Sau 5 ngày “thực chiến”, Red Team của CLB An toàn thông tin W1 – Trường Đại học Công nghệ Thông tin, ĐHQG-HCM (UIT) đã xuất sắc đạt Giải Nhì tại Chương trình Diễn tập thực chiến đảm bảo an ninh mạng TP.HCM năm 2026 với 80/100 điểm. Diễn ra từ ngày 24 - 28/09/2026, chương trình được tổ chức theo mô hình Red Team/Blue Team, trực tiếp trên 3 hệ thống thông tin thuộc các lĩnh vực thiết yếu của Thành phố: giáo dục và đào tạo, quản lý sức khỏe cộng đồng và dịch vụ cấp nước.Ở vai trò Red Team, đội W1 – UIT thực hiện kiểm thử, tìm kiếm lỗ hổng và điểm yếu của hệ thống trong phạm vi được Ban Tổ chức phê duyệt. Theo kết quả tổng kết do đội cung cấp, UIT đạt 80/100 điểm, với những nội dung nổi bật gồm phân tích mã nguồn chuyên sâu, bypass xác thực ASP.NET và phát hiện rò rỉ khóa.Đội hình Red Team W1 – UIT:- ThS. Nghi Hoàng Khoa – Đội trưởng- Nguyễn Lê Thành Nam – Thành viên- Lê Việt Hoàng – Thành viên- Võ Quang Vũ – Thành viên- Võ Đức Thắng – Thành viên- Lê Ngọc Bảo Minh – Thành viên- Nguyễn Trọng Nhân – Thành viênKết quả lần này cũng cho thấy những kỹ năng được rèn luyện qua CTF và nghiên cứu An toàn thông tin có thể tiếp tục được thử sức trong môi trường Red Team thực chiến, nơi các thành viên phải phân tích và đánh giá những hệ thống đang vận hành thực tế. Chương trình hướng đến việc phát hiện sớm lỗ hổng, nâng cao năng lực ứng phó và góp phần bảo đảm an toàn cho các hệ thống thông tin quan trọng của TP.HCM.Bài viết đầy đủ tại: https://ttbc-hcm.gov.vn/tphcm-ra-soat-diem-yeu-qua-dien-tap-thuc-chien-an-ninh-mang-1022238.html Thông tin chi tiết: https://www.facebook.com/share/p/1F9hdtWs3q/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Được tổ chức thường niên từ năm 2023, SEAPP là sân chơi dành cho sinh viên UIT trình diễn những sản phẩm ứng dụng sáng tạo, giao lưu, học hỏi và thử sức với khả năng phát triển sản phẩm thực tiễn.SEAPP dành cho sinh viên Khoa Công nghệ Phần mềm và sinh viên các khoa khác tại UIT có quan tâm. Mỗi đội thi cần từ 1 - 6 thành viên.Với hai bảng thi chính là Game (Mobile Game, Web Game) và App (Mobile App, Desktop App, Web), sản phẩm được chấp nhận tại SEAPP 2026 gồm: đồ án môn học, khóa luận tốt nghiệp hay sản phẩm do chính nhóm phát triển.Các cột mốc thời gian đáng chú ý:- 28/09 - 10/12: Đăng ký sản phẩm- 14/12: Công bố các sản phẩm vào vòng Triển lãm- 14 - 16/12: Hoàn thiện poster, chuẩn bị Triển lãm- 17/12: Ngày hội Triển lãm SEAPP 2026 tại UIT- 17 - 20/12: Tính điểm, công bố kết quả và trao thưởngMỗi bảng Game và App đều có:- 01 Giải Nhất: 2.000.000 đồng- 02 Giải Nhì: 1.000.000 đồng/giải- 03 Giải Ba: 500.000 đồng/giải- 03 Giải Khuyến khích: 300.000 đồng/giảiBên cạnh giải thưởng, sinh viên tham gia còn được cộng điểm rèn luyện, hỗ trợ tài nguyên tính toán hoặc server khi cần; sản phẩm đạt giải được xem xét đề xuất cộng điểm cho môn học liên quan.Đăng ký bằng email UIT: https://forms.gle/QZ1FGSpuMTX2TrVU7Xem chi tiết SEAPP 2026: https://link.uit.edu.vn/SEAPP2026Thông tin chi tiết tại: https://www.facebook.com/share/p/19WpaD8bym/ 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 

Trường Đại học Công nghệ Thông tin, ĐHQG-HCM (UIT) chính thức nhận hồ sơ Chương trình Thực tập Quốc tế tại National Institute of Informatics (NII), Nhật Bản lần 2 năm 2026. Chương trình dành 3 suất cho học viên Thạc sĩ và nghiên cứu sinh Tiến sĩ đang theo học tại UIT, mở thêm cơ hội để người học tham gia môi trường nghiên cứu quốc tế, làm việc với các nhà khoa học và phát triển hướng nghiên cứu chuyên sâu trong lĩnh vực công nghệ thông tin.Từ UIT đến môi trường nghiên cứu quốc tếVới học viên sau đại học, một kỳ thực tập quốc tế không chỉ mang đến trải nghiệm học tập tại một cơ sở nghiên cứu mới mà còn là cơ hội để tiếp cận phương pháp nghiên cứu, trao đổi học thuật và xây dựng mạng lưới chuyên môn với các nhà khoa học quốc tế.Trong đợt tuyển chọn lần này, ứng viên có thể lựa chọn tối đa 3 chủ đề từ danh sách các hướng nghiên cứu do NII công bố. Người đăng ký cần chủ động tìm hiểu hướng nghiên cứu phù hợp và có minh chứng đã liên hệ với giáo sư tại NII.Yêu cầu này đặt người học vào vị trí chủ động ngay từ những bước đầu tiên: xác định vấn đề mình quan tâm, tìm kiếm nhóm nghiên cứu phù hợp và kết nối với nhà khoa học có chuyên môn liên quan. Đây cũng là những năng lực quan trọng đối với học viên cao học và nghiên cứu sinh khi tham gia cộng đồng nghiên cứu quốc tế.Mở rộng không gian học thuật cho học viên sau đại học UITViệc tiếp tục triển khai Chương trình Thực tập Quốc tế tại NII góp phần mở rộng không gian đào tạo và nghiên cứu của UIT ra ngoài khuôn viên Nhà trường. Người học có thêm cơ hội đưa kiến thức và kinh nghiệm nghiên cứu đã tích lũy tại UIT vào một môi trường học thuật khác, đồng thời tiếp cận những cách đặt vấn đề, phương pháp và hướng nghiên cứu mới.Những trải nghiệm này đặc biệt có ý nghĩa đối với đào tạo sau đại học, khi quá trình phát triển một nhà nghiên cứu không chỉ dựa trên kiến thức chuyên ngành mà còn cần khả năng trao đổi học thuật, hợp tác quốc tế và tham gia vào các mạng lưới nghiên cứu rộng hơn.Thông qua các chương trình trao đổi và thực tập nghiên cứu quốc tế, UIT tiếp tục tạo điều kiện để học viên, nghiên cứu sinh tăng cường năng lực nghiên cứu, mở rộng kết nối học thuật và từng bước tham gia sâu hơn vào môi trường khoa học quốc tế.Thông tin đăng kýChương trình dành cho học viên Thạc sĩ và nghiên cứu sinh Tiến sĩ đang theo học tại Trường Đại học Công nghệ Thông tin, với 3 suất trong đợt tuyển chọn lần 2 năm 2026.Ứng viên có thể lựa chọn tối đa 3 chủ đề nghiên cứu trong danh sách của NII và cần chuẩn bị hồ sơ theo yêu cầu của chương trình, trong đó có minh chứng đã liên hệ với giáo sư tại NII.Thời hạn nộp hồ sơ: 11:00 ngày 09/10/2026.Hồ sơ bản mềm gửi về: qhdn@uit.edu.vn.Hồ sơ bản cứng nộp tại Phòng A.125, gặp Chuyên viên Thùy Dương trong giờ hành chính.Thông tin chi tiết, danh sách chủ đề nghiên cứu và hồ sơ chương trình được đăng tải trên website của đơn vị phụ trách quan hệ đối ngoại UIT: https://qhdn.uit.edu.vn/vi/bai-viet/chuong-trinh-thuc-tap-quoc-te-tai-national-institute-informatics-nii-lan-2-nam-2026 Chương trình tại NII vì vậy không chỉ là một kỳ thực tập ở Nhật Bản, mà còn mở thêm một con đường để học viên cao học và nghiên cứu sinh UIT phát triển năng lực nghiên cứu, mở rộng mạng lưới học thuật và chuẩn bị cho những hợp tác khoa học quốc tế trong tương lai.

Chúc mừng Công Hiếu và Khải Đông - sinh viên ngành An toàn thông tin - 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:“Evidence-Preserving Multi-Agent LLMs for SOC Threat Hunting with Different Collaboration and Prompting Strategies” Sinh viên thực hiện:- Bùi Nguyễn Công Hiếu – Lớp ATTT2023 (Khoa Mạng máy tính và truyền thông)- Sit Khải Đông – Lớp ATTT2023 (Khoa Mạng máy tính và truyền thông) Giảng viên hướng dẫn: ThS. Đỗ Thị Thu Hiền, TS. Phan Thế Duy Tóm tắt bài báo: Hoạt động săn tìm mối đe dọa (threat hunting) tại Trung tâm Điều hành An ninh mạng (SOC) đòi hỏi các chuyên gia phân tích phải tổng hợp, xâu chuỗi các dữ liệu telemetry phân tán, đồng thời đảm bảo duy trì nguồn gốc (provenance) của các chỉ số cảnh báo và luận điểm hành vi. Các mô hình ngôn ngữ lớn (LLM) có thể hỗ trợ quá trình này, tuy nhiên những phát hiện do LLM tạo ra có thể bỏ sót bằng chứng liên quan hoặc đưa ra các kết luận thiếu cơ sở. Bài báo này giới thiệu MA-SOC, một khung làm việc dựa trên hệ thống đa tác tử LLM (multi-agent) bảo toàn bằng chứng, phân chia các công việc gồm lập kế hoạch (planning), săn tìm (hunting), xác minh (verification), tái dựng sự cố (incident reconstruction) và lập báo cáo (reporting) cho 5 vai trò chuyên biệt. Khung làm việc này tích hợp cơ chế thực thi hoàn chỉnh phụ thuộc mang tính xác định (deterministic dependency-complete execution), tinh lọc chỉ số xâm nhập (IOC curation), và mở rộng MITRE ATT&CK có kiểm soát bằng chứng (evidence-gated MITRE ATT&CK expansion) nhằm duy trì các liên kết có thể truy vết giữa các quan sát, suy luận có căn cứ và các phát hiện được báo cáo. Chúng tôi so sánh mô hình cộng tác phân cấp (hierarchical) và tranh luận hướng kiểm duyệt (review-oriented debate) dưới các kỹ thuật prompting zero-shot, few-shot và chain-of-thought theo vai trò, sử dụng phương án phân bổ mô hình hỗn hợp (mixed-model) và mô hình đồng nhất (homogeneous-model). Mười hai cấu hình đã được đánh giá trên một kịch bản telemetry Windows tổng hợp được xây dựng từ một cuộc điều tra Cobalt Strike–LockBit công khai. Quá trình đánh giá xem xét các tiêu chí: khả năng bảo toàn thực thể, độ chính xác của IOC và TTP, độ trễ, lượng token sử dụng và chi phí API thực tế. Cấu hình mô hình hỗn hợp tốt nhất đạt điểm F1 có trọng số (weighted F1 score) là 0,8157, trong khi cấu hình mô hình đồng nhất tốt nhất đạt 0,8570. Thử nghiệm triệt tiêu thành phần (component ablations) cho thấy điểm F1 có trọng số giảm 0,1038 khi không có cơ chế thực thi hoàn chỉnh phụ thuộc, giảm 0,1341 khi không tinh lọc IOC, và giảm 0,3174 khi không mở rộng đồ thị TTP. Kết quả chỉ ra sự đánh đổi giữa chất lượng và chi phí phụ thuộc vào từng cấu hình cụ thể, thay vì tồn tại một chiến lược cộng tác hay prompting vượt trội toàn diện. Do mỗi cấu hình mới