# ml-for-security

**Repository Path**: yizhigopher/ml-for-security

## Basic Information

- **Project Name**: ml-for-security
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-04-07
- **Last Updated**: 2025-12-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 网络空间安全中的机器学习方法

本项目基于我在中国科学院大学的学习逐步整理，为大家系统化梳理网络空间安全中各个领域里面机器学习方法的运用。会逐渐更新，与大家一起进步！

## Roadmap

一边学习一边更新，目前2024年12月组队学习——加密流量分类章节已经整理好。

- 第一章：安全问题概述
- 第二章：密码知识
- 第三章：体系结构安全
- 第四章：通信安全
- 第五章：Web安全
- 第六章：网络流量分析
  - 6.1 什么是网络流量（2024-12组队学习内容）
  - 6.2 加密流量分析方法（2024-12组队学习内容）
  - 6.3 流量分类与入侵检测
  - 6.4 网络测量
  - 6.5 网络负载预测与优化：以2024华为杯数学建模为例
  - 6.6 密态对抗
  - 实战：使用机器学习分析加密流量（2024-12组队学习内容）
- 第七章：软件安全
- 第八章：威胁情报与态势感知
- 第九章：丰富多样的攻击
- 第十章：攻防对抗技术
- 第十一章：数据安全
- 第十二章：机器学习模型安全
- 第十三章：内容与认知安全
- 第十四章：大模型安全
- 第十五章：现实中的安全

## 参与贡献

- 如果你想参与到项目中来欢迎查看项目的 [Issue]() 查看没有被分配的任务。
- 如果你发现了一些问题，欢迎在 [Issue]() 中进行反馈🐛。
- 如果你对本项目感兴趣想要参与进来可以通过 [Discussion]() 进行交流💬。

如果你对 Datawhale 很感兴趣并想要发起一个新的项目，欢迎查看 [Datawhale 贡献指南](https://github.com/datawhalechina/DOPMC#%E4%B8%BA-datawhale-%E5%81%9A%E5%87%BA%E8%B4%A1%E7%8C%AE)。

## 贡献者名单

| 姓名 | 职责 | 简介 |
| :----| :---- | :---- |
| 若冰（马世拓） | 项目负责人 | 中国科学院大学网络空间安全学院，中国科学院信息工程研究所 |

（PS：数学建模导论项目也是我在负责，也欢迎大家阅读）

*注：表头可自定义，但必须在名单中标明项目负责人*

## 关注我们

<div align=center>
<p>扫描下方二维码关注公众号：Datawhale</p>
<img src="https://raw.githubusercontent.com/datawhalechina/pumpkin-book/master/res/qrcode.jpeg" width = "180" height = "180">
</div>

## LICENSE

<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/"><img alt="知识共享许可协议" style="border-width:0" src="https://img.shields.io/badge/license-CC%20BY--NC--SA%204.0-lightgrey" /></a><br />本作品采用<a rel="license" href="http://creativecommons.org/licenses/by-nc-sa/4.0/">知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议</a>进行许可。

*注：默认使用CC 4.0协议，也可根据自身项目情况选用其他协议*