Đề tài 1:

– Tên đề tài: Phát hiện và nhận dạng thông tin văn bản trong ảnh

– Chủ nhiệm đề tài: TS. Ngô Đức Thành

– Mã số đề tài: DS2021-26-02

– Thời gian: 15 giờ 00 phút, ngày 14/10/2024

– Họp trực tuyến qua Google Meet meet.google.com/bbw-yfai-ghy

– Quyết định nghiệm thu số: 1423/QĐ-ĐHQG ngày 02/10/2024 của Giám đốc ĐHQG-HCM

– Chủ tịch Hội đồng: PGS.TS. Lý Quốc Ngọc

– Tóm tắt đề tài:

Bài toán chính mà đề tài tập trung nghiên cứu là bài toán Scene Text, đây là bài toán có nhiều thách thức và được rất nhiều nhiều nhóm nghiên cứu thế giới quan tâm. Cụ thể, những năm gần đây đều có các cuộc thi dựa trên các dữ liệu thực tế ở hội nghị chuyên về lĩnh vực nhận dạng văn bản như ICDAR [1]. Bên cạnh đó, với sự gia tăng nhanh chóng của dữ liệu ảnh và khả năng ứng dụng cao, nghiên cứu và phát triển các phương pháp phát hiện và nhận dạng thông tin văn bản trong ảnh là hết sức cần thiết. Do đó, trong đề tài này đặt ra một số mục tiêu cụ thể sau:

• Nghiên cứu, đánh giá các phương pháp tiên tiến hiện nay.

• Nghiên cứu các phương pháp tạo sinh dữ liệu tự động. Kết hợp tạo sinh dữ liệu tự động và dữ liệu thủ công, nhằm xây dựng bộ dữ liệu lớn có chú thích.

• Nghiên cứu phương pháp khai thác và kết hợp hiệu quả thông tin/đặc trưng ngôn ngữ và thông tin/đặc trưng thị giác của dữ liệu text trong ảnh nhằm nâng cao độ chính xác phát hiện và nhận dạng.

• Xây dựng ứng dụng sử dụng các phương pháp là kết quả nghiên cứu của đề tài.

Với mục tiêu đặt ra ở trên, tính thời điểm báo cáo nhóm thực hiện đề tài đã đạt được một số kết quả sau:

• Tìm hiểu tổng quan về bài toán phát hiện và nhận dạng thông tin văn bản trong ảnh.

• Xây dựng bộ dữ liệu tiếng Việt bao gồm hơn 2000 ảnh biển quảng cáo với hơn 79000 chữ (Text instance) và đánh giá các phương pháp tiên tiến hiện nay trên tập dữ liệu này (Tien Do, Thuyen Nguyen, Hung Le, Thua Nguyen, Thanh Duc Ngo, Duy-Dinh Le: SignboardText: Text Detection and Recognition in In-the-Wild Signboard Image (Submitted)) .

• Đề xuất phương pháp tạo sinh dữ liệu tự động cho dữ liệu viết tay (Manh-Khanh Ngo Huu, Sy-Tuyen Ho, Vinh-Tiep Nguyen, Thanh Duc Ngo: Multilingual-GAN: A Multilingual GAN-based Approach for Handwritten Generation. MAPR 2021, Minh Tran, Tri Pham, Tien Nguyen, Tien Do, Thanh Duc Ngo:A robust frame- work for mathematical formula detection. MAPR 2021).

Đề tài 2:

– Tên đề tài: Giải pháp cộng tác trong xây dựng hệ thống phát hiện xâm nhập và săn tìm mối đe dọa dựa trên học liên kết tích hợp blockchain

– Chủ nhiệm đề tài: ThS. Trần Tuấn Dũng

– Mã số đề tài: C2023-26-06

– Thời gian: 13 giờ 00 phút, ngày 14/10/2024

– Họp trực tuyến qua Google Meet meet.google.com/cps-awvn-sab

– Quyết định nghiệm thu số: 1347/QĐ-ĐHQG ngày 18/9/2024 của Giám đốc ĐHQG-HCM

– Chủ tịch Hội đồng: PGS.TS. Vũ Đức Lung

– Tóm tắt đề tài:

Trong bối cảnh phát triển của Công nghiệp 4.0 và Internet vạn vật công nghiệp (Industrial Internet of Things – IIoT), việc giải quyết các mối đe dọa và tấn công mạng là điều bắt buộc. Việc thiếu chia sẻ thông tin về mối đe dọa do những lo ngại về quyền riêng tư và tính minh bạch đã cản trở việc xác định hiệu quả các tác nhân độc hại. Trong chủ đề này, chúng tôi đề xuất FedChain-Hunter, một khung hợp tác sử dụng Học tập liên kết (Federated Learning – FL) và chuỗi khối.

Sử dụng Mạng được xác định bằng phần mềm (Software Defined Networking – SDN) để theo dõi và thu thập sự kiện, nó đảm bảo quyền riêng tư thông qua Mã hóa hoàn toàn đồng hình (HE) và Quyền riêng tư khác biệt (Differential Privacy – DP). Nền tảng phi tập trung, được hỗ trợ bởi blockchain, thúc đẩy tính minh bạch và khả năng kiểm toán. Kết quả thử nghiệm trên năm bộ dữ liệu xác nhận khả năng phát hiện mối đe dọa mạng hiệu suất cao của FedChain-Hunter, đảm bảo tính bảo mật, độ tin cậy và quyền riêng tư. Ngoài ra, chúng tôi cũng thiết kế một khung khác có tên DeFL-BC cũng sử dụng FL và blockchain trong điện toán biên để phát hiện các cuộc tấn công mạng. Các thử nghiệm DeFL-BC chứng minh tính mạnh mẽ đối với các điểm lỗi duy nhất, hiệu suất vượt trội trước các cuộc tấn công đầu độc và khả năng phục hồi trước các hạn chế về tài nguyên tính toán cũng như gián đoạn mạng. Cả hai khung đều là những công trình nghiên cứu góp phần thúc đẩy việc phát hiện mối đe dọa hợp tác và an toàn trong môi trường IIoT.