29/09/2026
🟢 SINH VIÊN UIT NGHIÊN CỨU GIẢI PHÁP ĐA PHƯƠNG THỨC PHÁT HIỆN LỖ HỔNG HỢP ĐỒNG THÔNG MINH BỀN VỮNG CHỐNG LẠI KỸ THUẬT LÀM RỐI MÃ
🎉 CHÚC MỪNG NHÓM SINH VIÊN NGÀNH AN TOÀN THÔNG TIN CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN ĐĂNG TẠI TẠP CHÍ Q1 THUỘC TOP 20 LĨNH VỰC TRÍ TUỆ NHÂN TẠO (ELSEVIER) 🎉
Chúc mừng nhóm sinh viên Minh Đại – Chí Thành – Hải Phong, sinh viên ngành An toàn thông tin, Khoa Mạng máy tính và Truyền thông, đã xuất sắc có bài báo khoa học về phát hiện lỗ hổng bảo mật trong hợp đồng thông minh được chấp nhận đăng tại Engineering Applications of Artificial Intelligence (EAAI) — một tạp chí uy tín hàng đầu, nằm trong Top 20 của lĩnh vực Trí tuệ nhân tạo, thuộc danh mục Q1 và được xuất bản bởi Elsevier.
📝 Tên bài báo: “ContractShield: Bridging Semantic-Structural Gaps via Hierarchical Cross-Modal Fusion for Multi-Label Vulnerability Detection in Obfuscated Smart Contracts”
👨💻 Sinh viên thực hiện:
Trần Dương Minh Đại — Lớp ATTN2022
Nguyễn Chí Thành — Lớp ATTT2022
Nguyễn Hải Phong — Lớp ATTT2022
Bài báo là kết quả nghiên cứu khoa học của sinh viên về ứng dụng trí tuệ nhân tạo trong phát hiện đa nhãn các lỗ hổng bảo mật của hợp đồng thông minh, đặc biệt trong bối cảnh mã nguồn bị làm rối nhằm né tránh các hệ thống phát hiện.
👨🏫 Giảng viên hướng dẫn: ThS. Đoàn Minh Trung, TS. Phan Thế Duy, PGS.TS Trương Hữu Trầm — Viện Công nghệ Singapore (SIT), PGS.TS Phạm Văn Hậu
💬 Lời cảm ơn của nhóm sinh viên: “Trước tiên, nhóm chúng em xin gửi lời tri ân sâu sắc đến quý thầy. Chúng em chân thành cảm ơn quý thầy đã tận tâm định hướng, truyền đạt những kiến thức chuyên môn quý báu và kiên nhẫn đồng hành cùng nhóm từ những ý tưởng ban đầu cho đến khi nghiên cứu được hoàn thiện. Những góp ý nghiêm túc, sự hỗ trợ tận tình và tinh thần làm việc khoa học của các thầy là nguồn động lực quan trọng giúp nhóm vượt qua những khó khăn trong quá trình thực hiện công trình. Nhóm cũng xin chân thành cảm ơn PTN ATTT (InSecLab), Khoa Mạng máy tính và Truyền thông cùng Trường Đại học Công nghệ Thông tin — ĐHQG-HCM đã tạo điều kiện và xây dựng một môi trường học tập, nghiên cứu tích cực cho sinh viên. Kết quả này sẽ là động lực lớn để chúng em tiếp tục cố gắng và theo đuổi con đường nghiên cứu khoa học trong thời gian tới.”
✅ Tóm tắt bài báo (Abstract): Smart contracts are increasingly targeted by adversaries employing obfuscation techniques such as bogus code injection and control flow manipulation to evade vulnerability detection. Existing multimodal methods often process semantic, temporal, and structural features in isolation and fuse them using simple strategies such as concatenation. This limits cross-modal interaction and weakens robustness when one modality is obfuscated. To address these challenges, we propose ContractShield, a multimodal framework with a three-stage hierarchical fusion mechanism. The first stage refines each modality independently, the second enables directed pairwise information exchange across modalities, and the final stage applies adaptive weighting to the three representations, recomputed for each contract. ContractShield encodes (1) Solidity source code with sliding-window CodeBERT, (2) opcode sequences with xLSTM (Extended Long Short-Term Memory), and (3) bytecode-derived control flow graphs (CFGs) with Graph Attention Network version 2 (GATv2). On clean data, ContractShield achieves an 89% Hamming Score and a 91% F1-score across five vulnerability types. Under obfuscation, its Hamming Score decreases by only 1.22–3.42 percentage points while remaining above 73%, compared with 4.10–5.30 for concatenation-based fusion using the same three encoders and 2.24–20.84 for single-stage attention-based fusion baselines, whose Hamming Score falls as low as 39.27%. ContractShield also outperforms the strongest baseline by 3.66–11.82 F1-score points across all obfuscation settings and test sets. These results demonstrate that hierarchical cross-modal fusion improves robustness to obfuscation and supports more reliable smart contract vulnerability detection.
✅ Thông tin về tạp chí khoa học: Engineering Applications of Artificial Intelligence (EAAI), tạp chí khoa học quốc tế thuộc nhà xuất bản Elsevier, là một trong những diễn đàn học thuật uy tín trong lĩnh vực ứng dụng Trí tuệ nhân tạo vào các bài toán kỹ thuật và thực tiễn. Tạp chí duy trì xếp hạng Q1 (Quartile 1) theo hệ thống SCImago Journal Rank (SJR), đồng thời có Journal Impact Factor đạt 9.0 và CiteScore đạt 11.7, phản ánh chất lượng và sức ảnh hưởng của các công trình được công bố. EAAI ưu tiên những nghiên cứu đề xuất phương pháp trí tuệ nhân tạo có tính mới, được kiểm chứng chặt chẽ và có khả năng giải quyết các vấn đề kỹ thuật thực tế. Việc công bố nghiên cứu về phát hiện lỗ hổng hợp đồng thông minh tại EAAI không chỉ khẳng định tính mới và nền tảng phương pháp vững chắc của công trình mà còn cho thấy tiềm năng ứng dụng của trí tuệ nhân tạo trong việc nâng cao mức độ an toàn và tin cậy cho hệ sinh thái blockchain.
