2023 IEEE 13th Annual Computing and Communication Workshop and Conference (CCWC)是一个计算和通信方向的国际会议。最近CCWC 2023的论文上线了IEEE Xplore，沃恩智慧小编整理了提供开源代码和数据的论文，希望对从事该领域研究的的科研小伙伴有所帮助。 1. Active Learning Framework For Long-term Network Traffic Classification摘要：最近的网络流量分类方法受益于机器学习(ML)技术。然而，由于使用ML，存在许多挑战，例如缺乏高质量的注释数据集、数据漂移和其他影响导致数据集和ML模型老化、网络流量大等。本文介绍了增强ML训练和部署的传统工作流程，并在网络流量分析中采用主动学习(AL)概念。本文提出了一种新颖的主动学习框架(ALF)来解决这个问题。ALF提供准备好的软件组件，可用于部署AL循环并维护一个ALF实例，该实例会自动不断地演化数据集和ML模型。此外，ALF包括监控、数据集质量评估和优化功能，可增强AL领域的当前技术水平。由此产生的解决方案可部署用于高速(100Gb/s)网络的基于IP流的分析，并对其进行了八个多月的评估。在公开可用的数据集上评估了其他用例。链接：https://ieeexplore.ieee.org/abstract/document/10099065/代码：https://github.com/CESNET/ALF 2. Activity-Attack Graphs for Intelligence-Informed Threat COA Development摘要：威胁行动方案(COA)描述了对手可能在网络杀伤链中部署的可能战术、技术和程序(TTP)。威胁COA的开发和分析会告知搜索团队、事件响应人员和威胁仿真工作，让他们了解对手在攻击期间可能进行的活动。在本文中，我们提出了一种通过关联规则挖掘生成和评估威胁COA的新方法。我们识别频繁的TTP项集以创建一组描述TTP之间关联的活动组。我们叠加活动组以创建有向和边缘加权的活动攻击图。这些图假设了各种对手的攻击途径，加权边告知分析师对COA中假设的TTP的信任。我们的研究确定了TTP之间有意义的关联，并提供了一种生成威胁COA的分析方法。此外，我们的实施使用STIX框架在各种威胁情报环境中实现可扩展性和可用性。链接：https://ieeexplore.ieee.org/abstract/document/10099277/代码：https://github.com/metalmulisha205/Intelligence-Informed-COA-Development
