Đề tài nghiên cứu
An ninh mạng
Một động lực chính cho sự phát triển đô thị thông minh là Cách mạng Công nghiệp 4.0, trong đó CNTT-TT (Công nghệ Thông tin và Truyền thông) giúp kết nối các hệ thống vật lý với thế giới ảo, từ đó giúp thị trường chuỗi cung ứng trở nên hiệu quả, linh hoạt và lấy khách hàng làm trung tâm hơn. Tuy nhiên, các rủi ro an ninh mạng lại trở thành mối quan ngại trọng tâm do các hệ thống mở có địa chỉ IP, tạo ra nhiều kẽ hở hơn cho các cuộc tấn công mạng.
Công nghệ Thông tin và Truyền thông (CNTT-TT) được kỳ vọng sẽ đóng vai trò ngày càng then chốt trong việc làm sâu sắc hơn quá trình hội nhập kinh tế và xây dựng cộng đồng trên toàn Hiệp hội các quốc gia Đông Nam Á (ASEAN), hướng tới một nền kinh tế kỹ thuật số an toàn, bền vững và mang tính chuyển đổi. Dự án này xem xét việc phát triển các đô thị thông minh có tính kết nối nhằm xây dựng một Cộng đồng ASEAN thông minh nói chung và tại Việt Nam nói riêng.
Dự án hướng tới việc cung cấp các công cụ nhằm nâng cao an ninh mạng trong Cách mạng Công nghiệp 4.0, góp phần tăng cường độ tin cậy của thông tin hướng tới một xã hội thông minh.
Các giải pháp của nhóm
01 Nền tảng
Học cộng tác để phát hiện tấn công
Collaborative / Federated learning
Mỗi nút trong mạng, chẳng hạn một full-node blockchain hay một gateway IoT, tự thu thập dữ liệu và huấn luyện mô hình ngay tại chỗ. Thay vì gửi dữ liệu thô về một máy chủ, các nút chỉ trao đổi tri thức đã học (trọng số mô hình). Máy chủ trung tâm tổng hợp thành một mô hình toàn cục rồi gửi trả lại cho từng nút.
Nhờ vậy, hệ thống tận dụng được tri thức của toàn mạng mà không phơi bày dữ liệu riêng tư và không gây nghẽn mạng do truyền dữ liệu lớn. Trong bài toán phát hiện và phân loại các cuộc tấn công ở tầng mạng, mô hình đạt độ chính xác tới 97,7%.
Tran V. Khoa, Do H. Son và cộng sự, IEEE TSMC (2024); WCNC (2024).
Học cộng tác phân tán, dữ liệu thô chỉ lưu tại các nút.
02 Blockchain
Phát hiện tấn công trên giao dịch & hợp đồng thông minh
Attacks in transactions & smart contracts
Blockchain ngày càng phổ biến, nhưng chính các giao dịch và hợp đồng thông minh lại trở thành mục tiêu tấn công. Các nguy cơ trải trên hai tầng: tầng mạng (spam giao dịch vô nghĩa, dò mật khẩu) và tầng giao dịch/hợp đồng thông minh (khai thác lỗ hổng để đánh cắp tài sản hoặc phá vỡ tính toàn vẹn của hệ thống).
Nhóm phát triển một bộ phát hiện theo mô hình học cộng tác, triển khai ngay tại các nút đào để giám sát theo thời gian thực và nhận diện tấn công trên cả hai tầng, đạt độ chính xác lên đến 94%.
Tran V. Khoa, Do H. Son và cộng sự, IEEE TCCN (2025).
Phát hiện tấn công theo thời gian thực trên blockchain.
03 Thị giác máy tính
Phát hiện tấn công dựa trên thị giác máy
Vision-based learning · Vision Transformer
Một bộ tiền xử lý dùng kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) chuyển các đặc trưng của giao dịch, như giá trị giao dịch, lượng gas tiêu thụ, độ dài dữ liệu đầu vào, thành biểu diễn dạng ảnh. Ảnh này được đưa vào Vision Transformer (ViT), vốn rất mạnh trong việc nắm bắt các mẫu và quan hệ ngữ nghĩa phức tạp.
Cách kết hợp NLP với học thị giác giúp phát hiện nhiều loại tấn công, đạt độ chính xác 99,5% mà chỉ dùng khoảng 8% số tham số so với ResNet, tức là nhẹ và triển khai được trên nút hạn chế tài nguyên.
Do H. Son, Le V. Hieu và cộng sự, ISCIT (2025).
Giao dịch, ảnh, Vision Transformer, phân loại.
04 IoT · Công nghiệp 4.0
Học chuyển giao khi các nút có phân phối dữ liệu không đều
Deep transfer learning for IoT
Trong mạng IoT, học liên kết gặp hai trở ngại lớn: nhiều mạng không có dữ liệu gán nhãn, và đặc trưng dữ liệu giữa các mạng lại khác nhau. Nhóm dùng học chuyển giao để chiếu đặc trưng của các mạng vào một không gian đặc trưng chung, nhờ đó một mạng đích không có nhãn có thể nhanh chóng học tri thức từ một mạng nguồn giàu nhãn, không còn đòi hỏi các mạng phải có cùng tập đặc trưng như trước.
Tran V. Khoa và cộng sự, IEEE Internet of Things Journal (2023).
Học chuyển giao giữa các mạng IoT.
