Chúc mừng nhóm sinh viên ngành An toàn thông tin (Khoa Mạng máy tính và truyền thông) cùng nhóm nghiên cứu InSecLab đã có bài báo nghiên cứu được chấp nhận đăng tại hội nghị khoa học quốc tế 2024 International Conference On Advanced Technologies For Communications – ATC’2024, trong phiên đặc biệt - “Special Session on Cutting-edge Technologies: Exploring AI, Robotics, and Control Systems”.
Tên bài báo:
- "A trustworthy and robust model for mutated malware detection via explainable AI and GANs".
Nội dung:
- Nghiên cứu về một mô hình bền vững và đáng tin cậy để phát hiện mã độc đột biến sử dụng XAI và GANs.
Sinh viên:
- Trương Thị Hoàng Hảo (ATCL 2020)
- Nguyễn Thái Dương (ATCL 2020)
Chủ đề nghiên cứu:
- Trí tuệ nhân tạo
- An toàn thông tin
Giảng viên hướng dẫn:
- ThS. Nghi Hoàng Khoa
- ThS. Phan Thế Duy
- TS. Phạm Văn Hậu
📌 Bài báo của nhóm được chấp nhận đăng và trình bày trong chương trình hội nghị "2024 International Conference On Advanced Technologies For Communications – ATC’2024", được tổ chức lần thứ 17 vào tháng 10/2024 tại Thành phố Hồ Chí Minh.
Thông tin chung:
Hội thảo quốc tế về các công nghệ truyền thông tiên tiến (International Conference on Advanced Technologies for Communications - ATC) là Hội thảo khoa học thường niên, chuyên sâu về lĩnh vực điện tử, truyền thông, công nghệ thông tin và các lĩnh vực liên quan. Hội thảo mở ra cơ hội giao lưu, trao đổi, giới thiệu các kết quả nghiên cứu, chuyển giao công nghệ và giới thiệu sản phẩm của các doanh nghiệp trong và ngoài nước hoạt động trong các lĩnh vực này. Hội thảo lần đầu tiên được tổ chức vào năm 2008, hàng năm thu hút hơn 200 báo cáo với khoảng 150 nhà khoa học đến từ nhiều nước trên thế giới tham dự. Hội thảo Quốc tế ATC được tổ chức theo hình thức kết hợp giữa các Trường đại học với tổ chức xã hội - nghề nghiệp và các tập đoàn và doanh nghiệp trong lĩnh vực điện tử, truyền thông, công nghệ thông tin.
📌 Năm 2024, hội nghị ATC sẽ được tổ chức tại Thành phố Hồ Chí Minh, Việt Nam trong thời gian từ 17-19/10 do Học viện Công nghệ Bưu chính Viễn thông đăng cai tổ chức.
Abstract:
In recent years, researchers have continuously improved malware detection systems and successfully integrated machine learning (ML) and deep learning (DL) models into the detection and classification of malware samples. However, along with these improvements, adversarial attack techniques have also become more sophisticated. To combat the ever-evolving adversarial attack forms, many studies have been proposed and implemented.
Adversarial training is one of the most common approaches. While it has been experimentally shown to mitigate some adversarial attacks, its effectiveness remains limited, hindering user confidence in its reliability. In this paper, we introduce RMMD, a robust model for detecting mutated malware, including packed and adversarial variants. This approach leverages Explainable AI (XAI) and Generative Adversarial Networks (GANs) in conjunction with adversarial training techniques. Our proposed model, RMMD, achieves a 90% accuracy rate across all models, indicating a significant leap forward in detecting packed and adversarial malware.
