Уважаемые коллеги, доброго времени суток! Мы начинаем обзор изданий в обалсти Компьютерных сетей и коммуникаций. Сегодня хотим вашему вниманию представить китайское научное издание Digital Communications and Networks. Журнал имеет первый квартиль, издается в Chongqing University of Posts and Telecommunications, находится в открытом доступе, его SJR за 2020 г. равен 1,082, импакт-фактор - 6,797, электронный ISSN - 2352-8648, предметные области - Компьютерные сети и коммуникации, Телекоммуникации, Компьютерные науки, Коммуникация, Аппаратная часть и системная архитектура. Вот так выглядит обложка:
Редактором является Цзиньхао Лин, контактные данные - linjz@cqupt.edu.cn.
Журнал публикуется ежеквартально в партнерстве с издательством KeAi и Чунцинским университетом почты и телекоммуникаций,Чунцин,Китай. К публикации принимаются рецензируемые высококачественные оригинальные статьи и авторитетные обзоры, посвященные системам связи и сетям. Документы конференции могут быть приняты, если они были существенно расширены. Время от времени также публикуются специальные выпуски журнала, посвященные конкретному аспекту данной области.
Адрес издания - http://www.keaipublishing.com/en/journals/digital-communications-and-networks/
Пример статьи, название - Poisoning attacks and countermeasures in intelligent networks: status quo and prospects. Заголовок (Abstract) - Over the past years, the emergence of intelligent networks empowered by machine learning techniques has brought great facilitates to different aspects of human life. However, using machine learning in intelligent networks also presents potential security and privacy threats. A common practice is the so-called poisoning attacks where malicious users inject fake training data with the aim of corrupting the learned model. In this survey, we comprehensively review existing poisoning attacks as well as the countermeasures in intelligent networks for the first time. We emphasize and compare the principles of the formal poisoning attacks employed in different categories of learning algorithms, and analyze the strengths and limitations of corresponding defense methods in a compact form. We also highlight some remaining challenges and future directions in the attack-defense confrontation to promote further research in this emerging yet promising area. Keywords: Machine learning; poisoning attack; intelligent networks; security threat
