Bảo vệ Khoá luận tốt nghiệp đợt 1 năm 2026 tại Khoa Mạng máy tính và Truyền thông với 86 đề tài do 147 sinh viên thực hiện sẽ diễn ra vào ngày 22 và 23 tháng 01 năm 2026. Đợt bảo vệ có sự góp mặt của sinh viên các chương trình chuẩn, chương trình tài năng và chương trình chất lượng cao của ngành “An toàn thông tin” và ngành “Mạng máy tính và Truyền thông dữ liệu”

kltn 2026.1

Các Hội đồng chấm Khoá luận tốt nghiệp được tổ chức tại các Phòng E10.1, E2.3, E2.4, E3.2, E3.3, E3.4, E4.1, E4.3, E4.4 thuộc Toà nhà E, Trường Đại học Công nghệ Thông tin – ĐHQG-HCM (Khu phố 34, phường Linh Xuân, Tp.HCM). Buổi sáng ngày 22/01 có 31 đề tài, buổi chiều ngày 21/01 có 24 đề tài, buổi sáng ngày 23/01 có 31 đề tài.

E10.1SynapseSe — Giải pháp đa chuỗi tăng cường khả năng mở rộng, tương tác và truy xuất nguồn gốc minh bạch trong quản lý chuỗi cung ứng
E10.1Hệ thống phân phối video theo yêu cầu dựa trên mạng P2P và WebRTC
E10.1Phát triển chatbot hỗ trợ sức khỏe tinh thần cho học sinh, sinh viên bằng cách sử dụng kỹ thuật RAG và nguyên lý LLMOps
E10.1Xây dựng hệ thống Microservice tự thích ứng trên Kubernetes: tối ưu lập lịch bằng Học tăng cường và điều phối nghiệp vụ bằng Mô hình ngôn ngữ lớn
E2.3Xây dựng hệ thống nhận diện bài hát dựa trên học sâu
E2.3Phát triển hệ thống MLOps thích ứng với autoscaling chủ động dựa trên AI cho microservices Java trên Kubernetes
E2.3Hệ thống giám sát và dự báo chất lượng không khí thích ứng theo thời gian, ứng dụng IoT và học sâu liên tục
E2.3Phát triển hệ thống đặt sân thể thao theo kiến trúc microservices trên Kubernetes với autoscaling ứng dụng AI
E2.4Xây dựng hệ thống phát hiện gian lận trong lĩnh vực tài chính dựa trên MLSecOps
E2.4Hệ thống giám sát bãi đỗ xe thông minh dựa trên học sâu và MLOps
E2.4Giải pháp quản lý tiêu thụ năng lượng trong nhà thông minh dựa trên công nghệ digital twin
E2.4Cách tiếp cận dựa trên học sâu để chẩn đoán bệnh võng mạc mắt sử dụng ảnh chụp OCT
E3.2Ứng dụng MLOps để triển khai hệ thống giám sát và phát hiện tấn công DDoS theo thời gian thực kết hợp học tăng dần trên môi trường điện toán đám mây
E3.2Dự đoán nguy cơ bệnh tim mạch bằng học sâu kết hợp mô hình ngôn ngữ lớn trên tín hiệu ECG
E3.2Hệ thống phát hiện và ngăn chặn xâm nhập dựa trên học liên kết trong mạng điều khiển bằng phần mềm
E3.3Hệ thống phân loại mã độc Android theo họ và loại ứng dụng đa mô hình học sâu và mạng sinh đối kháng.
E3.3Phương pháp mạng nơ-ron đồ thị đa phương thức trong việc phát hiện mã độc Android bền vững và hiệu quả
E3.3Khung đa tác tử tự động hóa kiểm thử xâm nhập web với ưu tiên payload, giải thích và báo cáo bằng chứng
E3.4ChainGuardEx:Công cụ phát hiện lỗ hổng đa nhãn trên hợp đồng thông minh kết hợp biểu diễn đồ thị.
E3.4Quy trình DevSecOps áp dụng Zero Trust và học máy để bảo đảm an toàn trong triển khai.
E3.4Hệ sinh thái SOC Thông minh cho Giám sát, Phát hiện và Ứng phó Tấn công Mạng
E4.1Phát hiện bệnh lá cây sử dụng phương pháp thích ứng miền thông qua học bán giám sát
E4.1Phát triển Digital Twin nhằm cá nhân hóa và giám sát việc học của sinh viên Việt Nam
E4.1Nghiên cứu và phát triển hệ thống nhận dạng phương tiện giao thông dựa trên mô hình học sâu
E4.1Xây dựng bộ khung sinh mã tự động để triển khai và cấu hình hạ tầng cho nhiều nền tảng đám mây
E4.3Ứng dụng trí tuệ nhân tạo và tích hợp với thông tin tình báo của mối đe dọa trong quá trình săn lùng các mối đe doạ chưa biết
E4.3Ứng dụng trí tuệ nhân tạo nhằm nâng cao khả năng tự động phát hiện và ứng phó các cuộc tấn công mạng và tích hợp Blockchain để đảm bảo toàn vẹn nhật ký.
E4.3Xây dựng hệ thống phát hiện dữ liệu nhạy cảm và tích hợp mô hình học máy để phân loại dữ liệu nhạy cảm trên kho lưu trữ đám mây và vật lý cục bộ
E4.4Honeypot-AIoV: Hệ thống phòng thủ linh hoạt sử dụng Honeypot và học tăng cường trong mạng xe hơi ứng dụng kiến trúc SDN.
E4.4Hệ thống phát hiện xâm nhập dựa trên học tiệm tiến với mô hình học sâu kết hợp giám sát và không giám sát
E4.4Nghiên cứu khả năng phát hiện lỗ hổng phần mềm của các mô hình ngôn ngữ lớn dựa trên học khả diễn giải

E10.1Ứng dụng học máy và đồ thị tấn công để tương quan cảnh báo và dự đoán bước tiếp theo trong tấn công mạng
E10.1Bộ khung đa tác tử kết hợp phân tích tĩnh và động trong phát hiện lỗ hổng bảo mật
E10.1Phát hiện mã độc Android chưa biết dựa trên đặc trưng tĩnh đa hướng bằng mạng nơ-ron sâu
E2.4Học đồ thị liên kết có khả năng mở rộng và bảo vệ quyền riêng tư để phát hiện lỗ hổng hợp đồng thông minh trên các hệ thống song song
E2.4Hệ thống EDR thông minh tích hợp Học tăng cường và Mô hình ngôn ngữ lớn cho phát hiện APT
E2.4Nghiên cứu và triển khai nền tảng rà soát và quản lý tập trung lỗ hổng và tích hợp AI để tự động chuẩn hóa các báo cáo lỗ hổng và khuyến nghị cách khắc phục
E3.2Fuzzing hợp đồng thông minh theo trạng thái được dẫn hướng bởi LLM với phản hồi đa tầng và oracle động
E3.2Ứng dụng Tác tử LLM cho khai thác lỗ hổng tự động
E3.2Phát hiện mã độc PowerShell bằng mạng nơ-ron và kỹ thuật giải rối mã
E3.3Phương pháp phát hiện các gói npm độc hại dựa trên học máy
E3.3Bộ khung kháng tấn công trốn tránh cho trình phát hiện mã độc Android sử dụng chiến lược phòng thủ di chuyển mục tiêu.
E3.3Nghiên cứu và xây dựng tường lửa thế hệ mới tích hợp Threat Intelligence để tăng cường khả năng phát hiện và phòng chống các mối đe dọa
E3.4Xây dựng giải pháp tự động hóa cấu hình bảo mật cho hệ thống Kubernetes
E3.4Nghiên cứu các lỗ hỏng bảo mật trong hệ thống UAV trong môi trường mô phỏng
E3.4Nghiên cứu tích hợp Deep Learning vào quy trình CI/CD để tự động phát hiện lỗ hổng bảo mật trong mã nguồn C/C++.
E4.1Tăng cường khả năng chống chịu của hệ thống phát hiện mã độc Android trong môi trường đối kháng
E4.1Xây dựng bộ khung AI tự động kiểm thử xâm nhập lỗ hổng web dựa trên mô hình ngôn ngữ lớn
E4.1Bộ khung đa tác tử cho thu thập thông tin tình báo mối đe dọa và trích xuất TTP cho phòng thủ SIEM thích ứng
E4.3Phát hiện tấn công APT thông qua phân tích đồ thị nguồn gốc và tri thức mối đe dọa dựa trên TTP
E4.3Phát hiện tấn công APT bằng học đồ thị dị thể dựa trên meta-path
E4.3Nghiên cứu về 1 cách tiếp cận phát hiện sớm các commit chứa script độc hại trong npm
E4.4Đánh giá uy tín các bên liên quan có hỗ trợ phát hiện nhận xét không trung thực cho nền tảng thương mại số sử dụng mạng chuỗi khối và học sâu
E4.4Cơ chế phòng thủ trước tấn công đối kháng nhắm vào hệ thống phát hiện xâm nhập dựa trên chiến lược phòng thủ di chuyển mục tiêu và học tăng cường
E4.4Phương pháp phát sinh mã độc trốn tránh chống lại trình phát hiện mã độc tĩnh và động

