2026年大数据、隐私计算与机器学习国际学术会议（BDPCML 2026）

2026 International Conference on Big Data, Privacy Computing, and Machine Learning（BDPCML 2026）

会议信息

大会官网：www.confs-online.com/bdpcml

大会地址：南京

投稿邮箱：int_committee@163.com【投稿请备注：BDPCML投稿+通讯作者姓名+田老师推荐，方便安排审稿，可享优惠价及优先审稿与录用权】

最终截稿时间：以官网时间为准（延期投稿请咨询组委会田老师）

接受/拒稿通知：投稿后3个工作日左右

会议简介

2026年大数据、隐私计算与机器学习国际学术会议(BDPCML 2026)将在中国南京举行。会议旨在为从事”大数据”、“隐私计算”与“机器学习”研究的专家学者提供一个共享科研成果和前沿技术，了解学术发展趋势，拓宽研究思路，加强学术研究和探讨，促进学术成果产业化合作的平台。大会诚邀国内外高校、科研机构专家、学者，企业界人士及其他相关人员参会交流。

参会方式

1、全文参会（参会+全文发表+报告）

投递全文并参会，录用注册的文章发表在会议论文集上，提交EI Compendex、CPCI、Scopus、CNKI、Google Scholar等收录；

一篇文章的注册费含一位作者的参会（旁听）费用，如需汇报需准备10分钟左右的演讲及PPT；

2、摘要参会（参会+摘要+报告）

投递摘要并参会，安排10分钟左右口头报告；

3、听众参会：无报告仅参会

注：会后我们将开具发票、邀请函、参会证明等材料并发送给参会人员。

文章出版

出版物：所有被会议录用的英文稿件将会发表在会议论文集上, 更多详情请与我们联系(手机/微信：17162865530)。

收录检索：EI Compendex、CPCI、Scopus、CNKI、Google Scholar等。

投稿须知：

1. 论文必须是英语稿件，不得少于6页（中文投稿可提供专业翻译服务）；

2. 本次论文未在国内外学术期刊和会议发表过；

3. 作者可通过CrossCheck, Turnitin或其他查询系统自费查重，否则由文章重复率引起的被拒稿将由作者自行承担责任。论文全文重复率不超过20%；

4. 发表论文的作者需提交全文进行同行评审，只做报告不发表论文的作者只需提交摘要。

大会主题（研究领域包括但不限于以下主题）

主题一：大数据

大数据的基础模型

数据科学

大数据搜索

记忆系统

深度学习

高性能计算技术

网络基础设施

多核计算

大数据应用

容错性与可靠性

大数据系统

大数据隐私与安全

大数据归档与保存

数据分析与数据挖掘

智能信息处理

数字城市与智能建筑

多元异构数据融合

大数据分析与智能推荐等

主题二：数据加密和隐私保护

大数据搜索、存储和管理的硬件和软件解决方案

云和大数据的隐私和安全

虚拟化技术、云数据管理和存储、云资源管理和QoS

大数据分析加密

大数据分析管理

大数据即服务

大数据加密

企业绩效管理中的大数据

企业管理模式与实践中的大数据

政府管理模式与实践中的大数据

使用大数据分析进行协作威胁检测

社交网络大数据的管理问题

大数据保护的模型和语言

隐私保护大数据分析

大数据的安全和隐私

大数据管理

大数据保护、完整性和隐私

大数据的安全应用

超大规模系统中的异常检测

大数据的持久性和保存

数据质量问题：如验证、指标、优化和一致性

主题三：机器学习

深入和强化学习

网络的模式识别和分类

用于网络切片优化的机器学习

机器学习5G系统

用于用户行为预测的机器学习

新的创新机器学习方法

优化机器学习方法

机器学习算法的性能分析

机器学习的实验评估

异构网络中的数据挖掘

机器学习多媒体

物联网机器学习

机器学习的安全和保护

分布式和分散式机器学习算法等