Phòng thí nghiệm An toàn thông tin - UIT InSecLab

🎉Chúc mừng Phan Quốc Đạt và Tiền Đức Anh Hào đã có bài báo khoa học được chấp nhận trình bày và xuất bản tại The 9th International Conference on Multimedia Analysis and Pattern Recognition (MAPR 2026), diễn ra tại Huế, Việt Nam.
📝Bài báo: Explainable Malware Detection from Noisy API Sequences with RAG-Based MITRE ATT&CK Mapping
👨‍💻Sinh viên thực hiện:
* Phan Quốc Đạt – ATTT2022.1, Khoa MMT&TT, Trường Đại học Công nghệ Thông tin - ĐHQG-HCM
* Tiền Đức Anh Hào - ATTT2022.1, Khoa MMT&TT, Trường Đại học Công nghệ Thông tin - ĐHQG-HCM
👨‍🏫Giảng viên hướng dẫn:
* ThS. Nghi Hoàng Khoa
* PGS.TS. Phạm Văn Hậu
✅Tóm tắt bài báo:
Trước sự phát triển ngày càng tinh vi của các kỹ thuật né tránh như polymorphism và staged ex*****on, vốn làm suy giảm hiệu quả của các cơ chế phát hiện mã độc dựa trên chữ ký truyền thống, phân tích chuỗi API động đang nổi lên như một hướng tiếp cận hiệu quả. Tuy nhiên, việc trích xuất thông tin hữu ích từ các ex*****on log nhiều nhiễu mà vẫn duy trì khả năng giải thích của mô hình vẫn là một thách thức lớn. Để giải quyết vấn đề này, chúng tôi đề xuất một framework đa tầng nhằm kết nối các tín hiệu hành vi thô với thông tin tình báo mối đe dọa được chuẩn hóa. Kiến trúc sử dụng cơ chế lọc nhiễu Log2 để tinh lọc ex*****on trace thành các phân đoạn API, sau đó ánh xạ chúng vào không gian biểu diễn ngữ nghĩa bằng CodeBERT. Kết hợp HDBSCAN cho phân cụm dựa trên mật độ và PrefixSpan, hệ thống có thể trích xuất các mẫu tuần tự đại diện cho những hành vi độc hại cốt lõi. Ở giai đoạn phân loại, mô hình Soft-Voting Ensemble kết hợp Random Forest và XGBoost đạt độ chính xác 99,40%, đồng thời sử dụng SHAP để cung cấp khả năng giải thích ở cấp độ đặc trưng. Bên cạnh đó, chúng tôi tích hợp một LLM Agent dựa trên Retrieval-Augmented Generation (RAG) để diễn giải các tín hiệu kỹ thuật và hỗ trợ ánh xạ hành vi mã độc vào MITRE ATT&CK. Kết quả thực nghiệm trên các bộ dữ liệu mã độc Windows cho thấy framework đề xuất có khả năng phát hiện hiệu quả các mối đe dọa đã được làm rối, đồng thời tự động tạo các báo cáo điều tra số có cấu trúc nhằm hỗ trợ quy trình Incident Response và Digital Forensics & Incident Response (DFIR).
✅Thông tin về hội nghị:
MAPR 2026 (International Conference on Multimedia Analysis and Pattern Recognition) là hội nghị khoa học quốc tế uy tín về Phân tích đa phương tiện và Nhận dạng mẫu do Trường Đại học Công nghệ Thông tin (UIT) – ĐHQG-HCM tổ chức. Hội nghị là diễn đàn trao đổi học thuật chất lượng cao, kết nối các nhà nghiên cứu, chuyên gia và học giả trong và ngoài nước thuộc lĩnh vực trí tuệ nhân tạo, nhận dạng mẫu và xử lý đa phương tiện. MAPR 2026 sẽ được diễn ra tại thành phố Huế, với sự tham gia của diễn giả chính (Keynote Speaker) là Giáo sư NGO Chong Wah đến từ Trường Máy tính và Hệ thống Thông tin thuộc Đại học Quản lý Singapore (SMU). Tất cả các bài báo được chấp nhận tại hội nghị sẽ được xuất bản trong kỷ yếu hội nghị và lập chỉ mục trong cơ sở dữ liệu uy tín IEEE Xplore.
👏Xin chúc mừng nhóm nghiên cứu và quý thầy hướng dẫn. Thành quả này là minh chứng cho tinh thần nghiên cứu nghiêm túc, sự hợp tác hiệu quả giữa các thành viên, đồng thời góp phần lan tỏa niềm đam mê nghiên cứu khoa học và đổi mới sáng tạo trong cộng đồng sinh viên.

🚩 ROAD TO W1 2026 — HÀNH TRÌNH CHINH PHỤC W1 BẮT ĐẦU

CLB W1 - UIT InSecLab chính thức mở đợt tuyển thành viên năm 2026 dành cho sinh viên trường Đại học Công nghệ Thông tin, ĐHQG-HCM.

Đây là cơ hội để bạn thử sức với các bài toán an toàn thông tin thực chiến, tiếp cận hoạt động nghiên cứu chuyên sâu và phát triển năng lực trong một môi trường học thuật giàu tính cộng tác.

🟢 HẠNG MỤC 01 — CTF

- Thi đấu Jeopardy trực tiếp trong 8 giờ
- Các mảng: Web, Pwn, Crypto, Reverse và Forensics
- Tổng giải thưởng: 4.000.000 VNĐ
- Không sử dụng công cụ AI trong suốt quá trình thi đấu

🔵 HẠNG MỤC 02 — RESEARCH

- Nghiên cứu Malware, Reverse Engineering, Network Security, AI Security và System Security
- Quy trình tuyển chọn: Nộp CV → Phỏng vấn
- Không yêu cầu kinh nghiệm; ưu tiên tinh thần học hỏi, tư duy chủ động và sự kiên trì

🎓 Đối tượng: Sinh viên UIT thuộc mọi khoá học
⏰ Hạn đăng ký: 23:59 ngày 30.08.2026
🌐 Thông tin và đăng ký:
https://club.inseclab.uit.edu.vn/tuyen-thanh-vien

Dù đến với CTF thực chiến hay Research chuyên sâu, đây sẽ là nơi bạn rèn luyện bản lĩnh, phát triển năng lực và tiến gần hơn đến W1.

Hẹn gặp bạn tại ROAD TO W1 2026! 🚀

🚀 INSECLAB - DẤU ẤN NGHIÊN CỨU KHOA HỌC 6 THÁNG ĐẦU NĂM 2026

Trong 6 tháng đầu năm 2026, Phòng Thí nghiệm An toàn Thông tin – UIT InSecLab đã ghi nhận 27 công bố khoa học quốc tế uy tín.
Đáng chú ý, 12 bài báo khoa học (chiếm 44% tổng số công bố) đã được xuất bản trên các tạp chí quốc tế thuộc nhóm SCIE Q1, góp phần khẳng định năng lực nghiên cứu của InSecLab trong các lĩnh vực An toàn thông tin, Trí tuệ nhân tạo và Mạng máy tính.

Một số tạp chí uy tín tiêu biểu có các công bố bao gồm:
🏆 Expert Systems with Applications (ESWA)
🏆 Journal of Network and Computer Applications (JNCA)
🏆 Information and Software Technology (IST)
🏆 Journal of Information Security and Applications (JISA)
🏆 Computer Networks

💙 Những kết quả này là thành quả của sự nỗ lực không ngừng từ các giảng viên, nghiên cứu viên, học viên cao học và sinh viên UIT – InSecLab trong hành trình theo đuổi nghiên cứu khoa học chất lượng cao, góp phần nâng cao vị thế nghiên cứu của Trường Đại học Công nghệ Thông tin - ĐHQG-HCM trong cộng đồng khoa học quốc tế.
Xin trân trọng cảm ơn quý thầy cô, các cộng sự, sinh viên, học viên cao học và toàn thể thành viên InSecLab đã luôn đồng hành, sáng tạo và bền bỉ trên hành trình nghiên cứu.

📌 Xem danh sách các công bố khoa học của InSecLab tại:
https://inseclab.uit.edu.vn/cong-bo-khoa-hoc/

🎉CHÚC MỪNG NHÓM NGHIÊN CỨU SINH VIÊN KHOA MẠNG MÁY TÍNH & TRUYỀN THÔNG (UIT) CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN ĐĂNG TẠI TẠP CHÍ Q1 COMPUTER NETWORKS – THUỘC TOP 10 LĨNH VỰC MẠNG MÁY TÍNH VÀ TRUYỀN THÔNG KHÔNG DÂY (ELSEVIER)! 🎉
Chúc mừng nhóm sinh viên Trương Đức Hào, Hồng Huy Hoàng và Lê Hồng Hiển, hiện đang theo học ngành An toàn thông tin tại Khoa Mạng máy tính và Truyền thông, Trường Đại học Công nghệ Thông tin (VNU-HCM) với thành tích nghiên cứu học thuật ấn tượng.
Công trình nghiên cứu của các bạn về giải pháp phòng thủ di động mục tiêu thích ứng với sự thay đổi phân phối dữ liệu dựa trên học tăng cường đa tác tử trong hệ thống phát hiện xâm nhập (IDS) đã chính thức được chấp nhận đăng tải trên tạp chí Computer Networks – một tạp chí uy tín hàng đầu khi nằm trong Top 10 toàn cầu của lĩnh vực Mạng máy tính và Truyền thông không dây (Computer Networks & Wireless Communication), thuộc danh mục Q1 của nhà xuất bản danh tiếng Elsevier.
📝Tên bài báo: “MORPH-IDS: A context-driven Multi-Agent Reinforcement Learning framework for drift-aware moving target defense in adversarial-robust intrusion detection”
👥 Sinh viên thực hiện:
● Trương Đức Hào - Lớp ATTT2022.1
● Hồng Huy Hoàng - Lớp ATTT2023.1
● Lê Hồng Hiển - Lớp ATTT2022.1
Đề tài là kết quả từ quá trình nỗ lực nghiên cứu của nhóm tại Phòng thí nghiệm An toàn thông tin (InSecLab) hướng tới mục tiêu tối ưu hóa khả năng bảo mật cho các hệ thống phát hiện xâm nhập chủ động thông qua việc kết hợp các mô hình học máy và lý thuyết trò chơi.
👨‍🏫Giảng viên hướng dẫn:
● TS. Phan Thế Duy
● TS. Huỳnh Văn Đặng
● PGS. TS. Lê Trung Quân
● PGS. TS. Phạm Văn Hậu
💬Lời chia sẻ từ nhóm nghiên cứu:
“Đầu tiên, chúng em xin gửi lời tri ân sâu sắc nhất đến Thầy Phan Thế Duy, Thầy Huỳnh Văn Đặng, Thầy Lê Trung Quân và Thầy Phạm Văn Hậu. Chúng em vô cùng biết ơn sự tận tình định hướng và kiên nhẫn chỉ dạy của các thầy từ những viên gạch ý tưởng đầu tiên cho đến khi hoàn thiện bản thảo. Sự khắt khe trong học thuật cùng những phản biện quý báu từ các thầy chính là động lực và kim chỉ nam để công trình nghiên cứu này đạt được chất lượng hoàn thiện nhất. Cuối cùng, chúng em xin chân thành cảm ơn Information Security Lab (InSecLab) và Khoa Mạng máy tính & Truyền thông (UIT) đã luôn tạo một môi trường nghiên cứu tuyệt vời để sinh viên có cơ hội học hỏi và phát triển. Đây chắc chắn sẽ là bệ phóng lớn để chúng em tiếp tục cố gắng hơn nữa trên hành trình sắp tới.”
📖Tóm tắt bài báo (Abstract):
In the rapidly evolving cybersecurity landscape, Machine Learning (ML)-based Network Intrusion Detection Systems (NIDS) have become essential for detecting sophisticated threats, yet they are increasingly vulnerable to adversarial evasion attacks and concept drift caused by adaptive attackers. Existing ensemble-based defenses optimize for instantaneous accuracy without incorporating drift signals, while drift adaptation methods remain reactive rather than proactive against strategic adversaries. Therefore, we propose MORPH-IDS (Moving Objective Reinforcement Learning framework for Proactive and Hardened Intrusion Detection Systems), which