ISTLab.PTIT Information Security Technology Laboratory

10/05/2026

📢 RECAP buổi chia sẻ về PHÁT HIỆN HÀNH VI ĐỘC HẠI TRONG MẠNG IOT BẰNG BIỂU DIỄN ĐỒ THỊ ĐỘNG 📢

Chủ nhật ngày 10/5/2026, IST Lab đã tổ chức buổi seminar sinh hoạt hàng tuần với chủ đề nghiên cứu chuyên sâu về An toàn thông tin: Ứng dụng biểu diễn đồ thị động (Dynamic Graph Representation) và mạng nơ-ron đồ thị (GNN) trong việc phát hiện hành vi độc hại trên mạng IoT.

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

📍 1. Tóm tắt nội dung và phương pháp nghiên cứu
🔹 Mục tiêu: Phát hiện sớm các hành vi độc hại trong môi trường IoT.

🔹 Trọng tâm: Đi sâu vào nhóm "Bất thường hành vi" (Anomaly/Behavioral) thông qua phân tích luồng mạng (network flow) với 4 loại chính:

* Traffic Anomaly: Lưu lượng bất thường (DDoS, Port scanning).
* Data Exfiltration: Đánh cắp dữ liệu.
* C&C Communication: Điều khiển từ xa (Botnet, HTTP/HTTPS ngụy trang).
* Cryptojacking: Đào tiền điện tử trái phép.

🔹 Công nghệ cốt lõi: Kết hợp Biểu diễn đồ thị động (Dynamic Graph) để theo dõi kết nối mạng theo thời gian thực và Mạng nơ-ron đồ thị (GNN) để phân tích các đặc trưng (sload, duration, spkts/dpkts).

🔹 Điểm nhấn: Phân tích hoàn toàn dựa trên thống kê luồng mạng mà không cần giải mã payload, được kiểm thử trên các bộ dữ liệu chuẩn như UNSW-NB15, CICIDS2017, CICIoT2023.

📈 2. Ưu điểm

✔️ Hoạt động tốt với lưu lượng mã hóa: Hướng tiếp cận flow-based không cần kiểm tra sâu gói tin (DPI), cực kỳ phù hợp khi giao thức HTTPS/TLS ngày càng phổ biến trong IoT.

✔️ Nắm bắt ngữ cảnh phức tạp: GNN biểu diễn thiết bị là "node", kết nối là "edge", giúp phát hiện các cuộc tấn công có tổ chức, phối hợp nhiều thiết bị (như Botnet, DDoS phân tán).

✔️ Phù hợp đặc thù IoT: Thiết bị IoT có chu kỳ giao tiếp cố định. Đồ thị động phát hiện rất tốt sự phá vỡ các chu kỳ này.

✔️ Phát hiện tấn công Zero-day: Học hành vi "bình thường" để bắt "dị thường", không cần phụ thuộc vào tập luật (signature) có sẵn như các IDS/IPS truyền thống.

⚠️ 3. Nhược điểm

▪️ Chi phí tính toán & độ trễ: Xây dựng đồ thị liên tục và chạy GNN tốn nhiều tài nguyên. Rất khó triển khai trực tiếp trên các thiết bị Edge/Gateway cấu hình yếu, dễ gây trễ trong phát hiện real-time.

▪️ Rủi ro false positives (dương tính giả): Khi mạng có cập nhật firmware đồng loạt hoặc hiện tượng "flash crowd", cấu trúc đồ thị thay đổi mạnh, dễ khiến hệ thống báo động nhầm.

▪️ Tiền xử lý phức tạp: Pipeline biến đổi từ gói tin thô (PCAP) -> Flows -> Ma trận đồ thị tốn thời gian, dễ tạo nút thắt cổ chai cho toàn hệ thống.

▪️ Phụ thuộc dataset: Dữ liệu huấn luyện thường từ môi trường mô phỏng, có thể lệch pha với các kỹ thuật tấn công IoT thực tế hiện nay (concept drift).