chỉ được đánh giá một lần trên một kịch bản tổng hợp duy nhất, các phát hiện này mang tính mô tả và cần tiếp tục được xác minh qua nhiều lượt chạy lặp lại cũng như trên các môi trường vận hành thực tế khác.Thông tin về hội nghị: Hội thảo Quốc tế IEEE lần thứ 32 về các Hệ thống Song song và Phân tán (ICPADS) sẽ diễn ra tại Tokyo, Nhật Bản từ ngày 22 đến ngày 26 tháng 11 năm 2026. Với chủ đề "Điện toán Phổ biến cho các Cộng đồng Toàn cầu", sự kiện hàng đầu này của Hội Máy tính IEEE (IEEE Computer Society) sẽ giới thiệu các nghiên cứu tiên phong về điều phối biên - đám mây (edge-cloud orchestration) và hạ tầng điện toán bền vững; các hội thảo chuyên đề do doanh nghiệp chủ trì về hệ thống phân tán thuần AI (AI-native distributed systems) và IoT lấy con người làm trung tâm; cùng các phiên thảo luận diễn giả chính (keynote dialogues) hướng đến việc tiếp cận bình đẳng các tài nguyên điện toán thông minh.Thông tin chi tiết tại: https://www.facebook.com/share/p/1Dc3sUYUHY/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Ngọc Thùy và An Phú – Sinh viên ngành An toàn thông tin – có bài báo khoa học được chấp nhận đăng tại Hội nghị Quốc tế IEEE International Conference on Parallel and Distributed Systems (ICPADS 2026) tại Tokyo, Nhật Bản. Bài báo:“Action-Graph: A Graph-Aware Multi-Step LLM Pipeline for MITRE ATT&CK TTP Extraction from Cyber Threat Intelligence” Sinh viên thực hiện:- Võ Nguyễn Ngọc Thùy – Lớp ATTT2023.2 (Khoa Mạng máy tính và truyền thông)- Đậu Đức An Phú – Lớp ATTT2023.2 (Khoa Mạng máy tính và truyền thông) Giảng viên hướng dẫn: TS. Phan Thế DuyLời cảm ơn của nhóm sinh viên:“Nhóm tác giả xin gửi lời cảm ơn chân thành đến Thầy Phan Thế Duy đã hướng dẫn, hỗ trợ và tạo điều kiện trong suốt quá trình thực hiện nghiên cứu. Đồng thời, xin cảm ơn Phòng Thí nghiệm An toàn Thông tin (InSecLab), Trường Đại học Công nghệ Thông tin – ĐHQG-HCM đã tạo môi trường nghiên cứu và hỗ trợ nhóm trong quá trình hoàn thành công trình này”.Tóm tắt bài báo: Mặc dù các pipeline LLM kết hợp truy xuất đã giúp giảm đáng kể hiện tượng ảo giác khi trích xuất kỹ thuật MITRE ATT&CK từ báo cáo tình báo an ninh mạng (CTI), việc thẩm định từng hành động tấn công một cách độc lập khiến các hệ thống này dễ mất ngữ cảnh và khó phân biệt những kỹ thuật có bề mặt ngôn ngữ tương tự nhau. Nghiên cứu này đề xuất ACTION-GRAPH, một pipeline LLM đa bước có nhận thức đồ thị (graph-aware) nhằm khắc phục tình trạng mất ngữ cảnh nói trên. Nhóm tác giả xây dựng một đồ thị CTI dị thể (heterogeneous graph) lưu giữ mối liên hệ ngữ nghĩa cục bộ giữa câu văn, thực thể và hành động tấn công, kết hợp truy xuất kỹ thuật ứng viên từ một cơ sở dữ liệu quy trình tấn công có gán kiểu (typed procedure database), và sử dụng một bộ thẩm định có nhận thức đồ thị dựa trên mạng nơ-ron đồ thị (GNN) cùng cơ chế kiểm tra phản chứng (counterfactual) bằng LLM để xếp hạng và lọc dự đoán cuối cùng. Kết quả thực nghiệm trên bộ dữ liệu CTI-Bench cho thấy hệ thống đạt độ chính xác (precision) 85,82%, độ bao phủ (recall) 80,94% và điểm F1 vi