E10.1Phát hiện Webshell PHP bằng phương pháp kết hợp phân tích luồng dữ liệu và biểu diễn mã nguồn bằng mô hình ngôn ngữ
E10.1Nâng cao khả năng chống chịu của hệ thống phát hiện xâm nhập mạng dựa trên học sâu trong IoT trước tấn công Bit-Flip.
E10.1Phát triển hệ thống giám sát cho hạ tầng Internet of Things sử dụng học máy và điện toán biên
E10.1Hệ thống quản lý năng lượng hộ gia đình dựa trên mô hình lai học tăng cường và thuật toán tối ưu cá voi beluga dẫn đầu
E2.3Hệ thống mô hình ngôn ngữ lớn đa tác tử tăng cường tri thức cho phát hiện mã độc trong điều tra bộ nhớ
E2.3Bộ khung chuyển hướng tấn công thích ứng cho phòng thủ di chuyển mục tiêu
E2.3Phương pháp phát hiện xâm nhập thời gian thực dựa mạng thần kinh đồ thị
E2.4Hệ thống đa tác tử tự động kiểm thử thâm nhập với LLM và cơ chế xác thực phản chiếu và tương tác tăng cường tri thức
E2.4Phát hiện và giải thích tấn công APT với phân tích đồ thị nguồn gốc và mô hình ngôn ngữ lớn
E2.4Hệ thống đa tác tử tự động phát hiện lỗ hổng hợp đồng thông minh liên tục và sinh mã khai thác minh chứng
E3.2Khung học tăng cường đối kháng thích ứng cho né tránh phát hiện mã độc trong môi trường hộp đen
E3.2Thuật toán tối ưu hoá trình kích hoạt backdoor chống lại mô hình phát hiện xâm nhập mạng
E3.2Bộ khung đa tác tử tự động kiểm thử thâm nhập cho phát hiện và xác thực khai thác lỗ hổng đa môi trường
E3.2Nâng cao khả năng phát hiện mã độc trước kỹ thuật né tránh bằng phân tích hành vi lời gọi API
E3.3Nghiên cứu ứng dụng học sâu để nhận diện cấu hình sai trong triển khai điện toán đám mây bằng IaC
E3.3Chiến lược phân bổ honeypot thông minh sử dụng học tăng cường và học tiệm tiến trong môi trường SDN
E3.3Tăng cường Khả năng Chống chịu của Học Liên kết trước Tấn công Dropout thông qua Cơ chế Phát hiện và Gỡ bỏ
E3.4UniFuzz: Fuzzing hợp đồng thông minh theo ngữ nghĩa và có khả năng giải thích với LLM và kiến trúc đa tác tử
E3.4Kiến trúc đa tác nhân trong phát hiện lỗ hổng hợp đồng thông minh kết hợp với biểu diễn đa thể thức và tăng cường truy xuất dữ liệu
E3.4Phát sinh và kiểm chứng PoC tự động với mô hình đa tác tử kết hợp học chính sách thích ứng
E3.4Tăng cường phát hiện mối đe dọa và phản ứng sự cố trong Trung tâm vận hành an ninh (SOC) bằng các mô hình ngôn ngữ lớn
E4.1Kiểm thử tính bền vững của tường lửa ứng dụng web dựa trên học tăng cường và mô hình ngôn ngữ tiền huấn luyện
E4.1Phát hiện lỗ hổng hợp đồng thông minh bằng đồ thị dị thể kết hợp RAG và mô hình ngôn ngữ có khả năng giải thích
E4.1Chia sẻ thông tin y tế an toàn theo hướng riêng tư với ứng dụng nội tại trên thiết bị và PSI cho phát hiện tương đồng
E4.1Phát hiện mã độc tống tiền dựa trên hợp nhất đa thể thức với khả năng giải thích và bền vững dưới điều kiện tấn công đối kháng và biến động khái niệm
E4.3Hệ Thống Phân Tích Bảo Mật Tự Động Tích Hợp Vào Quy Trình CI/CD
E4.3Nghiên cứu, triển khai hệ thống DevSecOps và ứng dụng AI để tự động triển khai, quản lý chi phí và phát hiện lỗ hỏng bảo mật cấu hình trên môi trường Cloud
E4.3Xây dựng hệ thống phát hiện, phân tích tấn công mạng nâng cao và tích hợp học máy để tăng cường khả năng phát hiện tấn công theo ngữ cảnh
E4.4CoVulPecker: Bộ khung đa tác tử tự thích ứng, bền vững và có giải thích cho phát hiện lỗ hổng mã nguồn
E4.4Bộ khung đa phương thức phát hiện tấn công lừa đảo trong môi trường tổng hợp Web2-Web3
E4.4Xây dựng hệ thống Threat Intelligence ứng dụng AI/ML để tăng cường phát hiện tấn công

