Lễ bảo vệ Khoá luận tốt nghiệp – Đợt 02 năm 2024 – Khoa Mạng máy tính và Truyền thông dữ liệu thông sẽ được diễn ra vào ngày 08 và 09 tháng 07 năm 2024. Trong đợt bảo vệ này, sẽ có 110 sinh viên tham gia, với 64 đề tài thuộc 02 ngành “An toàn thông tin” và “Mạng máy tính và Truyền thông dữ liệu” ở chương trình chính quy đại trà, tài năng và chất lượng cao.
Hội đồng bảo vệ sẽ diễn ra vào ngày 08 và ngày 09 tháng 07 năm 2024 tại các phòng C101, C106, C108, C206, C208, và C210 – Trường Đại học Công nghệ Thông tin – ĐHQG-HCM (Khu phố 6, phường Linh Trung, TP. Thủ Đức, TP. HCM)
- Sáng ngày 08/07, có 21 hội đồng
- Chiều ngày 08/07 có 25 hội đồng
- Sáng ngày 09/07 có 18 hội đồng
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 30 phút trước khi bắt đầu. Ngoài ra, xem thêm thêm Kế hoạch tổ chức bảo vệ Khóa luận tốt nghiệp HK2 năm học 2023-2024 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
- Hệ thống bền vững và tin cậy cho phát hiện xâm nhập dựa trên học máy đối kháng và trí tuệ nhân tạo khả diễn giải
- Mô hình học máy khả diễn giải phát hiện mã độc Android
- Một hướng tiếp cận đa thể thức cho phát hiện mã độc Windows sử dụng phân tích lai và kỹ thuật xử lý ngôn ngữ tự nhiên
- Một hướng tiếp cận dựa trên GAN để sinh mẫu SQLi đối kháng trốn tránh tường lửa ứng dụng Web
- Nghiên cứu khả năng kháng mẫu đối kháng của các trình phát hiện mã độc đa phương thức
- Nghiên cứu khả năng kháng mẫu đối kháng của các trình phát hiện xâm nhập dựa trên học máy
- Nghiên cứu phương pháp phát hiện lỗ hổng bảo mật hợp đồng thông minh sử dụng cách tiếp cận học máy và biểu diễn đồ thị
- Nghiên cứu phương pháp phát hiện sự tương đồng mã nhị phân của chương trình phần mềm dựa trên các mô hình ngôn ngữ và học sâu
- Nghiên cứu, phát triển hệ thống phát hiện xâm nhập mạng cho hạ tầng Internet of Things
- Phân tích động mã nguồn mở và ứng dụng học máy trong nhận biết mã độc trong mã nguồn mở
- Phát hiện giao dịch bất thường trong mạng đa chuỗi sử dụng mạng đối kháng tạo sinh bán giám sát và lý thuyết đa đồ thị
- Phát triển bộ phân loại hai lớp dựa trên học máy cho hệ thống phát hiện xâm nhập
- Phát triển hệ thống phát hiện xâm nhập mạng cho IoT sử dụng Học liên kết
- Phương pháp nhận diện ý định tấn công XSS dựa vào phân tích cú pháp và phân tích động
- Phương pháp tạo mẫu tấn công web dựa trên học tăng cường trong kiểm thử xâm nhập
- Tích hợp trình phát hiện mã độc bằng ngôn ngữ tự nhiên vào hệ thống giám sát mạng
- Triển khai tự động dịch vụ bảo mật SIEM và IDPS trên môi trường đám mây
Ngành An toàn thông tin – Chương trình Tài năng
- Bảo mật API Gateway cho nhiều bên trong môi trường Cloud-Native sử dụng học liên kết
- Bộ khung kiểm thử xâm nhập có tích lũy kinh nghiệm và tối ưu payload dựa trên học tăng cường
- Bộ khung tấn công và phòng thủ cho cuộc thi CTF
- Định danh tự chủ sử dụng bằng chứng không tiết lộ tri thức và chuỗi khối.
- Một hướng nghiên cứu về Honeypot ứng dụng web tương tác cao có khả năng thích ứng sử dụng học máy
- Một hướng tiếp cận dựa trên học tập tăng cường cho chính sách phân bổ Honeypot thông minh trong chiến lược đánh lừa mạng
- Một nghiên cứu trong việc phát hiện mã độc Android dựa trên mô hình học sâu đa phương thức
- Nghiên cứu phương pháp phát hiện website lừa đảo dựa trên cách tiếp cận học đa thể thức và học máy đối kháng
- Nghiên cứu phương pháp tự động hóa khai thác xâm nhập hệ thống mạng dựa trên học tăng cường phân cấp
- Phương pháp dựa trên học sâu để phát hiện và giảm thiểu các hành vi bất thường trong các hệ thống API Gateway Cloud-Native
Ngành An toàn thông tin – Chương trình Chất lượng cao
- Phát hiện lỗ hổng bảo mật hợp đồng thông minh dựa trên học tiếp cận đa thể thức.
- Giám sát hệ thống Kubernetes sử dụng công cụ giám sát CheckMK
- Nghiên cứu hệ thống phát hiện xâm nhập dựa trên học liên kết phi tập trung công bằng
- Nghiên cứu mô hình tin cậy và bền vững trong phát hiện mã độc đa hình
- Phát hiện và phân loại lỗ hổng và mã độc trong hợp đồng thông minh của mạng Blockchain sử dụng các mô hình học sâu Multi-Model và Transfer Learning
- Một nghiên cứu về honeypot thích ứng dựa trên học tăng cường và phương pháp DeepDig để phát hiện các cuộc tấn công web nâng cao.
- Một nghiên cứu trong việc chọn đặc trưng trong phân loại mã độc android
- Nghiên cứu phương pháp phát hiện và ngăn chặn mã độc mã hóa tống tiền bằng phương pháp chọn lọc và chiến thuật giăng bẫy
- Phương pháp phát hiện mẫu đối kháng và tăng cường tính bền vững của các hệ thống phát hiện xâm nhập dựa trên học máy đối kháng và xai
- Nghiên cứu trình phát hiện xâm nhập dựa trên Few-shot learning
- Phát hiện các cuộc tấn công mạng trên Multi-API gateways trong môi trường Cloud-Native sử dụng Deep Learning và Apache Mesos với Marathon
- Phương pháp tạo biến thể mã độc Windows dựa trên học tăng cường có kiểm chứng chức năng bằng so sánh tương đồng nhị phân
- Cơ chế chống tấn công đầu độc mô hình liên kết phi tập trung cho hệ thống phát hiện xâm nhập dựa trên kỹ thuật chắt lọc tri thức và blockchain
- Phát hiện lỗi hồi quy trong hệ thống học sâu bằng phương pháp Fuzzing.
- Giảm thiểu tấn công đầu độc mô hình chăm sóc sức khỏe thông minh dựa trên học quần thể.
- Phương pháp tạo biến thể mã độc Windows dựa trên học tăng cường có kiểm chứng chức năng bằng phân tích động
- Hệ thống liên kết phi tập trung cho hệ thống phát hiện xâm nhập tích hợp đảm bảo quyền riêng tư và chống tấn công đầu độc
- Phương pháp phát hiện lỗ hổng bảo mật hợp đồng thông minh dựa trên biểu diễn đồ thị và trí tuệ nhân tạo khả diễn giải
- Nghiên cứu phương pháp đánh giá và tăng cường tính bền vững của các trình phát hiện tấn công APT dựa trên nguồn gốc.
- Phương pháp phát hiện sự tương đồng mã nhị phân trong chương trình phần mềm dựa trên nhúng hàm nhị phân và học sâu
- Triển khai giải pháp bảo mật cho hệ thống Kubernetes sử dụng Cilium
- Nghiên cứu mô hình phát hiện tấn công APT dựa trên đồ thị nguồn gốc
- Một cách tiếp cận trong phát hiện mã độc phi mã sử dụng mạng thần kinh đồ thị cùng với cấu trúc mã nguồn
Ngành Mạng máy tính và Truyền thông dữ liệu
- Tăng cường bảo mật cho kiến trúc khả lập trình bằng công nghệ học liên kết và chuỗi khối
- UiTiOt-ReSDR: Phương pháp tái cấu hình cho thiết bị vô tuyến khả lập trình.
- Thiết kế và triển khai giao diện liên cụm cho bộ đIều khiển mạng khả lập trình.
- Hệ thống phát hiện hiệu suất bất thường dựa trên học bầy đàn cho cơ sở hạ tầng đám mây
- Phát triển Giải pháp Chống Cuộc Gọi Lừa đảo Sử dụng Công Nghệ Blockchain và Cơ chế Đồng thuận Proof-of-Spam
- Thiết kế mô hình học sâu kết hợp wavelet transform cho bài toán dự đoán chất lượng không khí
Ngành Mạng máy tính và Truyền thông dữ liệu – Chương trình Chất lượng cao
- Nghiên cứu, tích hợp các phương pháp tìm kiếm tiên tiến, chăm sóc khách hàng tự động vào hệ thống thương mại điện tử
- Nghiên cứu, phát triển hệ thống điểm danh cho lớp học thông minh sử dụng công nghệ Bluetooth năng lượng thấp và nhận diện gương mặt.
- Tăng cường bảo mật và tự động hóa cho hệ thống chăm sóc sức khỏe thông minh dựa trên IoT và học liên kết
- Dự đoán lượng mưa bằng phương pháp máy học với nhiều nguồn dữ liệu
- Phát triển hệ thống quản lý cấp phát thuốc cho bệnh nhân dựa trên các mô hình Vision Transformer và Federated Learning
- Phát triển ứng dụng học tập E-codemy
- Xây dựng ứng dụng tra cứu thông tin vi phạm giao thông dựa trên các loại mô hình máy học.
- Hệ thống quản lý IoT với khả năng dự đoán lượng mưa dựa trên AI
