机器学习模型知识产权的模型水印技术，并分别对其优缺点进行了分析和比较。
深中肯綮：利用全流量检测5GC网元服务异常
本文从5GC整体架构到具体业务流程，探讨5GC网元服务面临的安全隐患及相应的检测策略，并利用提出的检测策略，设计通过全流量进行5GC网元服务异常检测的原型系统，简要阐述原型中各个模块的技术路线。
【格物实验室】物联网资产标记方法研究（三）——基于机器学习的物联网资产标记方法
本文是物联网资产发现的终篇，主要介绍如何通过机器学习聚类和人工标记结合快速准确的发现网络空间内的物联网资产指纹以及具体的识别效果。
【天枢实验室】攻击意图评估（二）：AI不好用？融入专家知识的告警筛选实战
实际上，有监督方法的效果也只能算是差强人意。但进一步实验表明，模型的准确率瓶颈已经从模型本身转移到了特征提取和标注数据量上。
RSA 2020创新沙盒盘点| INKY——基于机器学习的恶意邮件识别系统
2020年2月24日-28日，网络安全行业盛会RSA Conference将在旧金山拉开帷幕。绿盟君已经为大家介绍过入选今年创新沙盒的十强初创公司：Elevate Security 、Sqreen、Tala Security和AppOmni四家厂商了，今天将为大家介绍的是：INKY。
从“青铜”到“王者”-图嵌入技术的在社区发现应用中的升级之路
图表示学习是一种把模型跟机器学习方法相结合的一类技术，当前比较热门的主要有两大类：图嵌入(Graph Embedding)和图神经网络(Graph Neutral Network)。图模型的应用非常广泛，如社交网络，通信网络。在安全领域图模型也有关越来越广泛的应用，比如黑灰产团伙挖掘、安全知识图谱、欺诈检测等等。
Graph Mining：审视世界的眼睛
人类总是在不停的审视自我和认知世界，计算机科学作为人类思维方式和行为能力的延伸，也是从深度和广度两个方面去求真，求是。从近两年的Gartner的技术曲线来看，机器学习（Machine Learning）和深度学习（Deep Learning）都获得了大量的关注，其中机器学习这项技术在2018年的新兴技术曲线中并未出现，也从侧面体现了机器学习已经得到广泛应用，不再属于新兴技术了。
RSAC 2019 | 机器学习在中国互联网巨头实践
本届RSA出现少有的中国面孔，来自中国阿里安全的高级算法工程师Tao Zhou在RSA会议上以“互联网巨头公司在安全数据分析中面临的挑战”作为引子展开了如何在海量大数据背景下运用统计学习方法进行入侵检测的演讲，给出了很多建设性的看法。