💡 Tổng kết
Buổi chia sẻ đã mang lại nhiều góc nhìn học thuật giá trị. Phương pháp dựa trên đồ thị mở ra tiềm năng to lớn trong bảo mật IoT, nhưng đồng thời cũng đặt ra bài toán tối ưu hóa kiến trúc và tài nguyên tính toán để có thể áp dụng rộng rãi vào thực tế.

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

28/04/2026

🚩 [TIN CHÚC MỪNG] 03 ĐỘI TUYỂN SINH VIÊN PTITHCM XUẤT SẮC LỌT VÀO CHUNG KẾT CUỘC THI AN TOÀN THÔNG TIN QUỐC TẾ HACKTHEON SEJONG 2026

📅 Ngày 25/04/2026 vừa qua, vòng Sơ khảo cuộc thi An toàn thông tin (ATTT) quốc tế HackTheon Sejong 2026 đã diễn ra với sự tranh tài quyết liệt của hàng trăm đội tuyển sinh viên trên toàn thế giới. IST Lab xin chúc mừng CLB An toàn thông tin P*S và Học viện Công nghệ Bưu chính Viễn thông (Cơ sở TP.HCM) khi có đến 03 đội tuyển xuất sắc giành tấm vé bước vào vòng Chung kết tại Hàn Quốc.

🛡️ Trải qua 07 giờ thi đấu liên tục theo hình thức CTF Jeopardy, các đội tuyển đã phải giải quyết những bài toán hóc búa thuộc nhiều mảng chuyên sâu như Pwnable, Reverse Engineering, Cryptography, Web Exploitation và Forensics. Đây không chỉ là cuộc đua về điểm số mà còn là bài kiểm tra về bản lĩnh, tư duy phân tích lỗ hổng và khả năng triển khai mã khai thác dưới áp lực thời gian thực.

🏆 Vượt qua sự cạnh tranh gay gắt từ các đối thủ quốc tế, 03 đại diện của PTITHCM đã ghi tên mình vào danh sách 40 đội tuyển mạnh nhất toàn cầu để góp mặt tại vòng chung kết:

Bảng Advanced: Đội f4n_n3r0

Bảng Beginner B: Đội 666Kyochon

Bảng Beginner B: Đội N33d_GP7

✨ Sự hiện diện đồng thời ở cả hai bảng đấu không chỉ khẳng định năng lực chuyên môn vững vàng mà còn cho thấy sự phát triển bền vững của lực lượng kế thừa tại Học viện. Vòng Chung kết sẽ được tổ chức trực tiếp vào ngày 09/07/2026 tại Trung tâm Hội nghị Sejong (SCC), Hàn Quốc. Đây là cơ hội lớn để các bạn giao lưu và khẳng định vị thế của sinh viên ATTT Việt Nam trong kỷ nguyên chuyển đổi AI tại một sân chơi quy mô quốc tế do Thành phố Sejong và Cơ quan Tình báo Quốc gia Hàn Quốc (NIS) phối hợp tổ chức.

🗓️ Lịch trình sự kiện tại Hàn Quốc:

Vòng Chung kết: 09/07/2026 (10:00 – 16:00 KST)

Lễ trao giải: 10/07/2026 (10:00 – 11:00 KST)

🤝 IST Lab xin gửi lời chúc mừng nồng nhiệt nhất đến các thành viên của 03 đội tuyển. Chúc các bạn tiếp tục giữ vững phong độ, trau dồi kỹ năng và đạt được kết quả cao nhất tại chặng đường sắp tới ở xứ sở Kim Chi!

*S

22/04/2026

📢 [Hỗ trợ truyền thông]

🚀 [TMA Solutions – Tuyển Thực Tập Sinh Khóa 52 | 04/2026]

Cơ hội thực tập dành cho sinh viên CNTT tại TMA Solutions – môi trường doanh nghiệp thực tế giúp tích lũy kinh nghiệm, rèn luyện kỹ năng và chuẩn bị cho sự nghiệp sau tốt nghiệp.

📌 Hồ sơ: CV tiếng Anh + bảng điểm & giấy giới thiệu + chứng chỉ tiếng Anh (nếu có)
📩 Nộp về: [email protected]

⏰ Deadline: 19/06/2026

👉 Đừng bỏ lỡ cơ hội trải nghiệm và phát triển bản thân tại doanh nghiệp công nghệ hàng đầu!