05 Chuỗi cung ứng
Học bán giám sát khi nhãn khan hiếm
Semi-supervised anomaly detection
Trong chuỗi cung ứng dựa trên blockchain, dữ liệu bất thường thường rất ít và tốn kém để gán nhãn. Học bán giám sát khai thác một lượng nhỏ mẫu có nhãn cùng với khối lớn dữ liệu chưa gán nhãn để dựng ranh giới phân tách, từ đó đánh dấu những hành vi lệch chuẩn là bất thường.
Do H. Son, Bui D. Manh và cộng sự, ISCIT (2024).
Học bán giám sát cho chuỗi cung ứng.
06 Công nghiệp 4.0
Đánh giá rủi ro an ninh mạng cho Công nghiệp 4.0
Cyber risk assessment framework
Nhóm xây dựng một khung đánh giá rủi ro an ninh mạng cho Công nghiệp 4.0, giúp nhận diện và xếp hạng các nguy cơ trên các hệ thống kết nối, kèm theo khuyến nghị áp dụng cho bối cảnh Việt Nam.
Bui M. Tuan, Tran V. Khoa, Do H. Son và cộng sự, REV-JEC (2023).
Đánh giá rủi ro cho Công nghiệp 4.0.
Ứng dụng thực tế
Triển khai trên hạ tầng blockchain thực tế
Các giải pháp trên đã được triển khai trên các hệ thống thực tế trong phòng thí nghiệm: hệ thống truy xuất nguồn gốc dựa trên hạ tầng Ethereum, lưới điện thông minh đến mạng IoT Công nghiệp 4.0.
Nền tảng blockchain cho nhiều ứng dụng của đô thị thông minh.
Thành viên
Selected Publications
Journals
Tran Viet Khoa, Do Hai Son, Chi-Hieu Nguyen, Dinh Thai Hoang, Diep N. Nguyen, Tran Thi Thuy Quynh, Trong-Minh Hoang, Nguyen Viet Ha, Eryk Dutkiewicz, Mohammad Abu Alsheikh, and Nguyen Linh Trung. Collaborative learning framework to detect attacks in transactions and smart contracts. IEEE Transactions on Cognitive Communications and Networking, 12:4290 – 4306, November 2025.
Tran Viet Khoa, Do Hai Son, Dinh Thai Hoang, Nguyen Linh Trung, Tran Thi Thuy Quynh, Nguyen Viet Ha, Diep N Nguyen, and Eryk Dutkiewicz. Collaborative learning for cyberattack detection in blockchain networks. IEEE Transactions on Systems, Man, Cybernetics: Systems, vol. 54, no 7, pages 3920-3933, July 2024.
Bui Minh Tuan, Tran Viet Khoa, Do Hai Son, Nguyen Linh Trung, Tran Thi Thuy Quynh, Nguyen Viet Ha, Nguyen Ngoc Hoa, Nguyen Dai Tho, and Le Quang Minh. A new framework for cyber risk assessment for Industry 4.0 and recommendations for Vietnam. REV Journal on Electronics and Communications, 13(3–4):28–44, July–December 2023.
Tran Viet Khoa, Dinh Thai Hoang, Nguyen Linh Trung, Cong T. Nguyen, Tran Thi Thuy Quynh, Diep N. Nguyen, Nguyen Viet Ha, and Eryk Dutkiewicz. Deep Transfer Learning: A Novel Collaborative Learning Model for Cyberattack Detection Systems in IoT Networks. IEEE Internet of Things Journal, vol. 10, no. 10, pp. 8578-8589, 2023.
Conferences
Do Hai Son, Le Vu Hieu, Tran Viet Khoa, Yibeltal F. Alem, Hoang Trong Minh, Tran Thi Thuy Quynh, Nguyen Viet Ha, and Nguyen Linh Trung. Vision-based learning for cyberattack detection in blockchain smart contracts and transactions. In 24th International Symposium on Communications and Information Technologies (ISCIT), Hanoi, Vietnam, 16-18 October 2025.
Do Hai Son, Bui Duc Manh, Tran Viet Khoa, Nguyen Linh Trung, Dinh Thai Hoang, Hoang Trong Minh, Yibeltal Alem, and Le Quang Minh. Semi-supervised learning for anomaly detection in blockchain-based supply chains. In 2024 23rd International Symposium on Communications and Information Technologies (ISCIT), pages 140–145, 2024
Tran Viet Khoa, Do Hai Son, Dinh Thai Hoang, Nguyen Linh Trung, Tran Thi Thuy Quynh, Nguyen Viet Ha, Diep N Nguyen, and Eryk Dutkiewicz. Real-time cyberattack detection with collaborative learning for blockchain networks. In IEEE Wireless Communications and Networking Conference (WCNC), Dubai, United Arab Emirates, April 2024.
Do Hai Son, Tran Thi Thuy Quynh, Tran Viet Khoa, Dinh Thai Hoang, Nguyen Linh Trung, Nguyen Viet Ha, Dusit Niyato, Diep N. Nguyen, and Eryk Dutkiewicz. An effective framework of private Ethereum blockchain network for smart grid. International Conference on Advanced Technologies for Communications (ATC), Ho Chi Minh city, Vietnam, 2021. [Best paper award]
Tran Viet Khoa, Yuris Mulya Saputra, Dinh Thai Hoang, Nguyen Linh Trung, Diep N. Nguyen, Nguyen Viet Ha, and Eryk Dutkiewicz. Collaborative learning model for cyberattack detection systems in IoT industry 4.0. In IEEE Wireless Communications and Networking Conference (WCNC), Seoul, South Korea, May 2020.