Khoa Hệ thống thông tin

Chúc mừng nhóm sinh viên Khoa HTTT có bài báo Quốc tế được công bố trên tạp chí uy tín Computer Networks (Elsevier, Q1)

23/08/2025 Research 749

CHÚC MỪNG NHÓM SINH VIÊN KHOA HTTT CÓ BÀI BÁO QUỐC TẾ ĐƯỢC CÔNG BỐ TRÊN TẠP CHÍ COMPUTER NETWORKS (ELSEVIER, Q1) 

Computer Networks là tạp chí khoa học quốc tế uy tín, được xuất bản bởi Elsevier (Hà Lan), nằm trong top Q1 theo SCImago Journal Rank, với Impact Factor 4.6 và CiteScore 9.3. Đây là một trong những tạp chí hàng đầu dành cho các nhà nghiên cứu và học giả trong lĩnh vực Mạng truyền thông máy tính

Bài báo đã được công bố trên Computer Networks (Elsevier), khẳng định uy tín và chất lượng nghiên cứu của sinh viên Khoa Hệ thống Thông tin.

Link tạp chí: https://www.sciencedirect.com/journal/computer-networks

Tên bài báo: “secPEFL: Strengthening Federated Learning security for Portable Executable malware detection in distributed networks”

Nhóm sinh viên thực hiện:

  • 20520556, Trịnh Gia Huy, HTTT2020
  • 20520667, Lương Nguyễn Thành Nhân, HTTT2020

Giảng viên hướng dẫn: TS. Nguyễn Tấn Cầm

Abstract: Các phương pháp phát hiện mã độc tập trung truyền thống ngày càng bộc lộ nhiều rủi ro về quyền riêng tư và rò rỉ dữ liệu, đặc biệt trong bối cảnh các quy định pháp lý ngày càng khắt khe. Để khắc phục thách thức này, nhóm nghiên cứu đã đề xuất một hệ thống học liên kết (Federated Learning) nhằm phân loại mã độc trên các tệp Portable Executable (PE), nhấn mạnh tính bảo mật và an toàn dữ liệu.

Giải pháp ứng dụng mạng nơ-ron tích chập (CNN) với hai mô-đun chính:

  • Mô-đun phát hiện: nhận diện tập tin độc hại.

  • Mô-đun phân loại: xác định loại mã độc và hỗ trợ xây dựng chiến lược phòng thủ.

Hệ thống được thiết kế xử lý dữ liệu dưới dạng ảnh xám, đồng thời tích hợp nhiều công nghệ tiên tiến: SSL để bảo mật truyền thông, IPFS cho lưu trữ phân tán, và Local Differential Privacy nhằm chống tấn công suy diễn. Đặc biệt, hệ thống còn giảm thiểu tấn công Sybil nhờ cơ chế lựa chọn người tham gia dựa trên lịch sử uy tín lưu trữ bằng blockchain, đồng thời blockchain cũng đóng vai trò nền tảng thưởng cho các cá nhân đóng góp thông qua cơ chế Shapley value trong lý thuyết trò chơi.

Kết quả thực nghiệm cho thấy hệ thống đạt hiệu quả vượt trội: 96.32% độ chính xác trên dữ liệu IID và 88.06% trên dữ liệu non-IID, đồng thời khẳng định sự đánh đổi giữa mức độ bảo mật và độ chính xác khi gia tăng mức độ nhiễu trong Differential Privacy.

Nhóm nghiên cứu xin gửi lời cảm ơn chân thành đến TS. Nguyễn Tấn Cầm vì sự đồng hành, định hướng và truyền cảm hứng nghiên cứu. Thầy đã luôn tận tâm chỉ dẫn, chỉ ra những hạn chế và hướng cải tiến, giúp nhóm hoàn thiện công trình cũng như phát triển bản thân.

Các bài đã đăng