mô (micro-F1) 83,30%, vượt trội hơn Multi-Step LLM Pipeline 11,7 điểm F1 và IntelEX 72,7 điểm F1. Nghiên cứu cũng chỉ ra rằng phần lớn mức cải thiện này đến từ việc cắt giảm 65,2% số dự đoán sai (false positive), thay vì phát hiện thêm nhiều kỹ thuật tấn công mới. Đặc biệt, phân tích loại bỏ thành phần (ablation) cho thấy ngữ cảnh đồ thị từ GNN và bộ thẩm định có cấu trúc mang lại hiệu quả bổ trợ lẫn nhau chứ không thể thay thế nhau: khi kết hợp cả hai, mức tăng F1 đạt được còn cao hơn tổng mức tăng riêng lẻ của từng thành phần. Kết quả này khẳng định việc kết hợp ngữ cảnh đồ thị cục bộ với cơ chế truy xuất quy trình có gán kiểu là một hướng đi hiệu quả để nâng cao độ tin cậy và khả năng diễn giải của các hệ thống trích xuất TTP tự động từ tài liệu CTI phi cấu trúc. Thông tin về hội nghị: IEEE International Conference on Parallel and Distributed Systems (ICPADS) là một trong những hội nghị khoa học quốc tế uy tín do IEEE Computer Society bảo trợ, quy tụ các nhà nghiên cứu và chuyên gia nhằm thúc đẩy đổi mới trong hầu hết các khía cạnh của công nghệ hệ thống song song và phân tán. Mỗi năm, hàng trăm đóng góp nghiên cứu xuất sắc được tuyển chọn kỹ lưỡng cho chương trình hội nghị. Sự kiện bao gồm các phiên báo cáo kỹ thuật, hội thảo chuyên đề, phiên demo cùng các tọa đàm chuyên sâu nhằm thúc đẩy và mở rộng giới hạn của công nghệ điện toán phân tán, điện toán biên và điện toán đám mây. IEEE ICPADS 2026 – kỳ hội nghị lần thứ 32 với chủ đề 'Ubiquitous Computing for Global Communities' – dự kiến diễn ra từ ngày 22–26/11/2026 tại Tokyo, Nhật Bản, tiếp tục góp phần định hình tương lai của các hệ thống tính toán thông minh, an toàn và có khả năng mở rộng trên toàn cầu. Thông tin chi tiết tại: https://www.facebook.com/share/p/19ACLGgCng/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Minh Trí, Vĩnh Kiệt, Nhật Đông và Cao Phong đã có bài báo khoa học được chấp nhận đăng tại IEEE International Conference on Parallel and Distributed Systems 2026 dưới dạng Full Paper, được tổ chức tại Tokyo, Nhật Bản.Bài báo: Small Language Models for Smart Contract Vulnerability Detection: A Fine-Grained Analysis on Capabilities, Localization, and Failure ModesSinh viên thực hiện:- Hồ Minh Trí - 22521518 - KTPM2022.3- Lục Vĩnh Kiệt - 24520903 - ATTT2024.2- Nguyễn Nhật Đông - 25520314- KHMT2025.1- Hoàng Cao Phong - Cộng tác viên Phòng thí nghiệm ATTT - UIT InSecLabGiảng viên hướng dẫn: ThS. Đoàn Minh Trung, TS. Phan Thế Duy, PGS.TS. Nguyễn Hoàng Tú Anh, PGS.TS. Phạm Văn HậuTóm tắt bài báo:Hợp đồng thông minh (smart contract) đóng vai trò quan trọng trong việc bảo đảm an toàn cho các ứng dụng blockchain có giá trị cao. Tuy nhiên, các lỗ hổng bảo mật trong hợp đồng thông minh vẫn tiếp tục gây ra những thiệt hại tài chính nghiêm trọng, đặt ra nhu cầu cấp thiết về các phương pháp phát hiện lỗ hổng tự động. Mặc dù các mô hình ngôn ngữ lớn (Large Language Models - LLMs) cho thấy tiềm năng mạnh mẽ trong phân tích mã nguồn và bảo mật, chi phí vận hành, hạn chế trong triển khai và sự phụ thuộc vào các dịch vụ độc quyền khiến việc áp dụng chúng trong thực tế còn nhiều trở ngại. Các mô hình ngôn ngữ nhỏ (Small Language Models - SLMs) mang đến một hướng tiếp cận nhẹ hơn, nhưng khả năng của SLMs trong phát hiện lỗ hổng hợp đồng thông minh vẫn chưa được nghiên cứu đầy đủ.Bài báo thực hiện một nghiên cứu thực nghiệm chuyên sâu về khả năng của SLMs trong phát hiện lỗ hổng hợp đồng thông minh. Nghiên cứu đánh giá bốn SLMs tiêu biểu trên bộ dữ liệu SmartBugs-Curated trong một thiết lập zero-shot được chuẩn hóa, tập trung vào nhiều khía cạnh gồm phát hiện ở cấp độ hợp đồng, định vị mã nguồn dễ bị tổn thương ở cấp độ dòng, kiểm soát các cảnh báo dương tính giả (False Positive ) và phân tích các dạng thất bại của mô hình. Bên cạnh đó, nghiên cứu so sánh SLMs với các LLMs tiên tiến và những công cụ phân tích bảo mật hiện có trên các lỗ hổng được ghi nhận trong các CVE (Common Vulnerabilities and Exposures) thực tế.Kết quả cho thấy SLMs là một nền tảng đầy triển vọng cho việc xây dựng các hệ thống kiểm toán hợp đồng thông minh có chi phí thấp và khả năng triển khai linh hoạt. Các mô hình này thể hiện khả năng hữu ích trong cả phát hiện và định vị lỗ hổng, đồng thời đạt kết quả cạnh tranh so với một số công cụ thương mại tiên tiến. Tuy nhiên, SLMs vẫn cho thấy sự thiếu nhất quán đối với những loại lỗ hổng đòi hỏi khả năng suy luận sâu về cơ chế khai thác. Kết quả nghiên cứu chỉ ra nhu cầu tích hợp các cơ chế suy luận theo miền và xác minh kết quả nhằm nâng cao độ tin cậy của SLMs trong các hệ thống kiểm toán hợp đồng thông minh.Thông tin về hội nghị:IEEE ICPADS (IEEE International Conference on Parallel and Distributed Systems) là một trong những hội nghị khoa học quốc tế uy tín hàng đầu trong lĩnh vực hệ thống tính toán song song, phân tán, mạng máy tính và an toàn thông tin, được xếp hạng Rank B theo chuẩn đánh giá CORE quốc tế. Trải qua hơn ba thập kỷ phát triển kể từ lần tổ chức đầu tiên vào năm 1992, IEEE ICPADS là diễn đàn học thuật quy tụ các nhà nghiên cứu, chuyên gia và kỹ sư từ khắp nơi trên thế giới nhằm chia sẻ các tiến bộ công nghệ và giải pháp đột phá. Kỷ yếu của hội nghị được xuất bản bởi IEEE Computer Society, lưu trữ trên thư viện số IEEE Xplore và được lập chỉ mục trong các cơ sở dữ liệu học thuật uy tín như Scopus và DBLP. Hội nghị tiếp tục khẳng định vị thế là điểm kết nối học thuật quan trọng cho các nghiên cứu tiên phong về tính toán hiệu năng cao, bảo mật mạng IoT và các mô hình tính toán thế hệ mới.Thông tin chi tiết tại: https://www.facebook.com/share/p/19TK81QVkz/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Phan Thái Hưng và Lưu Hồng Phúc - 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: “VulnPrism - Explainable Multi-Agent Vulnerability Detection via Multi-View Security Analysis”Sinh viên thực hiện: - Phan Thái Hưng – Lớp ATTT2024- Lưu Hồng Phúc – Lớp ATTT2024Giảng viên hướng dẫn: ThS. Nghi Hoàng Khoa, TS. Phan Thế Duy Tóm tắt bài báo:Large language models show promise for source-code vulnerability detection, but a reliable verdict also depends on