Vừa qua, tại sự kiện công nghệ ACE 2026 Vietnam - Agentic Computing at the Edge do GIGABYTE, NVIDIA và VINASA phối hợp tổ chức tại TP.HCM, nhóm 4 sinh viên khoa Khoa học và Kỹ thuật Thông tin (KH&KTTT) đã vượt qua gần 100 thí sinh tài năng đến từ nhiều đơn vị để xuất sắc giành giải Nhất phần thi Tranh tài Lập trình Tác nhân AI (AI Agent).Nhóm sinh viên gồm các bạn: Bùi Thiên Bảo, Bùi Thị Thanh Tuyền, Nguyễn Bảo Quân, Phạm Nguyễn Minh Hiền, dưới sự dẫn dắt của TS. Nguyễn Tấn Hoàng Phước.Cuộc thi đặt ra áp lực thời gian cực lớn, đòi hỏi các đội thi trực tiếp lên ý tưởng, triển khai và trình diễn sản phẩm AI Agent ngay tại sự kiện trên hạ tầng phần cứng siêu máy tính GIGABYTE AI TOP ATOM.Đáp ứng bài toán từ Ban Giám khảo, 4 sinh viên KH&KTTT đã xây dựng giải pháp “Hệ thống AI Agent toàn diện quản lý Workflow doanh nghiệp”, hướng đến tự động hóa các quy trình làm việc phức tạp, tối ưu hóa giao tiếp giữa các bộ phận và vận hành linh hoạt dưới dạng Local Agent.Thông tin chi tiết tại: https://www.facebook.com/share/p/19UtXrqX18/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Bạn yêu thích Toán học, đam mê những bài toán thử thách và muốn thử sức mình tại một sân chơi học thuật cấp quốc gia?Cơ hội dành cho bạn đã đến! UIT chính thức triển khai tuyển chọn đội tuyển tham dự Olympic Toán học Sinh viên Toàn quốc năm học 2026 - 2027.Đây là dịp để UITers thử thách tư duy logic, rèn luyện khả năng giải quyết vấn đề, giao lưu học hỏi và có cơ hội đại diện UIT tranh tài cùng sinh viên các trường đại học trên toàn quốc.THÔNG TIN VÒNG SƠ LOẠI- Ngày thi: 31/10/2026- Hạn đăng ký: Hết ngày 27/10/2026- Đăng ký tham gia vòng sơ loại:https://forms.gle/6kZxBioRnqm59Yth8- Tài liệu ôn thi Olympic Toán học:https://drive.google.com/drive/folders/124WZNy5VQhCX7zZZJNGPU_YrRIalapcTOlympic Toán học đang chờ những gương mặt UITers bản lĩnh, sáng tạo và không ngại thử thách.Mọi thắc mắc, liên hệ Bộ môn Toán - Lý, UIT qua email: bmtl@uit.edu.vnThông tin chi tiết tại: https://www.facebook.com/share/p/1BvkYc29JC/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Đinh Hữu Nhiên, cộng tác viên Phòng thí nghiệm An toàn thông tin, và các cộng sự có bài báo khoa học  được chấp nhận đăng tại Hội nghị Quốc tế IEEE lần thứ 32 về các Hệ thống Song song và Phân tán (ICPADS 2026) - The 32nd IEEE International Conference on Parallel and Distributed Systems (ICPADS 2026) tại Tokyo, Nhật Bản.Bài báo: "From Prediction to Understanding: A Robustness and Explainability Study of LLM-Based Vulnerability Detection"Sinh viên thực hiện:- Đinh Hữu Nhiên – Cộng tác viên PTN ATTTGiảng viên hướng dẫn: ThS. Tô Trọng Nghĩa, TS. Phan Thế DuyTóm tắt bài báo: Các mô hình ngôn ngữ lớn (LLMs) dành cho mã nguồn ngày càng được ứng dụng rộng rãi trong việc phát hiện lỗ hổng phần mềm. Tuy nhiên, trong đánh giá bảo mật, việc chỉ phân loại đúng mã "Có lỗ hổng" hay "An toàn" là chưa đủ. Các nhà phân tích cần biết liệu quyết định của AI có đáng tin cậy khi mã nguồn bị viết lại (rewrite), và các bằng chứng giải thích cho quyết định đó có ổn định hay không.Bài báo này trình bày một nghiên cứu toàn diện từ khả năng dự đoán đến khả năng thấu hiểu của LLMs. Nhóm đã đánh giá 6 mô hình ngôn ngữ trên các kiến trúc và ngôn ngữ lập trình khác nhau (C/C++ và Java), sau đó áp dụng các kỹ thuật AI có thể giải thích (Explainable AI - XAI). Kết quả cho thấy, mặc dù một số mô hình như CodeT5+ có độ chính xác dự đoán rất cao (F1 đạt 0.94 với Java), nhưng khả năng dự đoán tốt không đồng nghĩa với việc đưa ra lời giải thích ổn định. Nghiên cứu chỉ ra rằng các công cụ phát hiện lỗ hổng dựa trên LLM cần được đánh giá khắt khe cả về hệ thống dự đoán lẫn hệ thống giải thích trước khi đưa vào ứng dụng phân loại bảo mật thực tế.Thông tin về hội nghị: IEEE ICPADS (International Conference on Parallel and Distributed Systems) là hội nghị khoa học quốc tế thường niên uy tín (được xếp hạng Rank B theo chuẩn đánh giá danh giá quốc tế CORE). Được tổ chức lần đầu tiên từ năm 1992 bởi IEEE Computer Society, hội nghị tập trung vào các lĩnh vực hệ thống tính toán song song, hệ thống phân tán, mạng máy tính và an toàn thông tin. Phiên bản lần thứ 32 (ICPADS 2026) sẽ được tổ chức tại Tokyo, Nhật Bản. Các bài báo xuất sắc được chấp nhận tại hội nghị sẽ được xuất bản trong Kỷ yếu của IEEE Computer Society, lưu trữ trên thư viện số IEEE Xplore và được lập chỉ mục trong các cơ sở dữ liệu lớn như Scopus, DBLP.Thông tin chi tiết tại: https://www.facebook.com/share/p/18GVaWe7nD/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Khương Ngọc Toàn và Phan Quang Vũ, nhóm sinh viên ngành An toàn thông tin có bài báo khoa học được chấp nhận đăng tại Hội nghị Quốc tế The 32nd IEEE International Conference on Parallel and Distributed Systems (ICPADS 2026) tại Tokyo, Nhật Bản.Bài báo:“Evidence-Grounded Multi-Agent Coordination for Automated Digital Forensics: Hierarchical versus Peer-to-Peer Architectures”Sinh viên thực hiện: - Khương Ngọc Toàn - Lớp ATTT2023.2- Phan Quang Vũ - Lớp ATTT2023.2Giảng viên hướng dẫn:  ThS. Đoàn Minh Trung, TS. Phan Thế DuyTóm tắt bài báo:Hoạt động điều tra pháp chứng kỹ thuật số và ứng cứu sự cố (DFIR) đòi hỏi phân tích lượng lớn nhật ký máy chủ và lưu lượng mạng phức tạp mà vẫn phải duy trì tính toàn vẹn của chuỗi chứng cứ. Dù các mô hình ngôn ngữ lớn (LLM) có tiềm năng tự động hóa quy trình này, chúng thường gặp giới hạn về cửa sổ ngữ cảnh, dễ phát sinh "ảo giác" khi gán mã lỗ hổng (CVE) và thiếu cơ chế kiểm chứng độc lập. Để giải quyết vấn đề này, một khung làm việc đa tác tử (multi-agent) dựa trên chứng cứ được đề xuất và triển khai trên nền tảng LangGraph nhằm tự động hóa quy trình điều tra an ninh mạng. Hệ thống điều phối các tác tử chuyên biệt (phân tích log, giám sát mạng, đối soát tình báo mối đe dọa CTI) thông qua hai cấu trúc: Hierarchical Supervisor và Peer-to-Peer. Đáng chú ý, mô hình tích hợp Reflective Judge Agent có khả năng truy vấn ngược về dữ liệu thô ban đầu để thẩm định độc lập các kết luận về dịch vụ, lỗ hổng và bằng chứng tấn công, kết hợp cùng kỹ thuật nén dữ liệu và ngắt mạch chống nghẽn lặp. Kết quả thực nghiệm chứng minh hệ thống nâng cao đáng kể độ chính xác nhận diện tấn công, triệt tiêu hiệu quả các cảnh báo giả và hỗ trợ đắc lực cho công tác điều tra sự cố thực tế với chi phí tài nguyên tối ưu. Thông tin về hội nghị:ICPADS 2026 (The 32nd IEEE International Conference on Parallel and Distributed Systems) là hội nghị khoa học quốc tế thường niên uy tín về hệ thống tính toán song song và phân tán, được tổ chức từ năm 1992 dưới sự bảo trợ kỹ thuật của IEEE Computer Society. Hội nghị là diễn đàn kết nối các nhà khoa học và chuyên gia hàng đầu trong các lĩnh vực điện toán hiệu năng cao, bảo mật hệ thống và trí tuệ nhân tạo phân tán. ICPADS 2026 sẽ diễn ra từ ngày 22–26/11/2026 tại Tokyo, Nhật Bản. Kỷ yếu của hội nghị được xuất bản trên thư viện số IEEE Xplore và lập chỉ mục trong các cơ sở dữ liệu học thuật uy tín như Scopus và EI Compendex.Thông tin chi tiết tại: https://www.facebook.com/share/p/18LDxMx3WT/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Mai Ngọc Phương Trinh, Nguyễn Đô Thành và Thiều Minh Viên có bài báo khoa học được chấp nhận đăng tại Hội nghị Quốc tế IEEE lần thứ 32 về các Hệ thống Song song và Phân tán (ICPADS 2026) - The 32nd IEEE International Conference on Parallel and Distributed Systems (ICPADS 2026) tại Tokyo, Nhật Bản.Bài báo: "Understanding Large Language Model Performance in Vulnerability Detection: A Systematic Analysis"Sinh viên thực hiện:- Mai Ngọc Phương Trinh – ATTT2020- Phạm Đô Thành – ATCL2021- Thiều Minh Viên - ATTT2022Giảng viên hướng dẫn: ThS. Tô Trọng Nghĩa, TS. Phan Thế DuyTóm tắt bài báo: Bài báo trình bày một nghiên cứu hệ thống nhằm đánh giá hiệu quả của các mô hình ngôn ngữ lớn trong bài toán phát hiện lỗ hổng phần mềm, đồng thời phân tích vai trò của các nguồn thông tin hỗ trợ đối với khả năng suy luận và giải thích kết quả. Nghiên cứu khảo sát nhiều kỹ thuật bổ trợ như ngữ nghĩa chương trình được trích xuất từ mã nguồn, tri thức bên ngoài thông qua cơ chế truy xuất thông tin và các phương pháp suy luận có hướng dẫn nhằm hỗ trợ quá trình nhận diện lỗ hổng. Kết quả thực nghiệm cho thấy việc cung cấp thêm thông tin ngữ cảnh có thể tác động đáng kể đến cách mô hình đưa ra quyết định, giúp cải thiện một số khía cạnh của quá trình phát hiện nhưng không phải lúc nào cũng nâng cao toàn diện hiệu năng. Bên cạnh đó, nghiên cứu cũng chỉ ra những hạn chế của các kỹ thuật prompt hiện nay và cung cấp các bằng chứng thực nghiệm quan trọng để định hướng phát triển các hệ thống phát hiện lỗ hổng phần mềm minh bạch, đáng tin cậy và dễ giải thích hơn trong thực tế.Thông tin về hội nghị: IEEE ICPADS 2026 (The 32nd IEEE International Conference on Parallel and Distributed Systems) là hội nghị quốc tế uy tín trong lĩnh vực hệ thống song song và phân tán, được tổ chức tại Tokyo, Japan từ ngày 22-26/11/2026. Với chủ đề"Ubiquitous Computing for Global Communities", hội nghị tập trung vào các nghiên cứu tiên tiến về AI, điện toán phân tán, edge-cloud computing và IoT, quy tụ các nhà nghiên cứu và chuyên gia công nghệ từ nhiều quốc gia trên thế giới.Thông tin chi tiết tại: https://www.facebook.com/share/p/18MJELQ5za/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Từng tham gia chương trình đào tạo tại AI Lab UIT – AvePoint, hai cô gái nhà UIT tiếp tục ghi dấu ấn khi xuất sắc nhận HỌC BỔNG TOÀN PHẦN để theo học chương trình Thạc sĩ tại Singapore University of Technology and Design (SUTD)! Nguyễn Thị ThuỷChu Minh Nhật HạHai bạn theo học chương trình Master of Science in Technology and Design (MTD) trong khuôn khổ MaivenPoint x SUTD Work-Study Programme.Trước đó, Thuỷ và Nhật Hạ đã tham gia chương trình tại AI Lab UIT – AvePoint, nơi sinh viên có cơ hội tiếp cận kiến thức công nghệ và môi trường đào tạo gắn với doanh nghiệp. Giờ đây, hai bạn tiếp tục chinh phục một cột mốc học thuật mới với suất học bổng toàn phần ở bậc Thạc sĩ.UIT tự hào khi nhìn thấy sinh viên của mình tự tin chinh phục những cơ hội học tập quốc tế. Thành tích của Thuỷ và Nhật Hạ cũng là nguồn cảm hứng để nhiều UITers, đặc biệt là các bạn nữ theo đuổi công nghệ, mạnh dạn đặt ra những mục tiêu lớn hơn cho tương lai. 

Chúc mừng Huỳnh Thái Thi – học viên cao học ngành An toàn thông tin – có bài báo khoa học được chấp nhận đăng tại Hội nghị Quốc tế IEEE lần thứ 32 về Hệ thống Song song và Phân tán – The 32nd IEEE International Conference on Parallel and Distributed Systems (ICPADS 2026), tổ chức tại Tokyo, Nhật Bản.Tên bài báo:“SSCFuzz: Combining LLM-Generated Transaction Sequences with Undirected Exploration for Smart Contract Fuzzing”Học viên thực hiện: Huỳnh Thái Thi – Học viên cao học ngành ATTT khóa 18.2GIảng viên hướng dẫn: TS. Phan Thế DuyTóm tắt bài báo:Hợp đồng thông minh (smart contract) đang quản lý một khối lượng tài sản tài chính rất lớn nhưng lại đặc biệt khó kiểm thử: đầu vào hợp lệ phải tuân theo giao diện nhị phân ứng dụng (ABI), các lỗ hổng có thể khai thác thường chỉ bộc lộ qua chuỗi giao dịch nhiều bước có trạng thái, và mỗi lần thực thi trên Máy ảo Ethereum (EVM) đều tốn kém nên số lượt thực thi bị giới hạn nghiêm ngặt.Bài báo đề xuất SSCFuzz, một khung fuzzing tách bạch giữa việc "tấn công vào đâu" và "tấn công như thế nào": ở mỗi vòng lặp, một bộ chọn (selector) quyết định chiến lược cùng chế độ sinh mới hoặc đột biến; mô hình ngôn ngữ lớn (LLM) sinh chuỗi giao dịch trực tiếp từ mã nguồn hợp đồng; và Foundry thực thi chuỗi giao dịch này trên EVM thực, qua đó cung cấp độ phủ mã bytecode cùng một oracle phát hiện thất thoát tài chính dựa trên bất biến số dư. Do ngân sách khởi động lạnh chỉ cho phép khoảng mười một lượt thử cho mỗi chiến lược, bộ chọn được thiết kế như một bộ học tăng cường không cần huấn luyện: nó ước lượng trực tuyến giá trị của từng chiến lược từ chính phần thưởng thu được, đồng thời mã hóa sẵn quy tắc chuyển đổi cho môi trường phi dừng (khởi động, khai thác chiến lược đang cho phần thưởng tốt nhất, và từ bỏ khi chiến lược đó không còn hiệu quả) thay vì phải học quy tắc này.Kết quả thực nghiệm so với bốn phương pháp cơ sở trên 33 hợp đồng thuộc bộ dữ liệu SmartBugs-Curated và 25 kịch bản tái hiện tấn công thực tế từ DeFiHackLabs cho thấy SSCFuzz phát hiện lỗ hổng có thể khai thác trên 48% số hợp đồng ở cả hai bộ dữ liệu, vượt qua toàn bộ phương pháp cơ sở trên bộ dữ liệu thực tế (kết quả tốt nhất của các phương pháp cơ sở là 40%) và ngang bằng phương pháp tốt nhất trên bộ dữ liệu học thuật. Phân tích chuyên sâu còn cho thấy hai thành phần của hệ thống bổ trợ lẫn nhau: trên các hợp đồng phức tạp, việc sinh chuỗi giao dịch bằng LLM đạt độ phủ thấp hơn 0,114 so với lấy mẫu ABI ngẫu nhiên đều (δ = −0,50) nhưng lại tăng khả năng phát hiện khai thác lên 3,5 lần, cho thấy độ phủ mã không phản ánh đầy đủ hiệu quả tìm lỗ hổng; ngược lại, thăm dò ABI ngẫu nhiên đều tuy chỉ chiếm một phần tám số vòng lặp nhưng đóng góp một nửa độ phủ mới và tạo ra lần khai thác đầu tiên cho khoảng một nửa số hợp đồng được giải.Thông tin về hội nghị: ICPADS là hội nghị khoa học quốc tế thường niên do IEEE Computer Society bảo trợ, được tổ chức từ năm 1992, là diễn đàn để các nhà khoa học, kỹ sư và chuyên gia trao đổi ý tưởng, kinh nghiệm cùng những kết quả nghiên cứu mới nhất trên mọi khía cạnh của hệ thống song song và phân tán. ICPADS 2026 đánh dấu lần tổ chức thứ 32 của hội nghị, sẽ diễn ra từ ngày 22–26/11/2026 tại Tokyo, Nhật Bản với chủ đề "Ubiquitous Computing for Global Communities", tập trung vào các hướng nghiên cứu tiên phong như điều phối edge-cloud, hạ tầng tính toán bền vững, hệ thống phân tán AI-native và IoT lấy con người làm trung tâm. Hội nghị được xếp hạng B theo bảng xếp hạng CORE, với kỷ yếu được xuất bản bởi IEEE và lập chỉ mục trên IEEE Xplore, Scopus và DBLP.Thông tin chi tiết tại: https://www.facebook.com/share/p/19TNyFBDC5/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Nguyễn Lê Phúc Lâm – sinh viên ngành An toàn thông tin – đã có bài báo khoa học được chấp nhận đăng tại Hội nghị Quốc tế IEEE lần thứ 32 về Hệ thống Song song và Phân tán – The 32nd IEEE International Conference on Parallel and Distributed Systems (ICPADS 2026), tổ chức tại Tokyo, Nhật Bản.Bài báo: “DriftGuard-APT: Concept Drift-Aware Unsupervised Graph Learning for APT Detection on Provenance Streams”Sinh viên thực hiện: Nguyễn Lê Phúc Lâm - Lớp ATTT2024.2 Giảng viên hướng dẫn: TS. Phan Thế Duy, PGS. TS. Phạm Văn Hậu Lời cảm ơn: “Em xin chân thành gửi lời cảm ơn TS. Phan Thế Duy và PGS. TS. Phạm Văn Hậu đã tận tình hướng dẫn, định hướng, đóng góp ý kiến và hỗ trợ em trong suốt quá trình thực hiện đề tài. Sự chỉ bảo và những góp ý quý báu của quý thầy đã giúp em có thêm định hướng trong nghiên cứu và hoàn thiện công trình của mình. Em kính chúc quý thầy luôn mạnh khỏe, hạnh phúc và đạt được nhiều thành công trong công tác giảng dạy, nghiên cứu”.Tóm tắt bài báo (Abstract): Advanced Persistent Threats (APTs) pose a serious risk to critical infrastructure and enterprise systems, often causing operational disruption, financial losses, and exposure of sensitive information. As attacker tactics and execution environments evolve, provenance graph detectors trained on earlier system behavior can mistake benign operational change for malicious activity, making long-term monitoring unreliable. This paper proposes DriftGuard-APT, a drift-aware framework that enables provenance graph detectors to adapt to changing system behavior without requiring target-domain labels during deployment. The framework learns a model of benign behavior, monitors streaming graph data for distribution shifts, and updates the detector after a drift alarm using score-selected post-drift windows together with replayed source-domain examples. Evaluated on DARPA CADETS E3 and E5 under sudden, incremental, and reoccurring drift, the deployment configuration achieves area under the ROC curve (AUC) scores of 0.852, 0.811, and 0.536, respectively. It also reduces the false-positive rate from 4.5% to 2.7% under sudden drift, from 3.4% to 2.2% under incremental drift, and from 9.8% to 4.9% under reoccurring drift. These results show that drift-triggered adaptation can improve the reliability of provenance-based APT monitoring under monotonic shifts, while the weaker AUC under