integrates Moving Target Defense (MTD) with Reinforcement Learning (RL) to mitigate these risks by creating a dynamic, unpredictable attack surface that invalidates adversaries’ reconnaissance and increases attack costs. The core of MORPH-IDS is a multi-agent RL (MARL) setup modeled as a Markov Game, featuring two competing agents in a co-evolutionary environment. The defender agent, implemented as a Dueling Double Deep Q-Network (D3QN), learns to intelligently select and combine strategies from a diverse model pool. Conditioned on a carefully designed low-dimensional drift embedding, which quantifies distributional shifts, temporal dynamics, and poisoning indicators, the agent dynamically orchestrates robust ensembles during periods of high concept drift and accuracy-optimal methods under stable conditions, thereby creating a non-stationary, unpredictable moving target defense. To enable proactive adaptation, an Adversarial Drift Injection (ADI) scheduler – driven by the adversarial agent – proactively synthesizes diverse drift and evasion scenarios during training. This co-evolutionary process teaches the defender to interpret contextual signals effectively, generalize to unseen adversarial threats, and mitigate catastrophic forgetting through integrated continual learning mechanisms. Empirical evaluation on three benchmarks, including CIC-IDS2017, CIC-IDS2019, CIC-APT-IIoT-2024 dataset, demonstrates that MORPH-IDS improves robustness of NIDS against both concept drift and adversarial attacks. Specifically, it outperforms recent baselines such as Apollon by over 15% in F1-score on CIC-IDS2017 and improves adversarial robustness by up to 22.65% against black-box attacks. Furthermore, on the CIC-APT-IIoT-2024 dataset, the system detects 91.53% of Advanced Persistent Threat (APT) patterns while maintaining stable performance under temporal drift. The results underscore the effectiveness of drift-aware MTD for risk mitigation in real-time defensive adaptation.
📰Về Tạp chí khoa học:
"Computer Networks" (ComNet) là ấn phẩm khoa học quốc tế uy tín trực thuộc nhà xuất bản Elsevier. Theo bảng xếp hạng Google Scholar Metrics, tạp chí hiện giữ vị thế vững chắc trong Top 10 toàn cầu ở danh mục Computer Networks & Wireless Communication với chỉ số h5-index đạt 99 và h5-median đạt 171. Đồng thời, tạp chí luôn duy trì thứ hạng Q1 (Quartile 1) trong phân mục Computer Networks and Communications theo hệ thống SCImago Journal Rank (SJR) với chỉ số Impact Factor (JCR) đạt 4.6, khẳng định uy tín vượt trội và sự đánh giá cao từ cộng đồng chuyên gia quốc tế đối với các công trình nghiên cứu được công bố tại đây.
Việc đề tài được công bố tại một tạp chí chuyên ngành hàng đầu không chỉ khẳng định tính thực tiễn cao, tư duy phương pháp luận chặt chẽ của nhóm nghiên cứu mà còn là đóng góp ý nghĩa vào sự phát triển chung của lĩnh vực an ninh mạng toàn cầu.

>> Link bài báo: https://doi.org/10.1016/j.comnet.2026.112541

🇻🇳 UIT-Refund chính thức bước vào Chung kết CODEGATE CTF 2026 tại Hàn Quốc 🇰🇷

Sau hành trình từ TP. Hồ Chí Minh đến Seoul, đội tuyển UIT-Refund của Trường Đại học Công nghệ Thông tin, ĐHQG-HCM đã chính thức có mặt tại đấu trường CODEGATE CTF 2026 Final Round và bắt đầu tranh tài.

🔥 Vòng Chung kết bảng General diễn ra trong 24 giờ liên tục, từ 10:00 ngày 23/07 đến 10:00 ngày 24/07/2026 tại COEX Convention Center, Seoul, Hàn Quốc.

Bốn thành viên UIT-Refund sẽ cùng phối hợp giải quyết những thử thách An toàn thông tin, cạnh tranh với các đội tuyển quốc tế đã vượt qua vòng loại để góp mặt tại Chung kết.

💙 24 giờ thử thách sắp bắt đầu!

Chúc UIT-Refund giữ vững tinh thần, tập trung, phối hợp thật tốt và chiến đấu hết mình. Ban huấn luyện, thầy cô và các bạn sinh viên UIT luôn dõi theo và cổ vũ đội tuyển từ Việt Nam.

🇻🇳 Good luck, UIT-Refund!

🎉Chúc mừng Đinh Hữu Nhiên và Châu Thế Vĩ đã có bài báo khoa học được chấp nhận trình bày và xuất bản tại The 9th International Conference on Multimedia Analysis and Pattern Recognition (MAPR 2026), diễn ra tại Huế, Việt Nam.

📝Bài báo: An Empirical Study on the Transferability of Transformer-Based Models for Software Vulnerability Detection

👨‍💻Sinh viên thực hiện:
* Đinh Hữu Nhiên - Cộng tác viên Phòng thí nghiệm An toàn thông tin
* Châu Thế Vĩ - KHTN2022, Khoa Khoa học Máy tính, Trường Đại học Công nghệ Thông tin - ĐHQG-HCM

👨‍🏫Giảng viên hướng dẫn:
* ThS. Tô Trọng Nghĩa
* TS. Phan Thế Duy

✅Tóm tắt bài báo:
Mặc dù các mô hình dựa trên kiến trúc Transformer đang chiếm ưu thế trong việc phát hiện lỗ hổng phần mềm, khả năng khái quát hóa logic bảo mật đã học của chúng trên các ngôn ngữ lập trình khác nhau vẫn là một câu hỏi mở quan trọng. Để giải quyết vấn đề này, bài báo đề xuất một khung đánh giá toàn diện được tổ chức thành ba giai đoạn trải dài qua năm kịch bản thực nghiệm khác nhau, nhằm phân tích nghiêm ngặt các hành vi của mô hình từ độ nhạy đầu vào (input sensitivity) và hiệu suất cơ sở (baseline performance) đến khả năng chuyển giao đa ngôn ngữ (cross-lingual transferability) và tính minh bạch trong ra quyết định (decision transparency). Chúng tôi thử nghiệm đối sánh (benchmark) bốn mô hình tiêu biểu (CodeBERT, GraphCodeBERT, UniXcoder và CodeT5+) bằng cách sử dụng tập dữ liệu Polyglot Injection Dataset được tinh lọc (gồm C/C++ và Java). Các kết quả thực nghiệm chỉ ra rằng việc mở rộng ngữ cảnh đầu vào từ 128 lên 512 token mang lại hiệu quả không đáng kể, cho thấy sự phụ thuộc lớn của mô hình vào các đặc trưng mang tính cục bộ (localized features). Trong khi chúng tôi nhận thấy sự bất đối xứng rõ rệt trong quá trình chuyển giao nghiêng về phía các nguồn C/C++, kiến trúc Encoder-Decoder (CodeT5+) lại chứng minh khả năng khái quát hóa đa ngôn ngữ vượt trội. Quan trọng hơn, độ bền vững cấu trúc (structural robustness) cao trước các biến đổi ngữ nghĩa (semantic transformations), kết hợp với phân tích sự đồng thuận XAI định lượng, đã xác nhận rằng các mô hình này thực sự nắm bắt được logic lỗ hổng cốt lõi. Những phát hiện này gợi mở rằng rào cản chính đối với việc chuyển giao đa ngôn ngữ là do sự bất tương thích về mặt từ vựng (vocabulary mismatch) chứ không phải do sự hạn chế trong khả năng lập luận của mô hình.

✅Thông tin về hội nghị:
MAPR 2026 (International Conference on Multimedia Analysis and Pattern Recognition) là hội nghị khoa học quốc tế uy tín về Phân tích đa phương tiện và Nhận dạng mẫu do Trường Đại học Công nghệ Thông tin (UIT) – ĐHQG-HCM tổ chức. Hội nghị là diễn đàn trao đổi học thuật chất lượng cao, kết nối các nhà nghiên cứu, chuyên gia và học giả trong và ngoài nước thuộc lĩnh vực trí tuệ nhân tạo, nhận dạng mẫu và xử lý đa phương tiện. MAPR 2026 sẽ được diễn ra tại thành phố Huế, với sự tham gia của diễn giả chính (Keynote Speaker) là Giáo sư NGO Chong Wah đến từ Trường Máy tính và Hệ thống Thông tin thuộc Đại học Quản lý Singapore (SMU). Tất cả các bài báo được chấp nhận tại hội nghị sẽ được xuất bản trong kỷ yếu hội nghị và lập chỉ mục trong cơ sở dữ liệu uy tín IEEE Xplore.

👏 Xin chúc mừng nhóm nghiên cứu và quý thầy hướng dẫn. Thành quả này là minh chứng cho tinh thần nghiên cứu nghiêm túc, sự hợp tác hiệu quả giữa các thành viên, đồng thời góp phần lan tỏa niềm đam mê nghiên cứu khoa học và đổi mới sáng tạo trong cộng đồng sinh viên.

🇻🇳🇰🇷 Sinh viên UIT lên đường chinh phục Chung kết CODEGATE CTF 2026 tại Hàn Quốc

Đội tuyển UIT-Refund của Trường Đại học Công nghệ Thông tin, ĐHQG-HCM đã chính thức lên đường sang Seoul, Hàn Quốc để tham dự vòng Chung kết CODEGATE CTF 2026, một trong những cuộc thi Capture The Flag (CTF) uy tín và quy mô hàng đầu châu Á trong lĩnh vực An toàn thông tin.

Sau thành tích xuất sắc tại vòng loại CODEGATE CTF 2026 Preliminary, đội UIT-Refund đã giành quyền góp mặt tại vòng Chung kết, diễn ra từ 10:00 ngày 23/07/2026 đến 10:00 ngày 24/07/2026 (24 giờ liên tục) tại COEX Convention Center, Seoul, Hàn Quốc.

Đội tuyển gồm các sinh viên:

* Nguyễn Chánh Nghĩa
* Lê Ngọc Bảo Minh
* Hoàng Anh Dũng
* Mai Đăng Khoa

Đây là những sinh viên tiêu biểu của ngành An toàn Thông tin, Khoa Mạng máy tính và Truyền thông, đại diện cho UIT tranh tài cùng các đội tuyển xuất sắc đến từ nhiều quốc gia và vùng lãnh thổ.

Trước giờ khởi hành, PGS.TS Phạm Văn Hậu, ThS. Nghi Hoàng Khoa - trong Ban huấn luyện đã gửi lời động viên đến đội tuyển, mong các em giữ vững tinh thần tự tin, bình tĩnh, phối hợp hiệu quả và thi đấu hết mình, phát huy bản lĩnh của sinh viên UIT trên đấu trường quốc tế.

💙 Xin chúc đội tuyển UIT-Refund thi đấu thật tự tin, đạt kết quả cao và tiếp tục mang niềm tự hào của Trường Đại học Công nghệ Thông tin, ĐHQG-HCM cũng như Việt Nam đến với sân chơi An toàn thông tin quốc tế.