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

[TMA SOLUTIONS – TUYỂN THỰC TẬP SINH KHÓA 52 | THÁNG 04/2026]
CƠ HỘI THỰC TẬP DÀNH CHO SINH VIÊN CNTT

Khoa Công nghệ Thông tin 2 – PTITHCM trân trọng thông tin đến các bạn sinh viên về chương trình tuyển thực tập sinh Khóa 52 của Công ty TMA Solutions, bắt đầu từ tháng 04/2026.

Đây là cơ hội để các bạn sinh viên tiếp cận môi trường làm việc thực tế tại doanh nghiệp công nghệ, tích lũy kinh nghiệm chuyên môn, rèn luyện kỹ năng nghề nghiệp và chuẩn bị hành trang cho chặng đường phát triển sau khi tốt nghiệp.

📌 Hồ sơ ứng tuyển bao gồm:
• CV bằng tiếng Anh
• Giấy giới thiệu và bảng điểm mới nhất có xác nhận của Nhà trường
• Chứng chỉ TOEIC/IELTS (nếu có)

📩 Hình thức nộp hồ sơ:
Sinh viên quan tâm vui lòng gửi hồ sơ bản mềm về địa chỉ email: [email protected]
⏰ Thời hạn nộp hồ sơ: Trước ngày 19/06/2026

🏢 Thông tin đơn vị tuyển dụng: TMA Solutions
📧 Email: [email protected]
🌐 Website: www.tmasolutions.com
☎️ Tel: +84 (28) 3997 8000 | Ext: 5676 - 5524 - 5236
📘 Facebook: https://www.facebook.com/internshiptma #

Khoa Công nghệ Thông tin 2 khuyến khích các bạn sinh viên quan tâm chủ động chuẩn bị hồ sơ và đăng ký đúng thời hạn để nắm bắt cơ hội thực tập tại doanh nghiệp.

Chúc các bạn sẽ có thêm một cơ hội tốt để học hỏi, trải nghiệm và phát triển bản thân trong môi trường chuyên nghiệp.


______________________
THÔNG TIN LIÊN HỆ: KHOA CNTT 2 - PTIT HCM
📞Hotline: +84 28 3730 5316
🌐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

19/04/2026

[GÓC CHIA SẺ NGHIÊN CỨU] RAYFIT: KHI XỬ LÝ ẢNH TRUYỀN THỐNG LÊN NGÔI VÀ BÀI TOÁN KHÔNG CẦN DEEP LEARNING

Deep Learning có phải lúc nào cũng là giải pháp duy nhất và tốt nhất trong Computer Vision? 🤔

Hôm nay, chúng ta cùng điểm qua một bài nghiên cứu cực kỳ thú vị về đề tài Định vị Mống mắt (Iris Localization) mang tên RayFit.

Điểm đặc biệt? Mô hình này hoàn toàn Training-Free (Không cần huấn luyện) và giải quyết gọn gàng những nhược điểm mà các mạng Neural lớn (như U-Net hay Mask R-CNN) đang gặp phải!

🎯 1. BÀI TOÁN & THÁCH THỨC
Việc xác định vị trí mống mắt và đồng tử (cx, cy, r) trên ảnh hồng ngoại gần (NIR) thường bị cản trở bởi lông mi, mí mắt hoặc ánh sáng phản chiếu.
- Deep Learning: Rất chính xác nhưng lại mang tính "hộp đen", ngốn tài nguyên GPU, cần dữ liệu gán nhãn khổng lồ và cực khó tích hợp lên các thiết bị biên (edge devices) như kính VR/AR hay máy chấm công.
- Thuật toán tìm kiếm cổ điển: Dễ bị nhiễu đánh lừa và tính toán khá nặng nề.

👉 Giải pháp từ RayFit: Một pipeline xử lý 100% trên CPU thông thường, dựa trên toán học và hình học thuần túy, không cần bất kỳ nhãn dữ liệu nào!

⚙️ 2. RAYFIT HOẠT ĐỘNG NHƯ THẾ NÀO?
Hệ thống xử lý qua 3 bước (Stages) kế thừa nhau:

- 📍 Stage A - Tìm tâm đồng tử: Áp dụng triết lý "Không tin một bộ dò duy nhất". RayFit dung hợp (fusion) kết quả từ vùng tối nhất (Dark Blob) và biến đổi hình học (Hough Transform), sau đó kiểm tra chéo để lọc bỏ các "tâm giả" do nhiễu bóng bẩy.

- 📏 Stage B - Ước lượng bán kính: Từ tâm đã có, thuật toán dò dải gradient theo dạng vòng tròn để chốt chính xác bán kính đồng tử.

- 👁️ Stage C - Định vị viền mống mắt: Đây là bước "ăn tiền". Hệ thống phóng các tia thưa (sparse rays) từ tâm ra ngoài, kết hợp với thuật toán Weighted RANSAC. RANSAC đóng vai trò như một màng lọc tuyệt vời, bỏ qua toàn bộ nhiễu từ lông mi hay mí mắt cắt ngang, giữ cho đường tròn mô phỏng bám sát biên hình học thực tế.

💡 3. NHỮNG THIẾT KẾ ĐỘT PHÁ (KEY HEURISTICS)
Sức mạnh của RayFit đến từ những tinh chỉnh kỹ thuật rất khôn khéo:
- Soft Eyelid Suppression: Giảm trọng số vùng mí mắt để triệt tiêu nhiễu.
- Post-Fit Clamp: Khóa tham số, không cho vòng tròn mống mắt "nở" lẹm ra ngoài giới hạn mí mắt vật lý.
- Asymmetric Search Band: Bù trừ sai số bằng dải tìm kiếm bất đối xứng, giúp kết quả chuẩn xác hơn.

📌 TAKEAWAY CHO NGƯỜI LÀM NGHIÊN CỨU
RayFit là minh chứng sắc bén cho triết lý: Khi bài toán có các ràng buộc hình học rõ ràng (như hình tròn của mắt), sự kết hợp khéo léo giữa các phép biến đổi hình thái học và thuật toán đồng thuận (RANSAC) hoàn toàn có thể tạo ra một hệ thống nhẹ, tin cậy và minh bạch toán học mà không cần viện đến các cấu trúc mạng Nơ-ron cồng kềnh.

Mọi người cùng để lại bình luận và trao đổi thêm về tính ứng dụng của các thuật toán truyền thống trong thời đại ngày nay nhé!

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

19/04/2026

🚀 [SEMINAR RECAP] BÀI TOÁN KIỂM CHỨNG TIN GIẢ TIẾNG VIỆT & GIẢI PHÁP TỪ KIẾN TRÚC X-ALIGNFACT

Trong bối cảnh bùng nổ thông tin hiện nay, việc tự động kiểm chứng sự thật (Fact Verification) là một bài toán AI vô cùng cấp thiết. Tuy nhiên, chúng ta đang đối mặt với một rào cản lớn: Sự bất bình đẳng về dữ liệu.

Trong khi các mô hình AI có thể học từ kho dữ liệu khổng lồ của tiếng Anh (như tập FEVER với hơn 91.000 mẫu), thì tiếng Việt lại gặp khó khăn vì nguồn dữ liệu gán nhãn rất hạn chế (tập ViFactCheck chỉ có khoảng 5.000 mẫu). Việc lấy một mô hình đã học tiếng Anh và áp dụng "chay" sang tiếng Việt thường mang lại kết quả rất tệ (F1 score chỉ quanh mức 0.35).

Vậy làm sao để AI có thể "học lây" (transfer learning) sự thông minh từ tiếng Anh sang tiếng Việt một cách mượt mà?

Trong buổi seminar mới nhất của IST Lab, chúng ta đã cùng mổ xẻ bài báo từ IEEE Access: "X-AlignFact: A Cross-Lingual Alignment Framework for Bilingual Fact Verification in English and Vietnamese".

💡 ĐIỂM MẠNH CỦA KIẾN TRÚC X-ALIGNFACT:

Thay vì huấn luyện hai mô hình ngôn ngữ riêng biệt, X-AlignFact thiết kế một kiến trúc Xuyên ngôn ngữ (Cross-Lingual)

🔹 Bộ não dùng chung (Shared Encoder): Sử dụng XLM-RoBERTa làm lõi trung tâm. Cả văn bản tiếng Anh và tiếng Việt đều đi qua cùng một bộ lọc này để AI tìm ra "mẫu số chung" về mặt ngữ nghĩa.

🔹 Ép sự "Nhất quán" (Alignment Losses): Đây là vũ khí bí mật! Mô hình sử dụng các hàm loss đặc biệt (Consistency Loss & Prototypical Contrastive Loss) để ép AI: Dù câu hỏi là tiếng Anh hay tiếng Việt, phán quyết đưa ra (Đúng/Sai/Thiếu thông tin) phải giống hệt nhau.

🔹 Học theo lộ trình (Curriculum Learning): Mô hình được tinh chỉnh tỷ lệ dữ liệu Anh/Việt một cách linh hoạt theo từng giai đoạn, giúp AI thích nghi từ từ mà không bị "ngợp".

🔹 AI có thể giải thích (Explainable AI - XAI): Tích hợp module Counterfactual XAI để giúp giải thích các quyết định của mô hình, đảm bảo tính minh bạch khi triển khai thực tế.

📊 KẾT QUẢ

🏆 Mô hình đánh bại các phương pháp đơn ngữ (như PhoBERT) với F1 score tiếng Việt đạt 0.8190.
🏆 Điểm nhất quán xuyên ngôn ngữ (CLCS) lên tới 86.8% - nghĩa là gần 87% trường hợp, AI tư duy đồng nhất giữa hai ngôn ngữ!

📌 Bài nghiên cứu đã chứng minh rằng, đối với các ngôn ngữ thiếu tài nguyên như tiếng Việt, việc khéo léo thiết kế các hàm mất mát (loss functions) trong không gian vector để "bắt cầu" kiến thức từ tiếng Anh là hướng đi hiệu quả hơn nhiều so với việc chỉ lo cày cuốc xây dựng dữ liệu mới.

Mọi người có suy nghĩ gì về hướng tiếp cận của IST Lab về vấn đề tin giả? Hãy để lại bình luận để cùng thảo luận nhé! 👇

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

12/04/2026

[RECAP] TỐI ƯU HÓA QUYẾT ĐỊNH DỰA TRÊN DỮ LIỆU TỐI THIỂU (MIT PAPER FRAMEWORK)

🏫 Vừa qua, IST Lab đã tổ chức buổi seminar chia sẻ về khung nghiên cứu của MIT tập trung vào chiến lược ra quyết định tối ưu trong môi trường bất định và đầy nhiễu. Thay vì xu hướng thu thập Big Data truyền thống, nghiên cứu tập trung vào việc định vị chính xác "ranh giới" cần đo lườn để đạt được hiệu quả cao nhất với nguồn lực tối thiểu.

📖 Nội dung thảo luận trọng tâm của buổi chia sẻ bao gồm:

📌 Nền tảng Lý thuyết & Góc nhìn Hình học:Phân tích cấu trúc bài toán quyết định gồm Tập Bất định (C), Tập Quyết định (X) và Hàm Mục tiêu (c) . Giới thiệu khái niệm "Nón Tối Ưu" (Optimality Cones) giúp chuyển đổi từ phương pháp thống kê thuần túy sang không gian hình học để tìm kiếm quyết định tối ưu tuyệt đối.

📌 Triết lý "Dữ liệu Đủ" (Sufficiency): Xác định tập dữ liệu tối thiểu đóng vai trò như "lăng kính hội tụ", cho phép hệ thống đưa ra quyết định chính xác mà không cần biết giá trị tuyệt đối của mọi tham số đầu vào.

📌 Động cơ Tuyến tính (The Bilevel MILP Engine): Khám phá kiến trúc thuật toán gắn chặt với các cấu trúc ràng buộc của bài toán, vận hành qua vòng lặp 3 bước nhằm trích xuất bộ dữ liệu cơ sở (D) tối giản .

📌 Nghịch lý về Ràng buộc (Constraint Paradox): Phân tích phát hiện quan trọng khi việc ít tùy chọn hơn (nhiều ràng buộc hơn) đôi khi lại yêu cầu lượng dữ liệu đo lường lớn hơn để giải quyết các tương tác hình học phức tạp.

⚙️ Seminar cũng trình bày ứng dụng thực tế qua "Bài toán Tuyển dụng" (Hiring Problem). Hệ thống triển khai cơ chế phân nhóm tự động (Triage) ứng viên thành 3 tập hợp dựa trên cấu trúc hình học:

Nhóm Điểm Thấp: Loại bỏ trực tiếp khi sai số tích cực vẫn không đạt ngưỡng.

Nhóm Điểm Cao: Tiếp nhận trực tiếp khi sai số tiêu cực vẫn đảm bảo tính tối ưu.

Nhóm Trung Bình: Vùng ranh giới bắt buộc phải phỏng vấn để thu thập thêm dữ liệu xác thực.

💡 Kết quả nghiên cứu khẳng định giá trị của dữ liệu không nằm ở thuộc tính độc lập, mà là hệ quả của sự giao thoa hình học giữa không gian quyết định và sự bất định của môi trường. Việc thấu hiểu triết lý này giúp các tổ chức phân bổ nguồn lực chính xác tại các "điểm mù hình học", giúp ra quyết định thông minh với chi phí vận hành thấp nhất.

🚀 Buổi chia sẻ đã mở ra tư duy mới về "Dữ liệu đích đáng", thay thế cho cách tiếp cận thu thập dữ liệu diện rộng lãng phí, đồng thời gợi mở những hướng ứng dụng tiềm năng trong quản trị và AI hiện đại.

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

29/03/2026

📢 RECAP BUỔI CHIA SẺ VỀ PHÁT HIỆN TIN GIẢ TIẾNG VIỆT BẰNG MÔ HÌNH ĐA NGÔN NGỮ

🏫 Chủ nhật ngày 29/3/2026, IST Lab vừa tổ chức buổi seminar chia sẻ về hướng tiếp cận trong bài toán phát hiện tin giả (Fake News Detection) cho ngôn ngữ tài nguyên thấp – cụ thể là tiếng Việt, thông qua kỹ thuật học đa ngôn ngữ.

📰 Buổi trình bày tập trung vào việc xây dựng hệ thống phân loại thông tin thật/giả dựa trên dữ liệu song ngữ Anh – Việt. Nội dung thảo luận xoay quanh:

📌 Tổng quan bài toán Fake News Detection và thách thức với ngôn ngữ tài nguyên thấp
📌 Khai thác các mô hình Transformer: BERT, RoBERTa, PhoBERT và XLM-R
📌 Hướng tiếp cận Multilingual Learning và Joint Multi-task Training
📌 So sánh các chiến lược: Monolingual vs. Joint Training vs. Zero/Few-shot Transfer
📌 Phân tích kết quả thực nghiệm dựa trên các chỉ số Accuracy, F1-score và Macro-F1

⚙️ Bên cạnh đó, seminar cũng giới thiệu pipeline hoàn chỉnh của hệ thống, từ bước tiền xử lý dữ liệu, chuẩn hóa nhãn, tokenization, đến huấn luyện mô hình và đánh giá hiệu năng trên các bộ dữ liệu như FEVER và ViFactCheck.

💡 Kết quả cho thấy phương pháp huấn luyện đa ngôn ngữ (Multilingual Task Training) mang lại hiệu quả vượt trội, đặc biệt trong việc cải thiện độ chính xác cho tiếng Việt so với các phương pháp zero-shot.

🚀 Buổi chia sẻ đã mang lại nhiều góc nhìn học thuật giá trị, đồng thời mở ra hướng nghiên cứu tiềm năng trong lĩnh vực NLP và AI ứng dụng cho kiểm chứng thông tin.