reoccurring drift highlights the need for more flexible post-drift admission policies. Thông tin về hội nghị: ICPADS 2026 (The 32nd IEEE International Conference on Parallel and Distributed Systems) là hội nghị khoa học quốc tế lần thứ 32, tập trung vào các nghiên cứu và ứng dụng trong lĩnh vực hệ thống song song và phân tán. Hội nghị tạo diễn đàn trao đổi học thuật, công bố các kết quả nghiên cứu mới và kết nối các nhà khoa học, chuyên gia trong lĩnh vực điện toán song song, điện toán phân tán, trí tuệ nhân tạo và các công nghệ tính toán hiện đại. Với định hướng thúc đẩy những giải pháp tính toán hiệu năng cao, có khả năng mở rộng và đáp ứng nhu cầu xử lý dữ liệu ngày càng lớn, ICPADS là một diễn đàn quan trọng đối với cộng đồng nghiên cứu khoa học máy tính.Thông tin chi tiết tại: https://www.facebook.com/share/p/19Z6ZpMecP/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng nhóm sinh viên Minh Đại – Chí Thành – Nguyễn Hải Phong, sinh viên ngành An toàn thông tin, Khoa Mạng máy tính và Truyền thông, đã xuất sắc có bài báo khoa học về phát hiện lỗ hổng bảo mật trong hợp đồng thông minh được chấp nhận đăng tại Engineering Applications of Artificial Intelligence (EAAI) — một tạp chí uy tín hàng đầu, nằm trong Top 20 của lĩnh vực Trí tuệ nhân tạo, thuộc danh mục Q1 và được xuất bản bởi Elsevier.Tên bài báo: “ContractShield: Bridging Semantic-Structural Gaps via Hierarchical Cross-Modal Fusion for Multi-Label Vulnerability Detection in Obfuscated Smart Contracts”   Sinh viên thực hiện:   - Trần Dương Minh Đại — Lớp ATTN2022   - Nguyễn Chí Thành — Lớp ATTT2022   - Nguyễn Hải Phong — Lớp ATTT2022   Bài báo là kết quả nghiên cứu khoa học của sinh viên về ứng dụng trí tuệ nhân tạo trong phát hiện đa nhãn các lỗ hổng bảo mật của hợp đồng thông minh, đặc biệt trong bối cảnh mã nguồn bị làm rối nhằm né tránh các hệ thống phát hiện.   Giảng viên hướng dẫn: ThS. Đoàn Minh Trung, TS. Phan Thế Duy, PGS.TS Trương Hữu Trầm — Viện Công nghệ Singapore (SIT), PGS.TS Phạm Văn HậuLời cảm ơn của nhóm sinh viên: “Trước tiên, nhóm chúng em xin gửi lời tri ân sâu sắc đến quý thầy. Chúng em chân thành cảm ơn quý thầy đã tận tâm định hướng, truyền đạt những kiến thức chuyên môn quý báu và kiên nhẫn đồng hành cùng nhóm từ những ý tưởng ban đầu cho đến khi nghiên cứu được hoàn thiện. Những góp ý nghiêm túc, sự hỗ trợ tận tình và tinh thần làm việc khoa học của các thầy là nguồn động lực quan trọng giúp nhóm vượt qua những khó khăn trong quá trình thực hiện công trình. Nhóm cũng xin chân thành cảm ơn PTN ATTT (InSecLab), Khoa Mạng máy tính và Truyền thông cùng Trường Đại học Công nghệ Thông tin — ĐHQG-HCM đã tạo điều kiện và xây dựng một môi trường học tập, nghiên cứu tích cực cho sinh viên. Kết quả này sẽ là động lực lớn để chúng em tiếp tục cố gắng và theo đuổi con đường nghiên cứu khoa học trong thời gian tới”.Tóm tắt bài báo (Abstract): Smart contracts are increasingly targeted by adversaries employing obfuscation techniques such as bogus code injection and control flow manipulation to evade vulnerability detection. Existing multimodal methods often process semantic, temporal, and structural features in isolation and fuse them using simple strategies such as concatenation. This limits cross-modal interaction and weakens robustness when one modality is obfuscated. To address these challenges, we propose ContractShield, a multimodal framework with a three-stage hierarchical fusion mechanism. The first stage refines each modality independently, the second enables directed pairwise information exchange across modalities, and the final stage applies adaptive weighting to the three representations, recomputed for each contract. ContractShield encodes (1) Solidity source code with sliding-window CodeBERT, (2) opcode sequences with xLSTM (Extended Long Short-Term Memory), and (3) bytecode-derived control flow graphs (CFGs) with Graph Attention Network version 2 (GATv2). On clean data, ContractShield achieves an 89% Hamming Score and a 91% F1-score across five vulnerability types. Under obfuscation, its Hamming Score decreases by only 1.22–3.42 percentage points while remaining above 73%, compared with 4.10–5.30 for concatenation-based fusion using the same three encoders and 2.24–20.84 for single-stage attention-based fusion baselines, whose Hamming Score falls as low as 39.27%. ContractShield also outperforms the strongest baseline by 3.66–11.82 F1-score points across all obfuscation settings and test sets. These results demonstrate that hierarchical cross-modal fusion improves robustness to obfuscation and supports more reliable smart contract vulnerability detection.   