Trong khuôn khổ chuỗi seminar học thuật năm 2022, sáng ngày 10/11/2022, Khoa Mạng máy tính và Truyền thông (MMT&TT) đã tổ chức buổi seminar lần thứ 7 tại Phòng E8.3 với chủ đề “Building a Recruitment System Based on Blockchain and Federated Learning” do ThS. Nguyễn Khánh Thuật – Giảng viên Khoa MMT&TT trình bày.
Seminar tập trung vào hai vấn đề chính trong quy trình tuyển dụng và điểm danh trong các công ty. Thứ nhất, việc lọc hồ sơ của các ứng viên trong quy trình tuyển dụng truyền thống đang gặp vấn đề về độ tin cậy trong thông tin người dùng cung cấp; Thứ hai, sau khi vượt qua vòng phỏng vấn và được tuyển dụng, các ứng viên phải cung cấp hình ảnh gương mặt cho họ phục vụ cho quá trình điểm danh khi đi làm tại công ty.
Để giải quyết hai vấn đề này, tác giả sử dụng các công nghệ tiên tiến hiện nay để triển khai hệ thống phục vụ cho quy trình tuyển dụng:
- Để đảm bảo cho tính tin cậy trong lịch sử làm việc của người dùng (ứng viên), nhóm tác giả sử dụng công nghệ blockchain nhằm tăng tính minh bạch trong việc xác thực thông tin lịch sử làm việc của ứng viên. Cụ thể, nhóm tác giả thiết kế và triển khai mạng lưới blockchain và thực nghiệm thông qua môi trường Ganache emulation.
- Để đảm bảo tính riêng tư của người dùng (người lao động) khi sử dụng các hệ thống điểm danh bằng ứng dụng nhận diện gương mặt, nhóm tác giả sử dụng federated learning nhằm mục đích giúp người dùng không cung cấp dữ liệu ảnh dạng thô cho quá trình huấn luyện trong ứng dụng nhận diện gương mặt. Thay vào đó, dữ liệu ảnh dạng thô của người dùng được lưu trữ cục bộ tại thiết bị của người dùng và mô hình học máy trong ứng dụng nhận diện gương mặt sẽ được chuyển tiếp đến thiết bị người dùng. Tại đây dữ liệu được đưa vào để huấn luyện mô hình học máy trước khi mô hình sau khi huấn luyện được trả ngược về máy chủ phía công ty.
Kết quả cho thấy hệ thống được đề xuất mất chi phí khoảng 0.05 ETH cho quá trình tuyển dụng nhân viên và con số này giảm xuống khi tuyển dụng những người tiếp theo khi một số thao tác chỉ cần thực thi một vài lần trong suốt vòng đời của hệ thống.
Quá trình nhận diện gương mặt với độ chính xác khoảng 65% và FPS là 13 với các lý do về độ lớn dataset, điều kiện thực nghiệm, và giới hạn về phần cứng.
Trong phần phát triển tiếp theo, nhóm tác giả tập trung vào việc nâng cao hiệu suất của quá trình nhận diện bằng cách áp dụng các mô deep learning. Ngoài ra, nhóm tác giả cần thực nghiệm hệ thống với số lượng người dùng cao nhằm đánh giá hệ thống một cách tổng thể.
Một số hình ảnh của buổi seminar:
