ISTLab.PTIT Information Security Technology Laboratory

06/09/2026

📢 𝐑𝐄𝐂𝐀𝐏 𝐁𝐔Ổ𝐈 𝐒𝐄𝐌𝐈𝐍𝐀𝐑 𝐕Ề 𝐍𝐇Ậ𝐍 𝐃Ạ𝐍𝐆 𝐌Ố𝐍𝐆 𝐌Ắ𝐓 𝐍𝐇Ẹ (𝐋𝐈𝐆𝐇𝐓𝐖𝐄𝐈𝐆𝐇𝐓 𝐈𝐑𝐈𝐒 𝐑𝐄𝐂𝐎𝐆𝐍𝐈𝐓𝐈𝐎𝐍)

🗓️ Chủ nhật tuần này IST Lab đã tổ chức buổi seminar trao đổi về hướng nghiên cứu Lightweight Iris Recognition (nhận dạng mống mắt nhẹ), tập trung vào việc nâng cao chất lượng biểu diễn đặc trưng, độ ổn định và hiệu quả của hệ thống nhận dạng.

📌 𝐍ộ𝐢 𝐝𝐮𝐧𝐠 𝐜𝐡í𝐧𝐡

Nghiên cứu hướng đến việc cải thiện quy trình nhận dạng mống mắt từ đánh giá chất lượng phân đoạn, học biểu diễn đặc trưng đến tối ưu quá trình huấn luyện, đồng thời duy trì kiến trúc gọn nhẹ để phù hợp với các môi trường có tài nguyên tính toán giới hạn.

🚀 𝐓𝐫𝐚𝐨 đổ𝐢 𝐯à đị𝐧𝐡 𝐡ướ𝐧𝐠

Buổi seminar tập trung thảo luận về tính mới của phương pháp, khả năng tổng quát hóa, chất lượng dữ liệu đầu vào và sự cân bằng giữa độ chính xác với chi phí tính toán. Các nội dung kỹ thuật chi tiết được giữ ở mức tổng quan nhằm bảo mật ý tưởng trước khi nghiên cứu được công bố chính thức.

🏆 𝐓ổ𝐧𝐠 𝐤ế𝐭

Thông qua buổi trao đổi, nhóm đã xác định thêm những vấn đề cần tiếp tục hoàn thiện và kiểm chứng thực nghiệm, hướng tới xây dựng giải pháp Iris Recognition (nhận dạng mống mắt) hiệu quả, ổn định và có khả năng ứng dụng thực tế.

📞 𝐋𝐢ê𝐧 𝐡ệ
𝐈𝐒𝐓 𝐋𝐚𝐛 - 𝐏𝐓𝐈𝐓 𝐈𝐧𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐒𝐞𝐜𝐮𝐫𝐢𝐭𝐲 𝐓𝐞𝐜𝐡𝐧𝐨𝐥𝐨𝐠𝐲 𝐋𝐚𝐛𝐨𝐫𝐚𝐭𝐨𝐫𝐲
SĐT: +84 90 989 9791
Email: [email protected]

29/08/2026

📢 [Hỗ trợ truyền thông]

🔐 KHOA CÔNG NGHỆ THÔNG TIN 2 PHÁT ĐỘNG SINH VIÊN THAM GIA CUỘC THI SINH VIÊN AN NINH MẠNG 2026

📞 𝐋𝐢ê𝐧 𝐡ệ
𝐈𝐒𝐓 𝐋𝐚𝐛 - 𝐏𝐓𝐈𝐓 𝐈𝐧𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐒𝐞𝐜𝐮𝐫𝐢𝐭𝐲 𝐓𝐞𝐜𝐡𝐧𝐨𝐥𝐨𝐠𝐲 𝐋𝐚𝐛𝐨𝐫𝐚𝐭𝐨𝐫𝐲
SĐT: +84 90 989 9791
Email: [email protected]

🔐 KHOA CÔNG NGHỆ THÔNG TIN 2 PHÁT ĐỘNG SINH VIÊN THAM GIA CUỘC THI SINH VIÊN AN NINH MẠNG 2026

🔥 Bạn yêu thích An toàn thông tin, An ninh mạng và CTF? Hãy tập hợp đồng đội và thử sức tại một trong những sân chơi an ninh mạng dành cho sinh viên năm 2026!

Khoa Công nghệ Thông tin 2 – Học viện Công nghệ Bưu chính Viễn thông cơ sở tại TP.HCM phát động sinh viên tham gia Cuộc thi Sinh viên An ninh mạng 2026 (Cybersecurity Student Contest Vietnam 2026 – CSCV 2026), do Hiệp hội An ninh mạng quốc gia (NCA) chủ trì, phối hợp cùng các đơn vị liên quan tổ chức.

💻 NỘI DUNG VÀ HÌNH THỨC THI

🔸 Vòng Sơ khảo – dự kiến 25/9/2026
• Thi thực hành trực tuyến theo mô hình Jeopardy trong 08 giờ
• Mỗi đội tối đa 04 thành viên, không giới hạn số đội của mỗi trường
• Nội dung: Pwnable, Reverse Engineering, Web, Crypto/ACM, Forensic và AI/IoT

🔸 Vòng Chung khảo – dự kiến 16/10/2026
Gồm 02 bảng:
⚔️ Bảng A – Attack & Defense: thi tấn công – phòng thủ trực tiếp
🚩 Bảng B – Jeopardy: Web, Pwnable, Reverse, Crypto, Forensic và AI/IoT

Mỗi trường có 01 đội tham dự Vòng Chung khảo tại Bảng A hoặc Bảng B, được lựa chọn dựa trên kết quả Vòng Sơ khảo.

🏆 GIẢI THƯỞNG

🥇 Bảng A – Attack & Defense
• Giải Nhất: 50 triệu đồng
• Giải Nhì: 20 triệu đồng/giải
• Giải Ba: 10 triệu đồng/giải
• Khuyến khích: 5 triệu đồng/giải

🏅 Bảng B – Jeopardy
• Giải Nhất: 7 triệu đồng
• Giải Nhì: 5 triệu đồng/giải
• Giải Ba: 3 triệu đồng/giải
• Khuyến khích: 2 triệu đồng/giải

🌏 Đặc biệt, kết quả của các đội Việt Nam tại Bảng A là cơ sở để Hiệp hội NCA đề cử đại diện Việt Nam tham dự các sân chơi an ninh mạng khu vực và quốc tế như Cyber Sea Game, ASEAN Cyber Shield.

📣 CNTT2 – CÙNG NHAU CHINH PHỤC THỬ THÁCH!

⏰ Hạn đăng ký: 16/9/2026
👥 Mỗi đội: Tối đa 04 thành viên
🔗 Đăng ký:
https://forms.gle/2apwzfeqk3jn9N917

📄 Quy chế và thông tin cuộc thi:
https://drive.google.com/drive/folders/1cgxcyuTFpZQTfthuchCnD3Jkw95WZAXH?usp=sharing

🚀 Hãy tìm đồng đội – thành lập đội – đăng ký và cùng Khoa Công nghệ Thông tin 2 chinh phục CSCV 2026!


______________________
THÔNG TIN LIÊN HỆ: KHOA CNTT 2 – PTIT HCM
📞Hotline: +84 909 899 791
🌐Website: fit.ptithcm.edu.vn
📍Địa chỉ:
🔸Cơ sở 1: 97 Man Thiện, P. Tăng Nhơn Phú, TP. HCM
🔸Cơ sở 2: 11 Nguyễn Đình Chiểu, P. Sài Gòn, TP. HCM

28/08/2026

🚩 HCM PTIT CTF 2026 – SẴN SÀNG CHINH PHỤC THỬ THÁCH AN TOÀN THÔNG TIN!

🔥 Bạn đam mê An toàn thông tin? Bạn muốn thử sức với những bài toán thực tế, cùng đồng đội “săn Flag” và chinh phục những thử thách hấp dẫn?

Khoa Công nghệ Thông tin 2 – Học viện Công nghệ Bưu chính Viễn thông cơ sở tại TP.HCM chính thức tổ chức cuộc thi HCM PTIT CTF 2026 dành cho sinh viên đang theo học tại Học viện.

💻 HCM PTIT CTF 2026 được tổ chức theo mô hình Capture The Flag (CTF) Jeopardy. Các đội sẽ trực tiếp giải quyết các thử thách trên máy tính, tìm kiếm và khai thác các “flag” để ghi điểm.

Cuộc thi gồm 05 mảng thử thách:
🔐 Crypto/ACM – Mật mã học và các bài toán liên quan
🔎 Network/Forensic – Điều tra, phân tích và truy vết số
💻 Pwnable – Phân tích và khai thác lỗ hổng hệ thống
⚙️ Reverse Engineering – Dịch ngược và phân tích chương trình
🌐 Web Application – Phân tích và khai thác lỗ hổng ứng dụng web

📌 THÔNG TIN CUỘC THI
⏰ Thời gian: 08:00 – 16:30, Chủ nhật, ngày 11/10/2026
📍 Khai mạc: Phòng 2A08
💻 Phòng thi: 2B11 và 2B13
🏫 Địa điểm: Học viện Công nghệ Bưu chính Viễn thông cơ sở tại TP.HCM, 97 Man Thiện, phường Tăng Nhơn Phú, TP.HCM
👥 Đối tượng: Sinh viên đang theo học tại Học viện
🤝 Hình thức: Thi theo đội, 04 thành viên/đội

🏆 CƠ CẤU GIẢI THƯỞNG
🥇 01 Giải Nhất
🥈 01 Giải Nhì
🥉 01 Giải Ba
🎖️ 03 Giải Khuyến khích

📣 ĐĂNG KÝ THAM GIA NGAY!
⏳ Hạn đăng ký: Hết ngày Thứ Sáu, 04/09/2026
🔗 Link đăng ký:
https://forms.gle/ribUM6uD9TaesVKP7

🌐 Thông tin chi tiết:
https://fit.ptithcm.edu.vn/.../cuoc-thi-hcm-ptit-ctf-2026...

🚀 HCM PTIT CTF 2026 là cơ hội để các bạn kiểm chứng năng lực thực tế, rèn luyện tư duy giải quyết vấn đề, kỹ năng làm việc nhóm và giao lưu với những người có cùng niềm đam mê An toàn thông tin.

🔥 Tập hợp đồng đội – Đăng ký ngay – Săn Flag – Chinh phục HCM PTIT CTF 2026!


📞 𝐋𝐢ê𝐧 𝐡ệ
𝐈𝐒𝐓 𝐋𝐚𝐛 - 𝐏𝐓𝐈𝐓 𝐈𝐧𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐒𝐞𝐜𝐮𝐫𝐢𝐭𝐲 𝐓𝐞𝐜𝐡𝐧𝐨𝐥𝐨𝐠𝐲 𝐋𝐚𝐛𝐨𝐫𝐚𝐭𝐨𝐫𝐲
SĐT: +84 90 989 9791
Email: [email protected]

Cuộc thi HCM PTIT CTF năm 2026 được tổ chức tập trung tại cơ sở phường Tăng Nhơn Phú TP. HCM trong thời gian 7 tiếng với hình thức "Tranh cờ" (Capture the Flag – CTF) theo mô hình Jeopardy – Vượt qua các thử thách. Sinh viên đăng ký vui lòng đi.....

09/08/2026

👁️ 𝐍𝐇Ậ𝐍 𝐃Ạ𝐍𝐆 𝐌Ố𝐍𝐆 𝐌Ắ𝐓 𝐊Ế𝐓 𝐇Ợ𝐏 𝐂𝐇𝐔Ẩ𝐍 𝐇Ó𝐀 𝐃𝐀𝐔𝐆𝐌𝐀𝐍 𝐕À 𝐊𝐈Ế𝐍 𝐓𝐑Ú𝐂 𝐌𝐀𝐌𝐁𝐀

Cuối tuần này, nhóm nghiên cứu IST Lab đã cùng tìm hiểu một hướng tiếp cận kết hợp Daugman Normalization (chuẩn hóa Daugman) và Mamba Architecture (kiến trúc Mamba) trong bài toán nhận dạng mống mắt.

🔍 Trong phương pháp Daugman truyền thống, vùng mống mắt sau khi được xác định sẽ được chuyển từ dạng vành khăn sang biểu diễn cực (r,θ) thông qua Rubber Sheet Model (mô hình tấm cao su). Sau đó, Gabor Filter (bộ lọc Gabor) được sử dụng để trích xuất đặc trưng pha, mã hóa thành IrisCode (mã mống mắt) và thực hiện so khớp bằng Hamming Distance (khoảng cách Hamming).

💡 Hướng nghiên cứu được thảo luận vẫn kế thừa bước chuẩn hóa hình học của Daugman, nhưng khai thác Mamba / Selective State Space Model (mô hình không gian trạng thái có chọn lọc) để học đặc trưng từ dữ liệu mống mắt đã chuẩn hóa. Cách tiếp cận này hướng đến việc chuyển từ các đặc trưng được thiết kế thủ công sang Learned Representation (biểu diễn đặc trưng được học), đồng thời khai thác mối quan hệ giữa các vùng khác nhau trên cấu trúc mống mắt.

📌 Một vấn đề đáng quan tâm là mống mắt có cấu trúc đặc thù theo cả Radial Direction (hướng bán kính) và Angular Direction (hướng góc). Vì vậy, việc tổ chức dữ liệu sau chuẩn hóa thành chuỗi như thế nào, bảo toàn tính tuần hoàn ra sao và xử lý các vùng bị che khuất hoặc nhiễu vẫn là những câu hỏi cần tiếp tục nghiên cứu.

🚀 Hướng tiếp cận này mở ra khả năng kết hợp kiến thức hình học truyền thống của mống mắt với các mô hình học chuỗi hiện đại, hướng tới xây dựng các phương pháp nhận dạng có khả năng học đặc trưng tốt hơn và thích nghi với nhiều điều kiện thu nhận khác nhau.

02/08/2026

🔍 BẢO VỆ ẢNH Y KHOA MÀ KHÔNG LÀM THAY ĐỔI VÙNG CHẨN ĐOÁN

Trong buổi trao đổi học thuật tuần này, nhóm nghiên cứu IST Lab đã tìm hiểu một phương pháp bảo vệ ảnh y khoa trong quá trình lưu trữ, truyền tải và chia sẻ trên các nền tảng số.

Thách thức quan trọng của bài toán này là làm thế nào để kiểm tra nguồn gốc và tính toàn vẹn của ảnh, nhưng vẫn bảo toàn vùng chứa thông tin có ý nghĩa chẩn đoán. Việc tác động trực tiếp lên khu vực này, dù chỉ ở mức nhỏ, cũng có thể ảnh hưởng đến quá trình quan sát hoặc phân tích ảnh.

Nghiên cứu tiếp cận vấn đề theo hướng kết hợp nhiều lớp bảo vệ. Vùng quan trọng của ảnh được sử dụng để tạo thông tin xác thực mà không cần nhúng trực tiếp vào nội dung chẩn đoán. Trong khi đó, vùng ít quan trọng hơn được tận dụng để lưu trữ thông tin hỗ trợ, giúp tăng khả năng kiểm tra khi ảnh bị biến đổi trong quá trình sử dụng.

Bên cạnh đó, phương pháp còn xây dựng biểu diễn đặc trưng ổn định từ nội dung ảnh và kết hợp nhiều cơ chế xác thực. Thiết kế này hướng đến việc cân bằng giữa ba yếu tố: bảo toàn chất lượng ảnh, xác minh nguồn gốc và phát hiện sự thay đổi nội dung.

Kết quả nghiên cứu cho thấy hướng tiếp cận có khả năng duy trì nguyên vẹn vùng chẩn đoán, đồng thời hỗ trợ xác thực ảnh trong nhiều điều kiện xử lý khác nhau. Tuy nhiên, để tiến gần hơn đến ứng dụng thực tế, phương pháp vẫn cần được đánh giá trên dữ liệu lớn hơn, nhiều loại ảnh y khoa hơn và các kịch bản tấn công phức tạp hơn.

Nghiên cứu mở ra một hướng tiếp cận đáng quan tâm cho việc bảo vệ dữ liệu hình ảnh trong bệnh viện, hệ thống y tế kết nối và các nền tảng chăm sóc sức khỏe số.

19/07/2026

🔍 𝐗𝐀̂𝐘 𝐃Ự𝐍𝐆 𝐁Ộ 𝐃Ữ 𝐋𝐈Ệ𝐔 Đ𝐀 𝐏𝐇ƯƠ𝐍𝐆 𝐓𝐇Ứ𝐂 𝐂𝐇𝐎 𝐏𝐇𝐀́𝐓 𝐇𝐈Ệ𝐍 𝐌𝐀̃ ĐỘ𝐂

Cuối tuần này, các thành viên của IST Lab đã chia sẻ và cùng thảo luận về xây dựng 𝗯ộ 𝗱ữ 𝗹𝗶ệ𝘂 đ𝗮 𝗽𝗵ươ𝗻𝗴 𝘁𝗵ứ𝗰 phục vụ phát hiện mã độc bằng trí tuệ nhân tạo.

Thay vì chỉ sử dụng đặc trưng tĩnh, nghiên cứu kết hợp 𝐭𝐡𝐨̂𝐧𝐠 𝐭𝐢𝐧 𝐭𝐢̃𝐧𝐡, 𝐡𝐚̀𝐧𝐡 𝐯𝐢 𝐭𝐡ự𝐜 𝐭𝐡𝐢 𝐯𝐚̀ 𝐜𝐚́𝐜 𝐧𝐡𝐚̃𝐧 𝐩𝐡𝐚̂𝐧 𝐭𝐢́𝐜𝐡 𝐚𝐧 𝐭𝐨𝐚̀𝐧 𝐭𝐡𝐨̂𝐧𝐠 𝐭𝐢𝐧 trên cùng một mẫu malware. Dữ liệu được chọn lọc, phân tích trong môi trường sandbox cô lập, sau đó chuẩn hóa và đồng bộ thành một bộ dữ liệu thống nhất, có khả năng tái lập.

Cách tiếp cận này giúp phản ánh đầy đủ hơn hành vi của mã độc và hỗ trợ các hướng nghiên cứu như 𝐌𝐮𝐥𝐭𝐢𝐦𝐨𝐝𝐚𝐥 𝐋𝐞𝐚𝐫𝐧𝐢𝐧𝐠, 𝐁𝐞𝐡𝐚𝐯𝐢𝐨𝐫-𝐛𝐚𝐬𝐞𝐝 𝐃𝐞𝐭𝐞𝐜𝐭𝐢𝐨𝐧 𝐯𝐚̀ 𝐄𝐱𝐩𝐥𝐚𝐢𝐧𝐚𝐛𝐥𝐞 𝐀𝐈.

💡 𝐁𝐚̀𝐢 𝐡ọ𝐜 𝐫𝐮́𝐭 𝐫𝐚: Chất lượng và cách tổ chức dữ liệu là nền tảng quan trọng, quyết định độ tin cậy và khả năng ứng dụng của các mô hình AI trong lĩnh vực an toàn thông tin.

12/07/2026

📚 𝗜𝗦𝗧 𝗟𝗮𝗯 𝗦𝗲𝗺𝗶𝗻𝗮𝗿: Ứ𝗻𝗴 𝗱ụ𝗻𝗴 𝗔𝗜 𝘁𝗿𝗼𝗻𝗴 𝘁ự độ𝗻𝗴 𝗵𝗼́𝗮 𝗸𝗶ể𝗺 𝘁𝗵ử 𝘃𝗮̀ 𝘁ă𝗻𝗴 𝗰ườ𝗻𝗴 𝗮𝗻 𝘁𝗼𝗮̀𝗻 𝗽𝗵ầ𝗻 𝗺ề𝗺

Vừa qua, IST Lab đã tổ chức buổi seminar học thuật với chủ đề nghiên cứu về ứng dụng Trí tuệ nhân tạo (AI) trong việc nâng cao hiệu quả phát triển và bảo vệ các hệ thống phần mềm hiện đại.

Nội dung seminar tập trung vào một hướng nghiên cứu đang nhận được nhiều sự quan tâm trên thế giới, đó là khai thác các mô hình AI để hỗ trợ tự động hóa quá trình xây dựng, kiểm thử và đánh giá các chính sách kiểm soát truy cập trong hệ thống phần mềm. Thay vì phụ thuộc hoàn toàn vào các thao tác thủ công của lập trình viên hoặc chuyên gia bảo mật, AI được kỳ vọng sẽ hỗ trợ phân tích yêu cầu, phát hiện các bất thường trong logic phân quyền, hỗ trợ kiểm thử và đưa ra các khuyến nghị nhằm nâng cao tính an toàn của hệ thống.

Bên cạnh việc giới thiệu định hướng nghiên cứu, buổi seminar cũng trao đổi về những thách thức khi đưa AI vào quy trình phát triển phần mềm, như đảm bảo độ tin cậy của kết quả sinh bởi AI, khả năng phát hiện các lỗi logic phức tạp, cũng như việc đánh giá hiệu quả của các giải pháp trên những hệ thống có quy mô và mức độ phức tạp cao.

Thông qua buổi trao đổi, các thành viên đã cùng thảo luận về tiềm năng kết hợp giữa AI, kỹ thuật phần mềm và an toàn thông tin để xây dựng các quy trình phát triển phần mềm thông minh hơn, góp phần giảm công sức kiểm thử, hỗ trợ phát hiện sớm các rủi ro bảo mật và nâng cao chất lượng hệ thống ngay từ giai đoạn phát triển.

Buổi seminar cũng mở ra nhiều hướng nghiên cứu tiếp theo trong các lĩnh vực AI for Software Engineering, Application Security và DevSecOps, góp phần thúc đẩy việc ứng dụng AI vào giải quyết các bài toán thực tiễn trong phát triển phần mềm và an toàn thông tin.

Xin cảm ơn các nghiên cứu viên và sinh viên đã tham gia trao đổi, chia sẻ nhiều ý kiến và góc nhìn chuyên môn trong buổi seminar.

05/07/2026

📌 𝗧𝗢́𝗠 𝗧Ắ𝗧 𝗡𝗚𝗛𝗜𝗘̂𝗡 𝗖Ứ𝗨: P𝗛𝗔̂𝗡 Đ𝗢Ạ𝗡 𝗠Ố𝗡𝗚 𝗠Ắ𝗧 Đ𝗔́𝗡𝗚 𝗧𝗜𝗡 𝗖Ậ𝗬 𝗩Ớ𝗜 𝗠Ô 𝗛Ì𝗡𝗛 𝗟𝗜𝗚𝗛𝗧𝗪𝗘𝗜𝗚𝗛𝗧

Trong các hệ thống sinh trắc học và thị giác máy tính, phân đoạn mống mắt là một bước quan trọng nhằm xác định chính xác vùng mống mắt trong ảnh đầu vào. Chất lượng của bước phân đoạn ảnh hưởng trực tiếp đến các giai đoạn xử lý tiếp theo như chuẩn hóa ảnh, trích xuất đặc trưng và nhận dạng.

Tuy nhiên, ảnh mống mắt trong thực tế thường chịu ảnh hưởng bởi nhiều yếu tố như mí mắt che khuất, lông mi, phản xạ ánh sáng, ảnh mờ hoặc vùng biên không rõ ràng. Điều này đặt ra yêu cầu về các mô hình phân đoạn không chỉ chính xác, mà còn cần ổn định, đáng tin cậy và có khả năng triển khai hiệu quả trong môi trường thực tế.

Một hướng tiếp cận phù hợp là phát triển các mô hình phân đoạn mống mắt dạng lightweight. Các mô hình này hướng đến việc giảm độ phức tạp tính toán, tối ưu số lượng tham số và rút ngắn thời gian xử lý, nhưng vẫn đảm bảo khả năng nhận diện tốt vùng mống mắt.

Bên cạnh đó, việc kết hợp thêm thông tin về đường biên và mức độ bất định giúp mô hình hiểu tốt hơn cấu trúc hình học của mắt. Thông tin boundary hỗ trợ mô hình bám sát ranh giới giữa đồng tử, mống mắt và vùng lòng trắng mắt, trong khi uncertainty giúp nhận diện các vùng mà mô hình kém tự tin hoặc có nguy cơ phân đoạn sai.

Cách tiếp cận này giúp bài toán phân đoạn mống mắt không chỉ tập trung vào việc xác định “vùng nào là mống mắt”, mà còn quan tâm đến việc “kết quả phân đoạn có đáng tin cậy hay không”. Đây là yếu tố quan trọng khi xây dựng các hệ thống AI có khả năng hoạt động ổn định, nhanh và phù hợp với các thiết bị có tài nguyên tính toán hạn chế.

P𝗛𝗔̂𝗡 Đ𝗢Ạ𝗡 𝗠Ố𝗡𝗚 𝗠Ắ𝗧 Đ𝗔́𝗡𝗚 𝗧𝗜𝗡 𝗖Ậ𝗬 𝗩Ớ𝗜 𝗠Ô 𝗛Ì𝗡𝗛 𝗟𝗜𝗚𝗛𝗧𝗪𝗘𝗜𝗚𝗛𝗧 hướng đến việc cân bằng giữa độ chính xác, tốc độ xử lý và khả năng đánh giá độ tin cậy, từ đó hỗ trợ phát triển các ứng dụng sinh trắc học và thị giác máy tính trong điều kiện thực tế.

14/06/2026

📢 𝐑𝐄𝐂𝐀𝐏 𝐁𝐔Ổ𝐈 𝐂𝐇𝐈𝐀 𝐒Ẻ 𝐕Ề 𝐇ƯỚ𝐍𝐆 𝐍𝐆𝐇𝐈Ê𝐍 𝐂Ứ𝐔 𝐇Ộ𝐈 𝐍𝐆𝐇Ị 𝐐𝐔Ố𝐂 𝐓Ế 𝐄𝐈𝐃𝐓 𝟐𝟎𝟐𝟔 (𝐓𝐇𝐄 𝐒𝐄𝐂𝐎𝐍𝐃 𝐈𝐍𝐓𝐄𝐑𝐍𝐀𝐓𝐈𝐎𝐍𝐀𝐋 𝐂𝐎𝐍𝐅𝐄𝐑𝐄𝐍𝐂𝐄 𝐎𝐍 𝐄𝐗𝐏𝐋𝐀𝐈𝐍𝐀𝐁𝐋𝐄 𝐈𝐍𝐓𝐄𝐋𝐋𝐈𝐆𝐄𝐍𝐂𝐄 𝐈𝐍 𝐃𝐈𝐆𝐈𝐓𝐀𝐋 𝐓𝐖𝐈𝐍𝐒)

🗓️ Chủ nhật ngày 14/06/2026, IST Lab đã tổ chức buổi seminar thảo luận về các hướng nghiên cứu, tính khả thi và kế hoạch hành động để nộp bài cho 𝐇ộ𝐢 𝐧𝐠𝐡ị 𝐐𝐮ố𝐜 𝐭ế 𝐥ầ𝐧 𝐭𝐡ứ 𝟐 𝐯ề 𝐓𝐫í 𝐭𝐮ệ 𝐆𝐢ả𝐢 𝐭𝐡í𝐜𝐡 𝐭𝐫𝐨𝐧𝐠 𝐁ả𝐧 𝐬𝐚𝐨 𝐬ố (𝐄𝐈𝐃𝐓 𝟐𝟎𝟐𝟔).

Hội nghị dự kiến diễn ra từ 09 - 11/11/2026, tổ chức kết hợp trực tiếp tại Hà Nội và trực tuyến, với hạn nộp bài được gia hạn đến ngày 30/06/2026. Bài báo được chấp nhận sẽ được xuất bản trên *𝐒𝐩𝐫𝐢𝐧𝐠𝐞𝐫 𝐋𝐞𝐜𝐭𝐮𝐫𝐞 𝐍𝐨𝐭𝐞𝐬 𝐢𝐧 𝐄𝐥𝐞𝐜𝐭𝐫𝐢𝐜𝐚𝐥 𝐄𝐧𝐠𝐢𝐧𝐞𝐞𝐫𝐢𝐧𝐠* (𝐜𝐡𝐮ẩ𝐧 𝐒𝐜𝐨𝐩𝐮𝐬 𝐐𝟒, 𝐄𝐈 𝐂𝐨𝐦𝐩𝐞𝐧𝐝𝐞𝐱).

Dưới đây là nội dung chi tiết và phân tích chiến lược từ buổi seminar:

---

📌 𝟏. 𝐂á𝐜 𝐓𝐫𝐚𝐜𝐤 𝐧𝐠𝐡𝐢ê𝐧 𝐜ứ𝐮 𝐜ủ𝐚 𝐄𝐈𝐃𝐓 𝟐𝟎𝟐𝟔

Hội nghị EIDT 2026 tập trung tiếp nhận các bài báo theo 5 hướng (track) nghiên cứu chính:

* 𝐓𝐫𝐚𝐜𝐤 𝟏 - 𝐏𝐡ầ𝐧 𝐜ứ𝐧𝐠 & 𝐇ạ 𝐭ầ𝐧𝐠: Bao gồm kiến trúc chip AI, IoT và nền tảng nhúng.

* 𝐓𝐫𝐚𝐜𝐤 𝟐 - 𝐏𝐡ươ𝐧𝐠 𝐩𝐡á𝐩 & 𝐊ỹ 𝐭𝐡𝐮ậ𝐭 𝐗𝐀𝐈: Tập trung vào các mô hình XAI, trực quan hóa quá trình ra quyết định và các thang đo định lượng.

* 𝐓𝐫𝐚𝐜𝐤 𝟑 - 𝐆𝐢𝐚𝐨 𝐭𝐢ế𝐩 𝐭𝐡ô𝐧𝐠 𝐦𝐢𝐧𝐡: Mở rộng AI cho mạng lưới, tính toán trong mạng.

* 𝐓𝐫𝐚𝐜𝐤 𝟒 - 𝐇ệ 𝐭𝐡ố𝐧𝐠 𝐭ự 𝐭𝐫ị & Ứ𝐧𝐠 𝐝ụ𝐧𝐠 𝐭𝐫ọ𝐧𝐠 𝐲ế𝐮: Ứng dụng XAI trong y tế, tài chính và phát hiện xâm nhập.

* 𝐓𝐫𝐚𝐜𝐤 𝟓 - 𝐓ươ𝐧𝐠 𝐭á𝐜 𝐍𝐠ườ𝐢 - 𝐀𝐈: Thiết kế giao diện cho XAI và hệ thống có con người tham gia.

---

🚀 𝟐. 𝐓ổ𝐧𝐠 𝐪𝐮𝐚𝐧 𝐯ề 𝐦ô 𝐡ì𝐧𝐡 𝐜ơ 𝐬ở (𝐂𝐮𝐫𝐫𝐞𝐧𝐭 𝐁𝐚𝐬𝐞𝐥𝐢𝐧𝐞)

* 🎯 Nghiên cứu dựa trên nền tảng kiến trúc HMIL-MHSA, hướng tới việc phân loại các mối đe dọa với độ chính xác cao và khả năng giải thích được tích hợp sẵn (Inherent XAI).

* ⚠️ 𝐓𝐡á𝐜𝐡 𝐭𝐡ứ𝐜: Bài toán hiện tại đặt ra yêu cầu cần phải có các minh chứng khoa học định lượng (ablation studies) vững chắc hơn và mở rộng khả năng xử lý dữ liệu lớn để đáp ứng tiêu chuẩn của hội nghị.

🧭 𝟑. Đề 𝐱𝐮ấ𝐭 𝐜á𝐜 𝐡ướ𝐧𝐠 𝐧𝐠𝐡𝐢ê𝐧 𝐜ứ𝐮 𝐤𝐡ả 𝐭𝐡𝐢

Nhằm bảo mật thông tin trước khi bài báo được công bố chính thức, buổi chia sẻ đã thống nhất các định hướng nghiên cứu sẽ mang tính tổng quát, trong đó ưu tiên hàng đầu là bám sát tiêu chí của hội nghị:

* 📊 Đẩ𝐲 𝐦ạ𝐧𝐡 𝐩𝐡ươ𝐧𝐠 𝐩𝐡á𝐩 𝐥𝐮ậ𝐧 𝐗𝐀𝐈 (𝐓𝐫𝐚𝐜𝐤 𝟐): Đây là định hướng mũi nhọn của nhóm. Thay vì đi sâu vào các cấu trúc thuật toán cụ thể, nghiên cứu sẽ tập trung phát triển các phương pháp và thang đo định lượng cho Trí tuệ Giải thích được (XAI). Mục tiêu là chuyển đổi các diễn giải định tính sang các minh chứng định lượng có thể tái lập, phù hợp với yêu cầu của Track 2 (XAI Techniques & Methodologies).

* 🌟 𝐌ở 𝐫ộ𝐧𝐠 𝐯à 𝐭í𝐜𝐡 𝐡ợ𝐩 𝐁ả𝐧 𝐬𝐚𝐨 𝐬ố (𝐃𝐢𝐠𝐢𝐭𝐚𝐥 𝐓𝐰𝐢𝐧𝐬): Nghiên cứu giải pháp cải tiến kiến trúc để tăng cường khả năng mở rộng, cho phép xử lý dữ liệu theo thời gian thực nhằm tương thích với môi trường mô phỏng của hệ thống Bản sao số.

* 🔗 𝐇ọ𝐜 𝐦á𝐲 𝐩𝐡â𝐧 𝐭á𝐧: Khám phá hướng đi tối ưu hóa huấn luyện mô hình giữa các hệ thống mạng khác nhau nhằm đảm bảo tính riêng tư của dữ liệu.

---

🏆 𝐓ổ𝐧𝐠 𝐤ế𝐭
Buổi seminar đã khép lại nhưng đồng thời mở ra những thách thức mới đầy thú vị. Với tinh thần liên tục đào sâu vào các phiên nghiên cứu, IST Lab sẽ tập trung hoàn thiện khung đánh giá XAI và tối ưu hóa mô hình. Dù chặng đường công bố có ra sao, mục tiêu tối thượng của nhóm vẫn luôn là xây dựng những hệ thống AI minh bạch, đáng tin cậy và có giá trị thực tiễn cao cho lĩnh vực an toàn thông tin.

📞 𝐋𝐢ê𝐧 𝐡ệ
𝐈𝐒𝐓 𝐋𝐚𝐛 - 𝐏𝐓𝐈𝐓 𝐈𝐧𝐟𝐨𝐫𝐦𝐚𝐭𝐢𝐨𝐧 𝐒𝐞𝐜𝐮𝐫𝐢𝐭𝐲 𝐓𝐞𝐜𝐡𝐧𝐨𝐥𝐨𝐠𝐲 𝐋𝐚𝐛𝐨𝐫𝐚𝐭𝐨𝐫𝐲
SĐT: +84 90 989 9791
Email: [email protected]

14/06/2026

𝐑𝐄𝐂𝐀𝐏 𝐁𝐔Ổ𝐈 𝐂𝐇𝐈𝐀 𝐒Ẻ 𝐕Ề 𝐍𝐆𝐇𝐈Ê𝐍 𝐂Ứ𝐔 𝐍𝐇Ậ𝐍 𝐃Ạ𝐍𝐆 𝐌Ố𝐍𝐆 𝐌Ắ𝐓 𝐌Ã 𝐍𝐆𝐔Ồ𝐍 𝐌Ở (𝐎𝐏𝐄𝐍-𝐒𝐎𝐔𝐑𝐂𝐄 𝐈𝐑𝐈𝐒 𝐑𝐄𝐂𝐎𝐆𝐍𝐈𝐓𝐈𝐎𝐍)

Chủ nhật ngày 14/06/2026, IST Lab đã tổ chức buổi seminar sinh hoạt với chủ đề thảo luận về dự án nghiên cứu "𝐍𝐨𝐭𝐫𝐞 𝐃𝐚𝐦𝐞 𝐎𝐩𝐞𝐧-𝐒𝐨𝐮𝐫𝐜𝐞 𝐈𝐫𝐢𝐬 𝐑𝐞𝐜𝐨𝐠𝐧𝐢𝐭𝐢𝐨𝐧" của 𝐏𝐡ò𝐧𝐠 𝐭𝐡í 𝐧𝐠𝐡𝐢ệ𝐦 𝐓𝐡ị 𝐠𝐢á𝐜 𝐌á𝐲 𝐭í𝐧𝐡 (𝐂𝐕𝐑𝐋) - Đạ𝐢 𝐡ọ𝐜 𝐍𝐨𝐭𝐫𝐞 𝐃𝐚𝐦𝐞.

Dưới đây là nội dung chi tiết và phân tích từ buổi seminar:

𝟏. 𝐓ó𝐦 𝐭ắ𝐭 𝐧ộ𝐢 𝐝𝐮𝐧𝐠 𝐯à 𝐩𝐡ươ𝐧𝐠 𝐩𝐡á𝐩 𝐧𝐠𝐡𝐢ê𝐧 𝐜ứ𝐮

* 𝐌ụ𝐜 𝐭𝐢ê𝐮: Cung cấp các giải pháp nhận dạng mống mắt tiên tiến mang tính học thuật dưới dạng mã nguồn mở (C++, Python, Matlab), đáp ứng các tiêu chuẩn khắt khe của chương trình đánh giá IREX 10 do NIST (Mỹ) quản lý.

* 𝐂ô𝐧𝐠 𝐧𝐠𝐡ệ 𝐜ố𝐭 𝐥õ𝐢: Hệ thống tích hợp 4 phương pháp mã hóa chính: ArcIris (dùng ResNet100), TripletIris (dùng ConvNeXt-tiny), HDBIF (đặc trưng nhị phân theo hướng tiếp cận của con người) và CRYPTS (khai thác đặc trưng hình thái học). Đi kèm là các mô hình nền tảng hỗ trợ phân vùng ảnh (Iris Segmentation).

𝟐. Ư𝐮 đ𝐢ể𝐦 𝐜ủ𝐚 𝐡ướ𝐧𝐠 𝐭𝐢ế𝐩 𝐜ậ𝐧

* 𝐌𝐢𝐧𝐡 𝐛ạ𝐜𝐡 𝐯à 𝐓á𝐢 𝐥ậ𝐩 (𝐓𝐫𝐚𝐧𝐬𝐩𝐚𝐫𝐞𝐧𝐜𝐲 & 𝐑𝐞𝐩𝐫𝐨𝐝𝐮𝐜𝐢𝐛𝐢𝐥𝐢𝐭𝐲): Cung cấp toàn bộ mã nguồn từ khâu tiền xử lý, phân vùng điểm ảnh cho đến rút trích đặc trưng, giải quyết bài toán "hộp đen" thường gặp ở các sản phẩm sinh trắc học thương mại.

* 𝐊𝐡ả 𝐧ă𝐧𝐠 𝐠𝐢ả𝐢 𝐭𝐡í𝐜𝐡 (𝐄𝐱𝐩𝐥𝐚𝐢𝐧𝐚𝐛𝐢𝐥𝐢𝐭𝐲): Thay vì chỉ phụ thuộc vào Deep Learning thuần túy, các phương pháp như CRYPTS và HDBIF tập trung vào việc trích xuất các đặc trưng mà con người có thể diễn giải bằng mắt thường (như các hốc mống mắt - Fuch's crypts).

* Độ 𝐜𝐡í𝐧𝐡 𝐱á𝐜 𝐜𝐚𝐨: Tận dụng các kiến trúc mạng nơ-ron học sâu tiên tiến kết hợp với các hàm mất mát (ArcFace loss, triplet mining) giúp phân tách rõ rệt đặc trưng sinh trắc học của những người khác nhau.

𝟑. 𝐓𝐡á𝐜𝐡 𝐭𝐡ứ𝐜 𝐯à 𝐍𝐡ượ𝐜 đ𝐢ể𝐦

* 𝐑à𝐨 𝐜ả𝐧 𝐭à𝐢 𝐧𝐠𝐮𝐲ê𝐧 𝐯à 𝐭𝐡ờ𝐢 𝐠𝐢𝐚𝐧 𝐭𝐡ự𝐜: Để vượt qua các giới hạn cực kỳ khắt khe về thời gian xử lý của NIST, các mô hình đòi hỏi phải được tối ưu hóa mạnh mẽ ở mức cấu trúc phần cứng/thanh ghi hoặc phải sử dụng các phiên bản mạng thu gọn (tiny networks).

* Độ 𝐩𝐡ứ𝐜 𝐭ạ𝐩 𝐭𝐫𝐨𝐧𝐠 𝐭𝐢ề𝐧 𝐱ử 𝐥ý: Quá trình phân vùng (segmentation) để loại bỏ nhiễu từ mí mắt, lông mi và chuẩn hóa tọa độ cực vẫn tốn khá nhiều tài nguyên tính toán và dễ bị giảm hiệu năng nếu ảnh đầu vào kém chất lượng.

* 𝐓𝐫𝐢ể𝐧 𝐤𝐡𝐚𝐢 𝐜𝐡é𝐨 (𝐂𝐫𝐨𝐬𝐬-𝐝𝐞𝐩𝐥𝐨𝐲𝐦𝐞𝐧𝐭): Việc duy trì sự đồng nhất và chính xác khi chuyển đổi mô hình từ môi trường nghiên cứu (Python/Matlab) sang môi trường thực thi chuẩn công nghiệp (C++) đòi hỏi sự tinh chỉnh phức tạp.

𝐓ổ𝐧𝐠 𝐤ế𝐭
Buổi chia sẻ đã mang lại cái nhìn toàn diện về những nỗ lực đưa sinh trắc học mống mắt trở nên cởi mở và minh bạch hơn. Kho lưu trữ của CVRL không chỉ thu hẹp khoảng cách giữa nghiên cứu AI hàn lâm và kiểm định công nghiệp, mà còn gợi mở hướng đi quan trọng: phát triển các hệ thống AI vừa đảm bảo hiệu năng cao vừa có khả năng giải thích được trong lĩnh vực an toàn thông tin.

𝐋𝐢ê𝐧 𝐡ệ
IST Lab - PTIT Information Security Technology Laboratory
SĐT: +84 90 989 9791
Email: [email protected]