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.