Thông tin về tạp chí khoa học: Engineering Applications of Artificial Intelligence (EAAI), tạp chí khoa học quốc tế thuộc nhà xuất bản Elsevier, là một trong những diễn đàn học thuật uy tín trong lĩnh vực ứng dụng Trí tuệ nhân tạo vào các bài toán kỹ thuật và thực tiễn. Tạp chí duy trì xếp hạng Q1 (Quartile 1) theo hệ thống SCImago Journal Rank (SJR), đồng thời có Journal Impact Factor đạt 9.0 và CiteScore đạt 11.7, phản ánh chất lượng và sức ảnh hưởng của các công trình được công bố. EAAI ưu tiên những nghiên cứu đề xuất phương pháp trí tuệ nhân tạo có tính mới, được kiểm chứng chặt chẽ và có khả năng giải quyết các vấn đề kỹ thuật thực tế. Việc công bố nghiên cứu về phát hiện lỗ hổng hợp đồng thông minh tại EAAI không chỉ khẳng định tính mới và nền tảng phương pháp vững chắc của công trình mà còn cho thấy tiềm năng ứng dụng của trí tuệ nhân tạo trong việc nâng cao mức độ an toàn và tin cậy cho hệ sinh thái blockchain.  Thông tin chi tiết tại: https://www.facebook.com/share/p/19UzR11LtV/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Công trình “Continual Model Merging with Test-Time Adaptation for Whole-Slide Image Analysis” của nhóm tác giả Duc Thanh Le, Doanh C. Bui, Mai K. Nguyen và Khang Nguyen đã xuất sắc nhận Best Paper Award tại CLiMeM | MICCAI 2026 - Continual Learning in Medical Multimodal-Vision.Giải thưởng ghi nhận tính mới và những đóng góp nổi bật của công trình trong Continual Learning for Computational Pathology.Nghiên cứu tập trung vào Whole-Slide Image Analysis - phân tích ảnh tiêu bản bệnh lý toàn lát, đồng thời khai thác Continual Model Merging và Test-Time Adaptation, những hướng tiếp cận đáng chú ý trong việc giúp mô hình AI thích nghi với dữ liệu mới và các điều kiện khác nhau trong quá trình vận hành.Giải thưởng được trao ngày 27/9/2026 tại Strasbourg, Pháp, trong khuôn khổ MICCAI 2026 - một diễn đàn quốc tế về nghiên cứu giao thoa giữa Medical Image Computing, Computer-Assisted Intervention và AI trong y tế.Thêm một dấu ấn đáng tự hào của nghiên cứu AI hướng đến những bài toán thực tế trong y tế và chăm sóc sức khỏe. Xin chúc mừng nhóm tác giả! Thông tin chi tiết tại: https://www.facebook.com/share/p/19NDyXhxzu/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Nguyễn Ngọc Sáng và Nguyễn Minh Quân – sinh viên ngành An toàn thông tin – đã có bài báo khoa học được chấp nhận đăng tại Hội nghị Quốc tế IEEE lần thứ 32 về Hệ thống Song song và Phân tán – The 32nd IEEE International Conference on Parallel and Distributed Systems (ICPADS 2026), tổ chức tại Tokyo, Nhật Bản.Bài báo: “Improving TTP Alignment in LLM-Based Malware Artifact Generation via Hybrid Verification”Sinh viên thực hiện:- Nguyễn Ngọc Sáng - Lớp ATTT2023.2- Nguyễn Minh Quân - Lớp ATTT2023.2Giảng viên hướng dẫn: TS. Phan Thế DuyLời cảm ơn của nhóm sinh viên:"Chúng em xin gửi lời cảm ơn chân thành đến TS. Phan Thế Duy và cùng với các thầy cô của Phòng thí nghiệm An toàn thông tin (InSecLab) thuộc Khoa Mạng máy tính và Truyền thông đã tận tình hướng dẫn, góp ý và đồng hành cùng chúng em trong suốt quá trình thực hiện nghiên cứu. Những định hướng chuyên môn, các ý kiến phản biện và sự hỗ trợ của các thầy và các cô đã giúp chúng em hoàn thiện đề tài cũng như bài báo tốt hơn. Đây là một trải nghiệm rất quý báu và là động lực để chúng em tiếp tục phát triển trên con đường nghiên cứu khoa học."Tóm tắt bài báo:The rapid development of Large Language Models (LLMs) has opened up new possibilities for automating cybersecurity tasks, including threat analysis, code generation, and adversarial behavior simulation. However, in systems that use LLMs to generate artifacts for malware research, a key challenge is ensuring that the techniques selected during the planning stage are truly aligned with the cybersecurity behaviors intended to be simulated. This paper extends the MalGEN architecture, a multi-agent framework for modeling and generating malware artifacts in controlled research environments, by introducing a new component called the TTP-conditioned Hybrid Verifier. Positioned between the Planner and Developer stages, this component validates and refines the MITRE ATT&CK techniques selected by the Planner before the system proceeds to code generation. The complete framework consists of five components: Planner → Hybrid Verifier → Developer → Integrator → Builder.The verification mechanism combines Planner confidence, attack-stage compatibility, semantic similarity using SciBERT, dataset-supported evidence, and rule-based adjustments. The system is evaluated on 15 cybersecurity behavior scenarios using four configurations based on GPT-4o and DeepSeek-V4-Pro, with and without the Hybrid Verifier. A total of 60 outputs are used to assess the impact of verification on TTP selection prior to code generation. Experimental results show that the Hybrid Verifier improves the alignment between selected TTPs and the expected behaviors. Macro-F1 increases from 51.92% to 57.53% for GPT-4o and from 56.92% to 63.00% for DeepSeek-V4-Pro, mainly due to improved recall. In addition, the number of cases in which the selected TTPs match MITRE ATT&CK signals reported by VirusTotal also increases for both models. These findings indicate that Hybrid Verification improves the accuracy of TTP selection before code generation, providing stronger support for research on adversarial behavior simulation and defensive system evaluation.Thông tin về hội nghị:IEEE ICPADS 2026 – The 32nd IEEE International Conference on Parallel and Distributed Systems là kỳ thứ 32 của hội nghị quốc tế IEEE về các hệ thống song song và phân tán. Hội nghị năm 2026 sẽ diễn ra từ 22–26/11/2026 tại Tokyo, Nhật Bản, tại International Conference Center, Waseda University. Với chủ đề “Ubiquitous Computing for Global Communities”, ICPADS 2026 được giới thiệu là một flagship conference của IEEE Computer Society, tập trung vào các hướng nghiên cứu như AI Infrastructure and Systems, Edge Intelligence, AIoT, Web3 Security and Privacy, Agentic Systems and Networks và Intelligent Computing.Đặc biệt, ICPADS được xếp hạng B theo hệ thống xếp hạng hội nghị quốc tế ICORE/CORE 2026, thuộc lĩnh vực Distributed Computing and Systems Software. Các bài báo nghiên cứu tại ICPADS 2026 được phản biện theo hình thức single-blind peer review và sử dụng định dạng IEEE Computer Society Proceedings. Theo thông tin chính thức của hội nghị, các bài được chấp nhận sẽ được submitted to IEEE Xplore và EI, đồng thời các công trình chất lượng cao có cơ hội được đề cử vào các số đặc biệt của các tạp chí liên kết. Hội nghị được hỗ trợ bởi IEEE, IEEE Computer Society, IEEE Computer Society Technical Committee on Parallel Processing (TCPP) và Technical Community on Distributed Processing (TCDP).Thông tin chi tiết tại: https://www.facebook.com/share/p/19VRTZMm9e/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Ngày 02 - 03/10/2026, Trường Đại học Công nghệ Thông tin, ĐHQG-HCM (UIT) tổ chức HEALTHINFO IV 2026 với chủ đề “AI for Healthcare”, quy tụ 13 diễn giả và chuyên gia đến từ 8 quốc gia. Hội nghị tạo không gian kết nối giữa công nghệ thông tin, trí tuệ nhân tạo và y tế, tập trung trao đổi những hướng nghiên cứu, ứng dụng và bài toán thực tiễn đang định hình tương lai của Health Informatics và chăm sóc sức khỏe trong kỷ nguyên số.13 diễn giả từ 8 quốc gia cùng hội tụ tại UITHEALTHINFO IV 2026 có sự tham gia của các nhà khoa học, chuyên gia công nghệ, y tế và quản lý đến từ nhiều quốc gia, tạo nên một diễn đàn học thuật đa ngành và quốc tế ngay tại UIT.Các diễn giả tham gia HEALTHINFO IV 2026 gồm Prof. Chien-Yeh Hsu; Prof. Volker B. Schulte; Prof. Jim-Tong Horng; Prof. Peter Chang; Prof. Shin Hyungsub; Prof. Mark Lin; Prof. Tuyen Van Duong; Ms. Florence Gaudry-Perkins; Prof. Dr. Do Phuc; Mason Cobb, MD; Sammy Wahab, MBA; Dr. Nguyen Tat Bao Thien và Mr. Yusuke Hirai.Sự hiện diện của các chuyên gia với nền tảng chuyên môn khác nhau mở ra cơ hội để những vấn đề của y tế được tiếp cận từ nhiều góc nhìn, từ AI, khoa học dữ liệu và hệ thống thông tin đến nghiên cứu y sinh, quản trị y tế, sức khỏe số và hiểu biết sức khỏe.