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. Thông tin về quý thầy cô thành viên hội đồng sẽ hiển thị trên website trước khi hội đồng diễn ra 60 phút. Ngoài ra, sinh viên xem thêm Kế hoạch tổ chức bảo vệ Khóa luận tốt nghiệp HK1 năm học 2025-2026 để nắm bắt các thông tin cần thiết và quy trình thực hiện.

Sinh viên quan tâm có thể dự thính buổi báo cáo để có thêm định hướng thực hiện Khóa luận tốt nghiệp, học hỏi kinh nghiệm từ các anh/chị đi trước. Tuy nhiên cần đảm bảo không làm ảnh hưởng đến buổi bảo vệ:

  • Giữ trật tự, ổn định, tránh làm ảnh hưởng hoặc cản trở đến quá trình báo cáo và làm việc của Hội đồng;
  • Trang phục phù hợp với tính chất của buổi bảo vệ khóa luận;
  • Nếu phòng quá đông người, vui lòng tham dự ở những phòng khác.

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

  1. Bộ khung chuyển hướng tấn công thích ứng cho phòng thủ di chuyển mục tiêu
  2. Bộ khung đa phương thức phát hiện tấn công lừa đảo trong môi trường tổng hợp Web2-Web3
  3. Bộ khung đa tác tử cho thu thập thông tin tình báo mối đe dọa và trích xuất TTP cho phòng thủ SIEM thích ứng
  4. Bộ khung đa tác tử kết hợp phân tích tĩnh và động trong phát hiện lỗ hổng bảo mật
  5. Bộ khung đa tác tử tự động kiểm thử thâm nhập cho phát hiện và xác thực khai thác lỗ hổng đa môi trường
  6. Bộ khung kháng tấn công trốn tránh cho trình phát hiện mã độc Android sử dụng chiến lược phòng thủ di chuyển mục tiêu.
  7. ChainGuardEx:Công cụ phát hiện lỗ hổng đa nhãn trên hợp đồng thông minh kết hợp biểu diễn đồ thị.
  8. Chia sẻ thông tin y tế an toàn theo hướng riêng tư với ứng dụng nội tại trên thiết bị và PSI cho phát hiện tương đồng
  9. Chiến lược phân bổ honeypot thông minh sử dụng học tăng cường và học tiệm tiến trong môi trường SDN
  10. Cơ chế phòng thủ trước tấn công đối kháng nhắm vào hệ thống phát hiện xâm nhập dựa trên chiến lược phòng thủ di chuyển mục tiêu và học tăng cường
  11. CoVulPecker: Bộ khung đa tác tử tự thích ứng, bền vững và có giải thích cho phát hiện lỗ hổng mã nguồn
  12. Đánh giá uy tín các bên liên quan có hỗ trợ phát hiện nhận xét không trung thực cho nền tảng thương mại số sử dụng mạng chuỗi khối và học sâu
  13. Fuzzing hợp đồng thông minh theo trạng thái được dẫn hướng bởi LLM với phản hồi đa tầng và oracle động
  14. Hệ sinh thái SOC Thông minh cho Giám sát, Phát hiện và Ứng phó Tấn công Mạng
  15. Hệ thống đa tác tử tự động kiểm thử thâm nhập với LLM và cơ chế xác thực phản chiếu và tương tác tăng cường tri thức
  16. Hệ thống đa tác tử tự động phát hiện lỗ hổng hợp đồng thông minh liên tục và sinh mã khai thác minh chứng
  17. Hệ thống EDR thông minh tích hợp Học tăng cường và Mô hình ngôn ngữ lớn cho phát hiện APT
  18. Hệ thống mô hình ngôn ngữ lớn đa tác tử tăng cường tri thức cho phát hiện mã độc trong điều tra bộ nhớ
  19. Hệ thống phân loại mã độc Android theo họ và loại ứng dụng đa mô hình học sâu và mạng sinh đối kháng.
  20. Hệ Thống Phân Tích Bảo Mật Tự Động Tích Hợp Vào Quy Trình CI/CD
  21. Hệ thống phát hiện xâm nhập dựa trên học tiệm tiến với mô hình học sâu kết hợp giám sát và không giám sát
  22. Học đồ thị liên kết có khả năng mở rộng và bảo vệ quyền riêng tư để phát hiện lỗ hổng hợp đồng thông minh trên các hệ thống song song
  23. Honeypot-AIoV: Hệ thống phòng thủ linh hoạt sử dụng Honeypot và học tăng cường trong mạng xe hơi ứng dụng kiến trúc SDN.
  24. Khung đa tác tử tự động hóa kiểm thử xâm nhập web với ưu tiên payload, giải thích và báo cáo bằng chứng
  25. Khung học tăng cường đối kháng thích ứng cho né tránh phát hiện mã độc trong môi trường hộp đen
  26. Kiểm thử tính bền vững của tường lửa ứng dụng web dựa trên học tăng cường và mô hình ngôn ngữ tiền huấn luyện
  27. Kiến trúc đa tác nhân trong phát hiện lỗ hổng hợp đồng thông minh kết hợp với biểu diễn đa thể thức và tăng cường truy xuất dữ liệu
  28. Nâng cao khả năng phát hiện mã độc trước kỹ thuật né tránh bằng phân tích hành vi lời gọi API
  29. Nghiên cứu các lỗ hỏng bảo mật trong hệ thống UAV trong môi trường mô phỏng
  30. Nghiên cứu khả năng phát hiện lỗ hổng phần mềm của các mô hình ngôn ngữ lớn dựa trên học khả diễn giải
  31. Nghiên cứu tích hợp Deep Learning vào quy trình CI/CD để tự động phát hiện lỗ hổng bảo mật trong mã nguồn C/C++
  32. Nghiên cứu ứng dụng học sâu để nhận diện cấu hình sai trong triển khai điện toán đám mây bằng IaC
  33. Nghiên cứu và triển khai nền tảng rà soát và quản lý tập trung lỗ hổng và tích hợp AI để tự động chuẩn hóa các báo cáo lỗ hổng và khuyến nghị cách khắc phục
  34. Nghiên cứu và xây dựng tường lửa thế hệ mới tích hợp Threat Intelligence để tăng cường khả năng phát hiện và phòng chống các mối đe dọa
  35. Nghiên cứu về 1 cách tiếp cận phát hiện sớm các commit chứa script độc hại trong npm
  36. Nghiên cứu, triển khai hệ thống DevSecOps và ứng dụng AI để tự động triển khai, quản lý chi phí và phát hiện lỗ hỏng bảo mật cấu hình trên môi trường Cloud
  37. Phát hiện lỗ hổng hợp đồng thông minh bằng đồ thị dị thể kết hợp RAG và mô hình ngôn ngữ có khả năng giải thích
  38. Phát hiện mã độc Android chưa biết dựa trên đặc trưng tĩnh đa hướng bằng mạng nơ-ron sâu
  39. Phát hiện mã độc PowerShell bằng mạng nơ-ron và kỹ thuật giải rối mã
  40. Phát hiện mã độc tống tiền dựa trên hợp nhất đa thể thức với khả năng giải thích và bền vững dưới điều kiện tấn công đối kháng và biến động khái niệm
  41. Phát hiện tấn công APT bằng học đồ thị dị thể dựa trên meta-path
  42. Phát hiện tấn công APT thông qua phân tích đồ thị nguồn gốc và tri thức mối đe dọa dựa trên TTP
  43. Phát hiện và giải thích tấn công APT với phân tích đồ thị nguồn gốc và mô hình ngôn ngữ lớn
  44. Phát sinh và kiểm chứng PoC tự động với mô hình đa tác tử kết hợp học chính sách thích ứng
  45. Phương pháp mạng nơ-ron đồ thị đa phương thức trong việc phát hiện mã độc Android bền vững và hiệu quả
  46. Phương pháp phát hiện các gói npm độc hại dựa trên học máy
  47. Phương pháp phát hiện xâm nhập thời gian thực dựa mạng thần kinh đồ thị
  48. Phương pháp phát sinh mã độc trốn tránh chống lại trình phát hiện mã độc tĩnh và động
  49. Quy trình DevSecOps áp dụng Zero Trust và học máy để bảo đảm an toàn trong triển khai.
  50. Tăng cường khả năng chống chịu của hệ thống phát hiện mã độc Android trong môi trường đối kháng
  51. Tăng cường Khả năng Chống chịu của Học Liên kết trước Tấn công Dropout thông qua Cơ chế Phát hiện và Gỡ bỏ
  52. Tăng cường phát hiện mối đe dọa và phản ứng sự cố trong Trung tâm vận hành an ninh (SOC) bằng các mô hình ngôn ngữ lớn
  53. Thuật toán tối ưu hoá trình kích hoạt backdoor chống lại mô hình phát hiện xâm nhập mạng
  54. Ứng dụng học máy và đồ thị tấn công để tương quan cảnh báo và dự đoán bước tiếp theo trong tấn công mạng
  55. Ứng dụng Tác tử LLM cho khai thác lỗ hổng tự động
  56. Ứng dụng trí tuệ nhân tạo nhằm nâng cao khả năng tự động phát hiện và ứng phó các cuộc tấn công mạng và tích hợp Blockchain để đảm bảo toàn vẹn nhật ký
  57. Ứng dụng trí tuệ nhân tạo và tích hợp với thông tin tình báo của mối đe dọa trong quá trình săn lùng các mối đe doạ chưa biết
  58. UniFuzz: Fuzzing hợp đồng thông minh theo ngữ nghĩa và có khả năng giải thích với LLM và kiến trúc đa tác tử
  59. Xây dựng bộ khung AI tự động kiểm thử xâm nhập lỗ hổng web dựa trên mô hình ngôn ngữ lớn
  60. Xây dựng giải pháp tự động hóa cấu hình bảo mật cho hệ thống Kubernetes
  61. Xây dựng hệ thống phát hiện dữ liệu nhạy cảm và tích hợp mô hình học máy để phân loại dữ liệu nhạy cảm trên kho lưu trữ đám mây và vật lý cục bộ
  62. Xây dựng hệ thống phát hiện, phân tích tấn công mạng nâng cao và tích hợp học máy để tăng cường khả năng phát hiện tấn công theo ngữ cảnh
  63. Xây dựng hệ thống Threat Intelligence ứng dụng AI/ML để tăng cường phát hiện tấn công

