Lễ bảo vệ Khoá luận tốt nghiệp – Đợt 02 năm 2025 – Khoa Mạng máy tính và Truyền thông sẽ được diễn ra vào ngày 03 và 04 tháng 07 năm 2025. Trong đợt bảo vệ này, sẽ có 113 sinh viên tham gia, với 70 đề tài thuộc ngành “An toàn thông tin” và ngành “Mạng máy tính và Truyền thông dữ liệu”, bao gồm các chương trình chính quy đại trà, tài năng và chất lượng cao.
Hội đồng bảo vệ sẽ diễn ra vào ngày 03 và ngày 04 tháng 07 năm 2025 tại Toà nhà E – Trường Đại học Công nghệ Thông tin – ĐHQG-HCM (Phường Linh Xuân, TP. HCM):
- Sáng ngày 03/07: Phòng E2.3, E2.4, E3.2, E4.1, E4.2, E4.4
- Chiều ngày 03/07: Phòng E2.4, E3.2, E4.1, E4.2, E4.4
- Sáng ngày 04/07: Phòng E2.4, E3.2, E3.4, E4.1, E4.2, E4.4
Sinh viên truy cập website https://mmt.uitiot.vn để biết thông tin chi tiết về hội đồng, thời gian, địa điểm báo cáo của mình. Ngoài ra, thông tin về quý thầy cô là thành viên hội đồng sẽ hiển thị trên website 60 phút trước khi bắt đầu. Ngoài ra, xem thêm Kế hoạch tổ chức bảo vệ Khóa luận tốt nghiệp HK2 năm học 2024-2025 để nắm thông tin về quy trình thực hiện.
Buổi bảo vệ khóa luận tốt nghiệp là dịp để các bạn sinh viên thể hiện kiến thức, kỹ năng và bản lĩnh của mình trước hội đồng giám khảo, đánh dấu sự trưởng thành sau quãng thời gian học tập và rèn luyện tại giảng đường đại học. Vì vậy, mong rằng các bạn sẽ chuẩn bị thật tốt, thật chu đáo, tự tin và bản lĩnh thể hiện và “cháy hết mình” trong buổi bảo vệ.
Chúc buổi bảo vệ khóa luận tốt nghiệp của các bạn thành công rực rỡ!
Các đề tài thực hiện đủ điều kiện để bảo vệ trước hội đồng
Ngành An toàn thông tin
- Cải tiến quá trình sinh mẫu dữ liệu để phát hiện tấn công PowerShell sử dụng GAN
- Chủ động phát hiện các cuộc tấn công có chủ đích dựa trên hybrid honeypot trên môi trường đa đám mây
- Đánh giá hiệu quả của các phương pháp phát hiện và giải nén tập tin thực thi bị đóng gói trong phát hiện mã độc Windows.
- Giải pháp số trong quản lý bất động sản thương mại và đảm bảo quyền riêng tư dữ liệu sử dụng công nghệ bằng chứng không kiến thức và mã hóa dựa trên thuộc tính
- Hệ thống tự động phát hiện và giảm thiểu phần mềm độc hại cryptojacking không tập tin dựa trên Powershell
- Hướng tới xây dựng mô hình máy học tăng cường chống lại DGA-Botnet
- Một cách tiếp cận đa phương thức cho phát hiện mã độc windows dựa trên phân tích toàn diện hoạt động gọi hàm API
- Một hướng tiếp cận trong phát hiện lỗ hổng Web sử dụng phân tích tĩnh
- Nâng cao hiệu quả của mô hình tạo biến thể mã độc Windows dựa trên học tăng cường với không gian hành động mở rộng và trí tuệ nhân tạo khả diễn giải
- Nâng cao kiểm thử xâm nhập bằng trí tuệ nhân tạo với LLM và Hệ thống Đa tác tử
- Nghiên cứu cải thiện khả năng thích ứng của Web Honeypot bằng mô hình ngôn ngữ lớn
- Nghiên cứu và phát triển nền tảng bảo vệ điểm cuối thế hệ mới toàn diện
- Nghiên cứu và triển khai giải pháp quản lý tính tuân thủ trên môi trường Cloud
- Nghiên cứu và triển khai hệ thống tự động kiểm thử các cuộc tấn công ứng dụng web
- Nghiên cứu và triển khai nên tảng tập trung phân tích, xử lý và ứng cứu nhanh sự cố an ninh thông tin trên nền tảng dữ liệu lớn
- Phân loại họ mã độc PowerShell dựa trên kết hợp ngữ nghĩa đa phương thức và học sâu.
- Phát hiện Android ransomware sử dụng phương pháp học sâu và biểu diễn ảnh
- Phát hiện phần mềm độc hại Android bằng GNN trên dữ liệu đồ thị của lời gọi hàm API và nhúng mã opcode
- Phát hiện tấn công trinh sát bằng thuật toán Kernel Inverse Nearest Neighbor (KINN)
- Phát hiện tấn công trong thời gian thực trên các hệ thống ứng dụng dựa trên dịch vụ sử dụng mạng nơ-ron với cơ chế tự chú ý cho dữ liệu ký tự và số
- Phương pháp cải thiện tính linh hoạt cho Shell Honeypot sử dụng mô hình ngôn ngữ lớn
- Phương pháp phát hiện mã độc Windows dựa trên học tiệm tiến
- Phương pháp phát hiện tấn công web sử dụng mô hình ngôn ngữ lớn
- Phương pháp sinh phản hồi cho Web Honeypot sử dụng trí tuệ nhân tạo tạo sinh
- Phương pháp tấn công trích xuất mô hình học sâu phân loại dữ liệu dạng bảng có giải thích
- Tấn công Dropout trong quy trình Chưng cất kiến thức: Các mối đe doạ đối với tính toàn vẹn của mô hình và các chiến lược phòng thủ
- Tăng cường bảo mật cho các hệ thống ứng dụng hướng service và microservice sử dụng học sâu và Zero Trust
- Tích hợp mô hình ngôn ngữ lớn và phân tích cấu trúc đồ thị để nâng cao phát hiện lỗ hổng hợp đồng thông minh
- Tìm hiểu và tích hợp các giải pháp bảo mật trong môi trường DevOps
- Triển khai các giải pháp bảo mật dựa trên học sâu cho ứng dụng web trên nền tảng điện toán đám mây
- Xác thực, kiểm soát truy cập, quản lý phiên và phát hiện bất thường trong lưới điện thông minh dùng học sâu và mạng chuỗi khối riêng tư
Ngành Mạng máy tính và Truyền thông dữ liệu
- Calorify: Ứng dụng phân tích lượng calo trong món ăn bằng trí tuệ nhân tạo
- Hệ thống phát hiện khối u não sử dụng mô hình học sâu và Explainable AI.
- FusionNet: Mô hình lai nhẹ hiệu quả với cơ chế hoán đổi kênh và tự chú ý tách biệt để phát hiện bệnh cây trồng trên thiết bị biên.
- Xây dựng hệ thống phân loại bệnh từ ảnh X-quang bằng mô hình học sâu và triển khai trên nền tảng MLOps
- Hệ thống phát hiện té ngã ứng dụng kiến trúc học liên kết trong chăm sóc sức khỏe người cao tuổi
- Hệ thống phát hiện rủi ro cho ứng dụng web dựa trên phân tích hành vi người dùng
- Xây dưng hệ thống tự động phân loại thuốc dựa vào mô hình học sâu
- Tích hợp trí tuệ nhân tạo (AI) và xử lý ngôn ngữ tự nhiên (NLP) trong xây dựng trợ lý cá nhân thông minh dành cho người lớn tuổi
- Tích hợp và đánh giá OpenSCAP trên các mô hình tích hợp liên tục và triển khai liên tục
- Công cụ phát hiện mã độc từ mã nguồn mở bằng phương pháp học sâu
- Phát triển hệ thống giám sát môi trường cho trang trại nuôi dê dựa trên IoT và học sâu
- Xây dựng trợ lý AI hỗ trợ tự động hóa quy trình Devops và Linux dựa trên Spring AI, RAG, và reactive programming
- Triển khai giải pháp giám sát hệ thống DevOps trên cơ sở hạ tầng mạng IPv6
- Nghiên cứu và ứng dụng các kỹ thuật học sâu tăng cường nhằm tăng tính tự hành cho UAV trong môi trường mô phỏng
- Xây dựng hệ thống quản lý và mô hình thùng rác thông minh dựa trên kỹ thuật học sâu kết hợp với Internet vạn vật
- Ứng dụng bằng chứng không kiến thức để bảo vệ quyền riêng tư trong cầu nối xuyên chuỗi giữa blockchain liên minh và blockchain công khai
- NeoBot – Chatbot AI Đồng Hành Cùng Diễn Đàn Công Nghệ Thông Tin
- Xây dựng và triển khai ứng dụng microservices trích xuất thông tin hóa đơn tiếng Việt dùng YOLO và Tesseract
- Phát triển Hệ thống MLOps cho Dự đoán Kết quả Học tập – Giải pháp Tự động hóa Triển khai và Giám sát Mô hình Học máy.
- Hệ thống phát hiện và phân tích tấn công SQL Injection dựa trên hành vi người dùng
- Hệ thống trợ lý ảo đa tác vụ dựa trên kiến trúc Multi-Agent
- Ứng dụng Mô Hình Ngôn Ngữ Lớn trong Tìm Kiếm và Gợi Ý Sản Phẩm Thương Mại Điện Tử
- Hệ thống tưới cây tự động dựa trên dự đoán mưa
- Cải thiện khả năng phân tích cảm xúc trong việc giám sát thương hiệu bằng MLOps
- Xây dựng hệ thống hỗ trợ chẩn đoán giai đoạn Alzheimer và dự đoán điểm đánh giá trạng thái tâm thần dựa trên mô hình học đa nhiệm.
- Hệ thống quản lý tập trung thiết bị IoT công nghiệp
- Xây dựng hạ tầng cho ứng dụng thương mại điện tử với kiến trúc microservices sử dụng IPv6
- Xây dựng hệ thống phân tích các chỉ số của trận bóng đá
- Phát triển hệ thống phát hiện giao dịch gian lận cho các tổ chức tài chính dựa trên federated learning và blockchain
- Phát triển hệ thống dự đoán lỗi build trong tích hợp liên tục bằng học sâu và MLOps
- Ứng dụng trí tuệ nhân tạo trong xây dựng hệ thống tối ưu việc sử dụng năng lượng sạch cho hộ gia đình
- Triển khai và tối ưu mạng phân phối nội dung cho ứng dụng microservices trên đa nền tảng đám mây
- Hệ thống mạng lưới điều khiển đèn giao thông thông minh sử dụng deep reinforcement learning và IoT
- Xây dựng mô hình đánh giá chất lượng đường bộ
- Nghiên cứu xây dựng hệ thống cảnh báo chất lượng đường bộ sử dụng học sâu
- Hệ thống đánh giá khả năng nhận diện các cuộc tấn công DDoS sử dụng học máy phi tập trung trong kiến trúc SDN
- Giải pháp tích hợp các công cụ kiểm thử, bảo mật vào quá trình tự động triển khai phần mềm lên hệ thống cloud
- Bảo vệ hệ thống API gateway sử dụng mô hình phát hiện bất thường và module SIEM
- Nghiên cứu hệ thống phát hiện và phản hồi điểm cuối tích hợp phân tích nguồn gốc trong phát hiện tấn công APT