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

28/03/2026

🎉 Chúc mừng đội TRUSTNET đến từ lớp D23CQAT01-N đã xuất sắc vào vòng Chung kết cuộc thi P-INNOVATION 2026 với dự án:

🛡️ TRUSTNET - VSHIELD
Giải pháp Local VPN giúp bảo vệ người dùng trước các mối đe dọa trực tuyến 🌐

Đây là niềm tự hào của tập thể lớp và cũng là dấu ấn đáng ghi nhận của sinh viên Khoa CNTT 2 – PTITHCM trên hành trình học tập, sáng tạo và nghiên cứu. 🚀

💙 IST Lab kêu gọi quý thầy cô, các bạn sinh viên, cựu sinh viên và mọi người cùng quan tâm, tương tác và chia sẻ bài dự thi để tiếp thêm động lực cho đội TRUSTNET tại vòng Chung kết.

⏰ Bình chọn đến 20:00 ngày 01/04/2026

📌 Cách thức bình chọn hợp lệ:
👍Like/Follow Fanpage chính thức của chương trình
👉Tương tác trực tiếp trên bài đăng video dự thi
🫶Chia sẻ bài viết ở chế độ Công khai (Public) kèm hashtag chính thức:



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

28/03/2026

📢 [Hỗ trợ truyền thông]

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

15/03/2026

🔬 RECAP BUỔI CHIA SẺ VỀ PHƯƠNG PHÁP PHÂN ĐOẠN MỐNG MẮT TRONG HỆ THỐNG SINH TRẮC HỌC

🏫 ISB Lab vừa tổ chức buổi seminar chia sẻ về hướng tiếp cận kỹ thuật trong bài toán phân đoạn mống mắt (Iris Segmentation) – một bước quan trọng trong các hệ thống nhận dạng sinh trắc học và thị giác máy tính.

👁 Buổi trình bày tập trung vào việc xác định chính xác vùng iris trong ảnh mắt nhằm phục vụ cho các hệ thống nhận dạng và xác thực sinh trắc học. Nội dung thảo luận xoay quanh:

📌 Tổng quan bài toán Iris Segmentation trong hệ thống nhận dạng sinh trắc học
📌 Phương pháp Edge-Directed Iris Segmentation dựa trên thông tin cạnh của ảnh
📌 Ứng dụng Ray-based Dynamic Programming để tìm đường biên tối ưu của mống mắt
📌 Xử lý các thách thức trong ảnh thực tế như nhiễu, ánh sáng và che khuất
📌 Đánh giá hiệu quả phương pháp trên dữ liệu ảnh mắt và so sánh với các hướng tiếp cận truyền thống

⚙️ Bên cạnh đó, seminar cũng giới thiệu quy trình xây dựng hệ thống thử nghiệm, từ bước tiền xử lý ảnh, trích xuất đặc trưng cạnh đến quá trình tối ưu hóa thuật toán nhằm nâng cao độ chính xác của việc phân đoạn.

💡 Buổi trao đổi đã mang lại nhiều góc nhìn học thuật và thực tiễn, mở ra các hướng nghiên cứu tiềm năng trong lĩnh vực Computer Vision và AI ứng dụng cho an toàn và xác thực sinh trắc học.

🚀 ISB Lab sẽ tiếp tục tổ chức các seminar chuyên đề nhằm thúc đẩy trao đổi học thuật và kết nối cộng đồng nghiên cứu trong thời gian tới.

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

15/03/2026

📌 Tổng kết hoạt động Đội tuyển Sinh viên An ninh mạng PTIT năm 2025

Ngày 14/3, khoa đã tổ chức buổi tổng kết cùng Đội tuyển Sinh viên An ninh mạng PTIT, ghi nhận những nỗ lực và thành tích nổi bật của đội tuyển trong năm qua. Năm 2025, đội tuyển đã đạt nhiều kết quả ấn tượng tại các cuộc thi CTF trong nước và quốc tế như: Vô địch Sinh viên An ninh mạng Quốc gia (Bảng A), Vô địch quốc tế MTUCI ATK & DEF CTF, Top 2 V1t CTF 2025 cùng nhiều giải thưởng khác.
Chúc các chiến binh PTIT tiếp tục chinh phục thêm nhiều thành tích mới trong năm 2026! 🚀

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