Ngành Mạng máy tính và Truyền thông dữ liệu

  1. Cách tiếp cận dựa trên học sâu để chẩn đoán bệnh võng mạc mắt sử dụng ảnh chụp OCT
  2. Dự đoán nguy cơ bệnh tim mạch bằng học sâu kết hợp mô hình ngôn ngữ lớn trên tín hiệu ECG
  3. Giải pháp quản lý tiêu thụ năng lượng trong nhà thông minh dựa trên công nghệ digital twin
  4. Hệ thống giám sát bãi đỗ xe thông minh dựa trên học sâu và MLOps
  5. Hệ thống giám sát và dự báo chất lượng không khí thích ứng theo thời gian, ứng dụng IoT và học sâu liên tục
  6. Hệ thống phân phối video theo yêu cầu dựa trên mạng P2P và WebRTC
  7. Hệ thống phát hiện và ngăn chặn xâm nhập dựa trên học liên kết trong mạng điều khiển bằng phần mềm
  8. Hệ thống quản lý năng lượng hộ gia đình dựa trên mô hình lai học tăng cường và thuật toán tối ưu cá voi beluga dẫn đầu
  9. Nâng cao khả năng chống chịu của hệ thống phát hiện xâm nhập mạng dựa trên học sâu trong IoT trước tấn công Bit-Flip
  10. Nghiên cứu và phát triển hệ thống nhận dạng phương tiện giao thông dựa trên mô hình học sâu
  11. Phát hiện bệnh lá cây sử dụng phương pháp thích ứng miền thông qua học bán giám sát
  12. Phát hiện Webshell PHP bằng phương pháp kết hợp phân tích luồng dữ liệu và biểu diễn mã nguồn bằng mô hình ngôn ngữ
  13. Phát triển chatbot hỗ trợ sức khỏe tinh thần cho học sinh, sinh viên bằng cách sử dụng kỹ thuật RAG và nguyên lý LLMOps
  14. Phát triển Digital Twin nhằm cá nhân hóa và giám sát việc học của sinh viên Việt Nam
  15. Phát triển hệ thống đặt sân thể thao theo kiến trúc microservices trên Kubernetes với autoscaling ứng dụng AI
  16. Phát triển hệ thống giám sát cho hạ tầng Internet of Things sử dụng học máy và điện toán biên
  17. Phát triển hệ thống MLOps thích ứng với autoscaling chủ động dựa trên AI cho microservices Java trên Kubernetes
  18. SynapseSe — Giải pháp đa chuỗi tăng cường khả năng mở rộng, tương tác và truy xuất nguồn gốc minh bạch trong quản lý chuỗi cung ứng
  19. Ứng dụng MLOps để triển khai hệ thống giám sát và phát hiện tấn công DDoS theo thời gian thực kết hợp học tăng dần trên môi trường điện toán đám mây
  20. Xây dựng bộ khung sinh mã tự động để triển khai và cấu hình hạ tầng cho nhiều nền tảng đám mây
  21. Xây dựng hệ thống nhận diện bài hát dựa trên học sâu
  22. Xây dựng hệ thống Microservice tự thích ứng trên Kubernetes: tối ưu lập lịch bằng Học tăng cường và điều phối nghiệp vụ bằng Mô hình ngôn ngữ lớn
  23. Xây dựng hệ thống phát hiện gian lận trong lĩnh vực tài chính dựa trên MLSecOps

BÀI VIẾT LIÊN QUANCÙNG TÁC GIẢ