🎉Chúc mừng Nguyễn Minh Phúc Khang - sinh viên ngành An toàn thông tin, Chương trình Tài năng- có bài báo khoa học được chấp nhận đăng tại Hội nghị Quốc tế lần thứ 9 về Phân tích Đa phương tiện và Nhận dạng Mẫu (The 9th International Conference on Multimedia Analysis and Pattern Recognition – MAPR 2026), tổ chức tại Thành phố Huế, Việt Nam.
📝Bài báo: Assessing Evasion and Behavioral Trade-offs of Obfuscation-Conditioned LLMs in PowerShell Attack Synthesis
👨‍💻Sinh viên thực hiện:
* Nguyễn Minh Phúc Khang – ATTN2024 (Khoa Mạng máy tính và Truyền thông)
👨‍🏫Giảng viên hướng dẫn:
* ThS. Ngô Khánh Khoa
* TS. Phan Thế Duy
* PGS. TS. Phạm Văn Hậu
✅Tóm tắt bài báo:
This work presents a systematic evaluation of an obfuscation-aware training framework for the automated generation of offensive PowerShell code using specialized language models. Our approach incorporates structured transformation control to enable fine-grained manipulation across string, token, structural, and encoding-based strategies. By benchmarking multiple architectures against static and dynamic detection systems, we identify a clear stealth-stability trade-off compared to standard fine-tuned baselines. Specifically, CodeGPT achieves the highest static evasion rate (SER = 0.8667), CodeGen the strongest AMSI bypass rate (ABR = 0.5714), while CodeT5+ demonstrates superior behavioral preservation with the highest behavioral similarity score (BSS = 0.9082) and true dynamic evasion rate (TDER = 0.2149), with balanced AMSI bypass (0.4260) and runtime evasion (0.5045).
These results indicate that aggressive transformations improve intermediate evasion but often degrade runtime reliability. The findings underscore the emerging security risks of Artificial Intelligence-assisted offensive code synthesis and illuminate the stealth-stability trade-offs of obfuscation-aware LLMs, offering actionable insights for both red-team practitioners and defensive system designers.
✅Thông tin về hội nghị:
MAPR là hội nghị khoa học quốc tế thường niên về Phân tích đa phương tiện (Multimedia Analysis) và Nhận dạng mẫu (Pattern Recognition), do Trường Đại học Công nghệ Thông tin (UIT), ĐHQG-HCM đăng cai tổ chức, phối hợp cùng Hội Nhận dạng Mẫu Việt Nam (VAPR), Trường Đại học Bách khoa Hà Nội (HUST) và Viện Công nghệ Thông tin (VAST), với IEEE là đơn vị bảo trợ kỹ thuật. Hội nghị lần thứ 9 sẽ diễn ra trong hai ngày 13 – 14/08/2026 tại Thành phố Huế, quy tụ các nhà nghiên cứu và chuyên gia trong các lĩnh vực trí tuệ nhân tạo, nhận dạng mẫu, phân tích đa phương tiện và các lĩnh vực ứng dụng mới nổi.
Các bài báo được chấp nhận sẽ được xuất bản trong IEEE Xplore và được lập chỉ mục Scopus, sau khi đáp ứng các yêu cầu về phạm vi và chất lượng của IEEE.
📝Lời cảm ơn:
Em xin gửi lời cảm ơn chân thành đến ThS. Ngô Khánh Khoa, TS. Phan Thế Duy và PGS. TS. Phạm Văn Hậu đã tận tình hướng dẫn, định hướng và hỗ trợ em trong suốt quá trình thực hiện đề tài. Những chỉ dẫn và góp ý chuyên môn của quý thầy là nền tảng quan trọng giúp em hoàn thiện công trình nghiên cứu này. Em kính chúc quý thầy luôn dồi dào sức khỏe và ngày càng thành công trong sự nghiệp nghiên cứu, giảng dạy.

🇻🇳 UIT ĐÃ CÓ MẶT TẠI HACKTHEON SEJONG 2026 🇰🇷

Hôm nay, đội UIT-TuyCoNhungK của Trường Đại học Công nghệ Thông tin, ĐHQG-HCM đã chính thức có mặt tại Thành phố Sejong, Hàn Quốc để tham dự vòng chung kết cuộc thi 2026 HackTheon Sejong International Collegiate Cybersecurity Competition.

HackTheon Sejong là cuộc thi an ninh mạng quốc tế dành cho sinh viên đại học, quy tụ các đội thi đến từ nhiều quốc gia. Tại vòng loại, đội UIT-TuyCoNhungK đã xuất sắc vượt qua 548 đội đến từ 245 trường đại học của 47 quốc gia để giành quyền tham dự vòng chung kết.

Đội hình UIT-TuyCoNhungK gồm các bạn sinh viên đến từ ngành An toàn thông tin - Khoa Mạng máy tính và Truyền thông:
* Trần Đình Phước
* Ngô Phúc Dương
* Ngô Trần Anh Ninh
* Phan Nguyễn Huy Duy

Vòng chung kết diễn ra vào ngày 09/07/2026, từ 10:00 đến 16:00 theo giờ Hàn Quốc, với hình thức thi đấu trực tiếp. Đây là cơ hội để sinh viên UIT tiếp tục cọ xát, học hỏi và khẳng định năng lực tại một sân chơi CTF quốc tế có tính cạnh tranh cao.

Chúc đội UIT-TuyCoNhungK bình tĩnh, tự tin, thi đấu hết mình và mang về kết quả tốt nhất cho UIT! 🔥

━━━━━━━━━━━━━━
📌 Liên hệ CLB Wanna.W1n (W1)
* Website: https://club.inseclab.uit.edu.vn/
* Email Chủ nhiệm: [email protected]
📌 Liên hệ UIT InSecLab
* Địa chỉ: Phòng E8.1, Trường Đại học Công nghệ Thông tin, ĐHQG-HCM, Khu phố 34, Phường Linh Xuân, Thành phố Hồ Chí Minh
* Email: [email protected]
* Website: https://inseclab.uit.edu.vn/

🇻🇳 GreyCTF Finals 2026 | Hai đội tuyển UIT cùng góp mặt trong Top 10 🇸🇬

Sau 24 giờ thi đấu liên tục tại GreyCTF Finals 2026 ở Đại học Quốc gia Singapore, hai đội tuyển của UIT đã chính thức khép lại hành trình với những kết quả rất đáng khích lệ:

🥇 UIT-Wanna.W1n – Top 7 chung cuộc
🏅 UIT-TraTac – Top 10 chung cuộc

Capture The Flag (CTF) là cuộc thi an toàn thông tin, nơi các đội thi giải quyết các bài toán thực tế về khai thác lỗ hổng, dịch ngược mã độc, điều tra số, mật mã, bảo mật web và nhiều lĩnh vực khác để thu thập các “flag” và tích lũy điểm số.

GreyCTF là một trong những giải CTF quốc tế quy tụ nhiều đội tuyển mạnh đến từ các trường đại học và cộng đồng an toàn thông tin trên thế giới.

Kết quả này không chỉ đến từ 24 giờ thi đấu, mà còn là thành quả của nhiều tháng rèn luyện, nghiên cứu và đồng hành cùng nhau. Xin chúc mừng tất cả các thành viên của UIT-Wanna.W1n và UIT-TraTac vì tinh thần thi đấu bền bỉ, sự phối hợp hiệu quả và quyết tâm không bỏ cuộc đến những giờ cuối cùng.

Đây chắc chắn chưa phải là đích đến, mà sẽ là động lực để các đội tuyển của UIT tiếp tục chinh phục những thử thách lớn hơn trong thời gian tới.

Xin cảm ơn các thầy cô, các anh chị cựu sinh viên và nhà trường đã luôn đồng hành, tạo điều kiện để các đội tuyển có cơ hội học hỏi và cọ xát tại sân chơi quốc tế.

💙 See you at the next CTF!