data dependencies, execution paths, and protective conditions that may be reconstructed inconsistently from source text. We propose VulnPrism, an explainable multi-agent framework for function-level detection. A Strategist selects a small set of security-domain experts, which independently formulate vulnerability hypotheses. A Synthesis Agent groups hypotheses that refer to the same code target into candidates without judging their validity. A Critic then validates these candidates using compact, source-linked control-flow, reaching-definition, dominance, and post-dominance witnesses retrieved from a queryable Evidence Storage. On 435 vulnerable–patched pairs from PrimeVul, VulnPrism achieves 28.28% P-C and a Vulnerability Pair Score of 19.08, improving over the strongest external baseline by 1.61 and 2.53 points, respectively, while reducing its false-positive rate by 1.38 points. The results show that selective expert analysis and evidence-supported validation improve paired vulnerability discrimination without placing the complete program graph in the LLM context. Thông tin về hội nghị:IEEE International Conference on Parallel and Distributed Systems (ICPADS) là hội nghị quốc tế thường niên do IEEE Computer Society tổ chức, tập trung vào các lĩnh vực hệ thống song song và phân tán, cloud/edge computing, AI systems, IoT và bảo mật. Hội nghị quy tụ các nhà nghiên cứu và chuyên gia nhằm trao đổi các kết quả mới và thúc đẩy phát triển các hệ thống tính toán thế hệ mới. IEEE ICPADS 2026 sẽ diễn ra từ 22 26/11/2026 tại Tokyo, Nhật Bản, với chủ đề “Ubiquitous Computing for Global Communities”.Thông tin chi tiết tại: https://www.facebook.com/share/p/1EeY4BS3GM/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin  

Chúc mừng Quách Tuấn Kiệt, Lê Sỹ Liêm và Lê Trần Gia Bảo 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 tập trung vào một vấn đề quan trọng trong an toàn thông tin hiện nay: khi các mô hình Quantum Machine Learning (QML) ngày càng được nghiên cứu cho bài toán phát hiện xâm nhập trong mạng IoT, liệu những mô hình này có thực sự bền vững trước các cuộc tấn công đối kháng (adversarial attacks)?Từ câu hỏi đó, nhóm nghiên cứu thực hiện một nghiên cứu đánh giá và đối sánh toàn diện độ bền vững đối kháng của các mô hình QML-IDS, tập trung vào hai kiến trúc tiêu biểu là Quantum Support Vector Classifier (QSVC) và Quantum Convolutional Neural Network (QCNN), đồng thời so sánh với các mô hình học máy cổ điển tương ứng là SVC và CNN.Bài báo: “Adversarial Robustness of Quantum Learning-based Intrusion Detection Systems in IoT Network”Sinh viên thực hiện:- Quách Tuấn Kiệt - Lớp CNTT2024.1- Lê Sỹ Liêm - Lớp CNVN2024- Lê Trần Gia Bảo - Lớp KHMT2022Giảng viên hướng dẫn: ThS. Nghi Hoàng Khoa, TS. Huỳnh Văn Đặng, TS. Phan Thế Duy, PGS. TS. Phạm Văn HậuNhững kết quả này không chỉ góp phần làm rõ khả năng và giới hạn về độ an toàn của QML trong bài toán phát hiện xâm nhập, mà còn cung cấp những cơ sở thực nghiệm quan trọng cho việc thiết kế các hệ thống IDS dựa trên học máy lượng tử có khả năng chống chịu tốt hơn trước các mối đe dọa đối kháng, hướng tới các môi trường mạng IoT và hạ tầng 5G/6G trong tương lai.Tóm tắt bài báo:Học máy lượng tử (Quantum Machine Learning - QML) đang nổi lên như một hướng tiếp cận đầy triển vọng cho các hệ thống phát hiện xâm nhập (IDS) trong mạng IoT bị giới hạn tài nguyên, nhờ hiệu quả sử dụng dữ liệu vượt trội và khả năng biểu diễn các mẫu tấn công phi tuyến phức tạp. Tuy nhiên, độ bền vững đối kháng (adversarial robustness) của các mô hình QML-IDS vẫn chưa được khai phá một cách có hệ thống, tiềm ẩn rủi ro an ninh nghiêm trọng khi kẻ tấn công có thể chèn các nhiễu đối kháng tinh vi vào các đặc trưng tỷ lệ luồng (flow-ratio features). Bài báo này thiết lập khung đánh giá chuẩn đối sánh (benchmark) toàn diện đầu tiên về độ bền vững đối kháng giữa hai mô hình lượng tử tiêu biểu gồm Quantum Support Vector Classifier (QSVC) và Quantum Convolutional Neural Network (QCNN) trước các mô hình cổ điển đối ứng là Support Vector Classifier (SVC) và Convolutional Neural Network (CNN). Sử dụng tập dữ liệu ACI-IoT-2023, nghiên cứu đánh giá mô hình dưới hai cấu hình đe dọa: tấn công hộp trắng dựa trên gradient thông qua Fast Gradient Sign Method (FGSM), và tấn công hộp đen toàn diện với Zeroth Order Optimization (ZOO) cùng HopSkipJump (HSJ). Kết quả thực nghiệm chỉ ra hồ sơ bền vững bất đối xứng và phụ thuộc chặt chẽ vào cơ chế tấn công: các mô hình lượng tử thể hiện khả năng chống chịu vượt trội trước các cuộc tấn công dò tìm ranh giới (HSJ), nhưng lại bộc lộ độ nhạy cảm cao hơn trước phương pháp tối ưu hóa dựa trên điểm số (ZOO). Đối với tấn công hộp trắng (FGSM), độ bền mang tính đặc thù theo kiến trúc khi phương pháp kernel lượng tử (QSVC) đạt lợi thế rõ rệt trong khi mô hình mạng nơ-ron biến phân (QCNN) gặp nhiều thách thức. Nghiên cứu cung cấp các hàm ý lý thuyết và thực nghiệm then chốt, đặt nền tảng cho việc thiết kế các hệ thống QML-IDS đáng tin cậy trong kỷ nguyên mạng 5G/6G và phần cứng lượng tử NISQ.Thông tin về hội nghị:IEEE ICPADS (IEEE International Conference on Parallel and Distributed Systems) là một trong những hội nghị khoa học quốc tế uy tín hàng đầu trong lĩnh vực hệ thống tính toán song song, phân tán, mạng máy tính và an toàn thông tin, được xếp hạng Rank B theo chuẩn đánh giá CORE quốc tế. Trải qua hơn ba thập kỷ phát triển kể từ lần tổ chức đầu tiên vào năm 1992, IEEE ICPADS là diễn đàn học thuật quy tụ các nhà nghiên cứu, chuyên gia và kỹ sư từ khắp nơi trên thế giới nhằm chia sẻ các tiến bộ công nghệ và giải pháp đột phá. Kỷ yếu của hội nghị được xuất bản bởi IEEE Computer Society, lưu trữ trên thư viện số IEEE Xplore và được lập chỉ mục trong các cơ sở dữ liệu học thuật uy tín như Scopus và DBLP. Hội nghị tiếp tục khẳng định vị thế là điểm kết nối học thuật quan trọng cho các nghiên cứu tiên phong về tính toán hiệu năng cao, bảo mật mạng IoT và các mô hình tính toán thế hệ mới.Thông tin chi tiết tại: https://www.facebook.com/share/p/1CAztAvmox/ Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin