Tên đề tài luận án: Nghiên cứu nâng cao hiệu năng phát hiện xâm nhập mạng thông qua tăng cường chất lượng tập dữ liệu, suy luận kết hợp song song và chiến lược lấy mẫu.

1. Họ và tên nghiên cứu sinh: VÕ VĂN HOÀNG                                     2. Giới tính: Nam

3. Ngày sinh: 12/02/1986                                                                         4. Nơi sinh: Hà Tĩnh

5. Quyết định công nhận nghiên cứu sinh số: 1200/QĐ-CTSV, ngày 29 tháng 12 năm 2025 của Hiệu trưởng Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội.

6. Các thay đổi trong quá trình đào tạo: gia hạn học tập 02 năm (24 tháng) theo Quyết định số 1442/QĐ-ĐHQG ngày 29/12/2023 của Hiệu trưởng Trường Đại học Công nghệ.

7. Tên đề tài luận án: Nghiên cứu nâng cao hiệu năng phát hiện xâm nhập mạng thông qua tăng cường chất lượng tập dữ liệu, suy luận kết hợp song song và chiến lược lấy mẫu.

8. Ngành đào tạo: Hệ thống thông tin.                                                      9. Mã số: 9480104.01

10. Cán bộ hướng dẫn khoa học:

Cán bộ hướng dẫn chính: PGS.TS. Nguyễn Ngọc Hoá, Trường Đại học Công nghệ.

Cán bộ hướng dẫn phụ: PGS.TS. Nguyễn Ngọc Tú, Kennesaw State University.

Thông tin luận án Tiến sỹ của NCS Võ Văn Hoàng (tiếng Anh)

11. Tóm tắt các kết quả mới của luận án:

– Đề xuất một pipeline học máy tăng cường dữ liệu và tối ưu hoá tập thuộc tính (WGAN-powered augmentation + SHAP-based feature optimization) giúp cân bằng và nâng cao chất lượng tập dữ liệu huấn luyện, từ đó nâng cao khả năng phát hiện các loại tấn công vào những nhãn thiểu số;

– Đề xuất khung suy luận tương hỗ deep + boosting mutual inference giúp tăng cường độ chính xác, khả năng kháng cự của hệ thống phát hiện xâm nhập và mã độc.

– Đề xuất giải pháp giải quyết điểm nghẽn dữ liệu trong phòng chống xâm nhập mạng quy mô lớn thông qua chiến lược thu nhận luồng dữ liệu mạng theo thời khoảng và tần suất, song song hoá quá trình suy luận các mô hình kết hợp deep + boosting mutual inference.

– Tích hợp các phương pháp đề xuất để triển khai hệ thống phát hiện và ngăn chặn xâm nhập thời gian thực NetIPS, có khả năng phát hiện với các mô hình AI trên không gian người dùng, cho phép xử lý với lưu lượng lớn (real-time large-scale), phù hợp với mạng doanh nghiệp hoặc ISP.

12. Khả năng ứng dụng trong thực tiễn: Hệ thống phát hiện và phòng chống xâm nhập (NetIPS): có thể triển khai trong các mạng quy mô lớn, hỗ trợ phát hiện theo thời gian thực, kết hợp giữa chữ ký, học máy và phân tích hành vi.

13. Những hướng nghiên cứu tiếp theo: Mở rộng kịch bản đánh giá NetIPS: triển khai trên các môi trường mạng thực tế lớn, đa dạng loại hình tấn công và kết hợp thêm yếu tố hiệu năng phần cứng và tối ưu hóa cho triển khai thực tế.

14. Các công trình đã công bố có liên quan đến luận án:

+ Hoang V. Vo and P. Du and H. N. Nguyen, Apelid: Enhancing real-time intrusion detection with augmented wgan and parallel ensemble learning, Computers \& Security 136 (2024) 103567. doi:10.1016/j.cose.2023.103567;

+ Hoang V. Vo and H. P. Du and H. N. Nguyen, Ai-powered intrusion detection in large-scale traffic networks based on flow sensing strategy and parallel deep analysis, Journal of Network and Computer Applications 220 (2023) 103735. doi:10.1016/j.jnca.2023.103735;

+ Hoang V. Vo and H. P. Du and H. N. Nguyen, MDOB: Enhancing Resilient and Explainable AI-Powered Malware Detection Using Feature Set Optimization and Mutual Deep+Boosting Ensemble Inference. Journal of Information Security and Applications 93 (2025) 104175. doi.org/10.1016/j.jisa.2025.104175; 

+ Hoang V. Vo , H. N. Nguyen, T. N. Nguyen, H. P. Du, Sdaid:Towards a hybrid signature and deep analysis-based intrusion detection method, in: GLOBECOM 2022 – 2022 IEEE Global Communications Conference, 2022, pp. 2615–2620.  doi:10.1109/GLOBECOM 48099.2022.10001582;

+ Hoang V. Vo, D. H. Nguyen, T. T. Nguyen, H. N. Nguyen, D. V. Nguyen, Leveraging ai-driven realtime intrusion detection by using wgan and xgboost, in: Proceedings of the 11th International Symposium on Information and Communication Technology, Association for Computing Machinery, New York, NY, USA, 2022, p. 208–215. doi:10.1145/3568562.3568660;

+ Hoang V. Vo, P. H. Nguyen, H. T. Nguyen, D. B. Vu, H. N. Nguyen, Enhancing ai – powered malware detection by parallel ensemble learning, in: 2023 RIVF International Conference on Computing and Communication Technologies (RIVF), 2023, pp. 503–508. doi:10.1109/RIVF60135.2023.10471855;

+ Hoang V. Vo, H. P. Du and H. N. Nguyen, “AWDLID: Augmented WGAN and Deep Learning for Improved Intrusion Detection,” 2024 1st International Conference On Cryptography And Information Security (VCRIS), Hanoi, Vietnam, 2024, pp. 1-6, doi: 10.1109/VCRIS63677.2024.10813392.