Nghiên cứu của nhóm sinh viên về phát hiện mã độc được chấp nhận đăng tại hội nghị quốc tế ATC 2024

NGHIA TO
8:54 12/09/2024

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:
Nội dung:
Sinh viên:
Chủ đề nghiên cứu:
Giảng viên hướng dẫn:

📌 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.

TIN LIÊN QUAN
✨Đại diện Việt Nam tại cuộc thi an ninh mạng quốc tế Cyber SEA Game 2024, là đội UIT.Wolf_Brigade, gồm 4 sinh viên năm 3, ngành an toàn thông tin, Trường ĐH Công nghệ thông tin - Đại học Quốc gia TP.HCM, gồm: Lê Phú Đức, Lê Khắc Trung Nam,...
Wickedcrown Operation S3 là một khóa training ngắn hạn do CLB An toàn Thông tion Wanna.W1n - UIT InSecLab tổ chức, nhằm cung cấp kiến thức và kỹ năng liên quan đến An toàn Thông tin. Đây là một cơ hội tuyệt vời cho sinh viên đang học tại UIT...
Chúc mừng nhóm sinh viên Lê Trần Gia Bảo, Trần Thanh Phong, Phạm Thái Bảo sinh viên ngành Khoa học máy tính và An toàn thông tin cùng nhóm nghiên cứu InsecLab đã có bài báo nghiên cứu về Phương pháp phát hiện mã độc trên Windows được chấp nhận...