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/
Thông tin chi tiết: https://www.facebook.com/inseclab/posts/pfbid02VdLitbVPc7uppo9Zwg6NFWQa9wYt55vQR6w3N6wYkhYKQqydKMjkL9wzuFHzGyxBl
Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin
