12月2日，信息学院“Detecting Concept Drift in Hacker Communications for use in Supervised Models”学术讲座在线上举行。本次讲座邀请到Brian Keegan博士，他是都柏林理工大学计算机科学学院本科生研究部主任，也是ASCNet的创始成员。并且Brian也是IEEE高级成员和欧盟专家评估员。讲座主要内容为在监督模型中检测黑客通信中的概念漂移。
讲座伊始，Brian Keegan博士介绍了黑客论坛中的漏洞沟通信息以及软件漏洞会带来什么问题。之后提出了目前的研究问题，用于检测软件漏洞通信的监督分类模型的最佳技术是什么。并讲解了监督学习的基本概念以及相关术语的介绍，如分类预测、回归预测、特征提取等。
接下来，Brian Keegan博士详细介绍了数据集的选择以及分类模型的内容。数据集标签，是通过选择数据集，采样并提供标签。分类模型，在这个模型中，采取创建算法和特征表示的不同组合模型，并在这个任务中评估它们的性能。并且还研究了提高精度和使模型更有效的技术。
在后半部分Brian Keegan博士给我们讲解了概念漂移的检测这部分内容。因为随着时间的推移，模型变得不那么准确，表明概念漂移的存在。所以为了研究这个问题，提出了将数据集以时间为单位分割为几部分，用训练后出现的进一步看不见的数据来评估模型。
讲座后的互动环节，Brian Keegan博士耐心细致的与师生进行交流，讲座圆满结束。