Đây cũng là đặc trưng của Health Informatics, một lĩnh vực đòi hỏi sự giao thoa giữa khoa học máy tính, dữ liệu, y học và quản lý để chuyển những tiến bộ công nghệ thành các giải pháp có khả năng hỗ trợ hoạt động chăm sóc sức khỏe.4 Distinguished Keynote Speakers và những vấn đề đang định hình tương lai y tếĐiểm nhấn của HEALTHINFO IV 2026 là các phiên trình bày của 4 Distinguished Keynote Speakers, tập trung vào những chủ đề đang nhận được sự quan tâm trong nghiên cứu và ứng dụng AI cho y tế.Các phiên keynote sẽ đưa người tham dự tiếp cận những vấn đề từ việc kết hợp AI với Real-World Data trong chăm sóc sức khỏe, tương lai của bệnh viện trước sự phát triển nhanh chóng của trí tuệ nhân tạo, ứng dụng Machine Learning trong nghiên cứu thuốc kháng virus đến hành trình đưa AI từ nghiên cứu và phát triển công nghệ vào ứng dụng lâm sàng và quản trị y tế.Qua đó, câu chuyện về AI không chỉ dừng lại ở khả năng xây dựng một mô hình có độ chính xác cao. HEALTHINFO IV hướng đến những câu hỏi rộng hơn về cách dữ liệu được khai thác, công nghệ được triển khai trong môi trường y tế thực tế và cách các giải pháp AI có thể tạo ra giá trị cho người bệnh, đội ngũ chuyên môn và hệ thống chăm sóc sức khỏe.Khi AI, công nghệ và y tế gặp nhauSự phát triển của AI đang mở ra nhiều hướng tiếp cận mới trong chăm sóc sức khỏe, nhưng đồng thời cũng đặt ra những yêu cầu ngày càng cao về chất lượng dữ liệu, khả năng triển khai, tính minh bạch, quản trị và sự phối hợp giữa các lĩnh vực chuyên môn.HEALTHINFO IV 2026 được tổ chức như một điểm gặp giữa những cộng đồng vốn có cách tiếp cận khác nhau đối với cùng một vấn đề. Nhà nghiên cứu công nghệ có thể nhìn một bài toán y tế dưới góc độ dữ liệu và thuật toán; chuyên gia y tế mang đến yêu cầu từ thực tiễn chăm sóc sức khỏe; trong khi các chuyên gia quản lý và doanh nghiệp bổ sung góc nhìn về triển khai, vận hành và khả năng đưa giải pháp vào ứng dụng.Sự giao thoa này tạo điều kiện để các ý tưởng nghiên cứu được đặt trong bối cảnh thực tiễn, đồng thời giúp những nhu cầu từ lĩnh vực y tế được kết nối với năng lực nghiên cứu và phát triển công nghệ.Mở rộng mạng lưới nghiên cứu quốc tế từ UITViệc quy tụ 13 diễn giả và chuyên gia đến từ 8 quốc gia tại HEALTHINFO IV 2026 tiếp tục mở rộng không gian trao đổi học thuật quốc tế tại Trường Đại học Công nghệ Thông tin. Không chỉ tiếp cận các hướng nghiên cứu mới, giảng viên, nhà nghiên cứu và người học còn có cơ hội trao đổi trực tiếp với các chuyên gia, tìm kiếm những điểm giao thoa chuyên môn và hình thành các kết nối cho hoạt động nghiên cứu trong tương lai.Đối với một lĩnh vực liên ngành như Health Informatics, những kết nối này đặc biệt quan trọng bởi một giải pháp công nghệ cho y tế thường không thể được phát triển chỉ từ một chuyên ngành. Sự phối hợp giữa công nghệ, y khoa, dữ liệu, quản trị và các đối tác quốc tế tạo thêm điều kiện để những kết quả nghiên cứu tiến gần hơn đến khả năng ứng dụng.Thông qua HEALTHINFO IV 2026, UIT tiếp tục tạo không gian để các nhà khoa học, chuyên gia và cộng đồng nghiên cứu cùng trao đổi về những vấn đề công nghệ có tác động trực tiếp đến con người. Từ AI và dữ liệu đến bệnh viện, nghiên cứu thuốc và quản trị y tế, các chủ đề tại hội nghị cùng hướng đến một câu hỏi chung: công nghệ có thể được nghiên cứu và ứng dụng như thế nào để đóng góp thiết thực hơn cho tương lai chăm sóc sức khỏe.Thông tin HEALTHINFO IV 2026Thời gian: 02 - 03/10/2026Địa điểm: Trường Đại học Công nghệ Thông tin, ĐHQG-HCMHình thức: Trực tiếp và trực tuyến