🎉️🎉️🎉Chúc mừng nhóm sinh viên 𝐍𝐠𝐮𝐲𝐞̂̃𝐧 𝐇𝐮̀𝐧𝐠 𝐓𝐡𝐢̣𝐧𝐡, 𝐍𝐠𝐮𝐲𝐞̂̃𝐧 𝐏𝐡𝐮́𝐜 𝐇𝐚̉𝐢, 𝐓𝐫𝐚̂̀𝐧 Đ𝐢̀𝐧𝐡 𝐊𝐡𝐨𝐚, 𝐋𝐞̂ 𝐓𝐫𝐚̂̀𝐧 𝐓𝐡𝐚̀𝐧𝐡 𝐍𝐡𝐚̂𝐧, sinh viên ngành An toàn thông tin (Khoa Mạng máy tính & Truyền thông) và 𝐧𝐡𝐨́𝐦 𝐧𝐠𝐡𝐢𝐞̂𝐧 𝐜𝐮̛́𝐮 𝐈𝐧𝐒𝐞𝐜𝐋𝐚𝐛 đã có bài báo nghiên cứu về ứng dụng An toàn phần mềm dựa trên Trí tuệ nhân tạo, được chấp nhận đăng tại Hội nghị khoa học quốc tế "𝐓𝐡𝐞 𝟏𝟐𝐭𝐡 𝐒𝐲𝐦𝐩𝐨𝐬𝐢𝐮𝐦 𝐨𝐧 𝐈𝐧𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐚𝐧𝐝 𝐂𝐨𝐦𝐦𝐮𝐧𝐢𝐜𝐚𝐭𝐢𝐨𝐧 𝐓𝐞𝐜𝐡𝐧𝐨𝐥𝐨𝐠𝐲 (𝐒𝐨𝐈𝐂𝐓 𝟐𝟎𝟐𝟑)".
Hội nghị SoICT 2023 sẽ diễn ra tại Tp. HCM do Trường Công nghệ thông tin và truyền thông - ĐH Bách Khoa Hà Nội, ĐH Khoa học Tự nhiên - ĐHQG Tp. HCM, Laboratory Informatics, Modelling and Optimisation System (LIMOS), The French National Centre for Scientific Research (CNRS) và Viện nghiên cứu cao cấp về toán phối hợp tổ chức vào ngày 07-08.12.2023.Bài báo khoa học là kết quả đề tài nghiên cứu được các bạn sinh viên thực hiện với nhóm nghiên cứu InSecLab trong thời gian bạn tham gia thực hiện khóa luận tốt nghiệp, nghiên cứu khoa học về An toàn phần mềm dựa trên các kỹ thuật trí tuệ nhân tạo tại Phòng thí nghiệm An toàn thông tin (InSecLab).
✅ Thông tin về bài báo khoa học:
Tên bài báo:
- “𝐁𝐢𝐧𝐚𝐫𝐲 𝐑𝐞𝐩𝐫𝐞𝐬𝐞𝐧𝐭𝐚𝐭𝐢𝐨𝐧 𝐄𝐦𝐛𝐞𝐝𝐝𝐢𝐧𝐠 𝐚𝐧𝐝 𝐃𝐞𝐞𝐩 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠 𝐅𝐨𝐫 𝐁𝐢𝐧𝐚𝐫𝐲 𝐂𝐨𝐝𝐞 𝐒𝐢𝐦𝐢𝐥𝐚𝐫𝐢𝐭𝐲 𝐃𝐞𝐭𝐞𝐜𝐭𝐢𝐨𝐧 𝐢𝐧 𝐒𝐨𝐟𝐭𝐰𝐚𝐫𝐞 𝐒𝐞𝐜𝐮𝐫𝐢𝐭𝐲 𝐃𝐨𝐦𝐚𝐢𝐧”
Sinh viên thực hiện:
- Nguyễn Hùng Thịnh - An toàn thông tin (Chất lượng cao 2020)
- Nguyễn Phúc Hải - An toàn thông tin (Chính quy 2020)
- Trần Đình Khoa - An toàn thông tin (Tài năng 2022)
- Lê Trần Thành Nhân - An toàn thông tin (Tài năng 2019)
GVHD:
- ThS. Phan Thế Duy & TS. Phạm Văn Hậu
✅ Thông tin chung về Hội nghị:
SoICT 2023 là hội nghị khoa học quốc tế chuyên ngành công nghệ thông tin và truyền thông, bao gồm các lĩnh vực nghiên cứu quan trọng: Nền tảng AI và Dữ liệu lớn, Các công nghệ mạng và truyền thông, Xử lý hình ảnh và ngôn ngữ tự nhiên, Kỹ thuật phần mềm, Trí tuệ nhân tạo và Công nghệ kỹ thuật số, An toàn thông tin, Truy vấn Thông tin sự kiện từ Video.
✅ Abstract:
"Binary Code Similarity Detection (BCSD) is the process of analyzing the binary representations of two functions, programs, or related entities to generate a quantitative output that signifies the similarity score between them. This task encompasses a wide range of applications, including addressing the binary search problem, which involves searching for code segments within a binary file that are similar to a specified binary code segment. These capabilities open up numerous potential applications within the domain of binary code analysis such as software vulnerability detection, clone detection, and malware analysis. In this paper, we introduce BiSim-Inspector, a binary code similarity detection tool based on deep learning. This tool leverages the bytes2vec method, which we develop to transform the bytecode of binary functions into vectors, which are then fed into the Convolutional Neural Network - Gated Recurrent Unit (CNN-GRU) model. Additionally, we conducted a series of experiments to assess the effectiveness of our method by comparing it with existing state-of-the-art (SOTA) tools. We use a large-scale, well-structured, and diversified dataset, BinaryCorp, for the task of BCSD. The outcomes of these experiments show that our framework achieves a recall rate of 89%, which is 25% higher than existing SOTA methods, without compromising the training and prediction time."
👉 Link hội nghị: https://soict.org/submission/paper-submission/
