25/08/2026
🎉CHÚC MỪNG NHÓM SINH VIÊN NGÀNH AN TOÀN THÔNG TIN CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN ĐĂNG TẠI TẠP CHÍ Q1 THUỘC TOP 06 CỦA LĨNH VỰC MẠNG MÁY TÍNH VÀ AN TOÀN THÔNG TIN (ELSEVIER)🎉
Chúc mừng nhóm sinh viên Tiền Đức Anh Hào - Lương Hoàng Minh, SV ngành An toàn thông tin - Khoa Mạng máy tính và truyền thông đã xuất sắc có bài báo khoa học về phương pháp phát hiện mã độc trên hệ điều hành Android sử dụng học sâu đa phương thức, có khả năng chống chịu cao trước các kỹ thuật làm rối mã và tấn công đối kháng. Bài báo vừa được chấp nhận đăng tại "Journal of Network and Computer Applications" – một tạp chí uy tín hàng đầu khi nằm trong Top 06 của lĩnh vực Mạng máy tính và An toàn thông tin, thuộc danh mục Q1 của nhà xuất bản Elsevier.
📝Tên bài báo: "DMLDroid: Deep Multimodal Fusion Framework for Android Malware Detection with Resilience to Code Obfuscation and Adversarial Perturbations".
👨💻Sinh viên thực hiện:
● Tiền Đức Anh Hào - Lớp ATTT2022.1
● Lương Hoàng Minh - Lớp ATTT2022.2
Bài báo là kết quả NCKH của SV tại Phòng thí nghiệm An toàn thông tin về chủ đề Bảo mật thiết bị di động và Ứng dụng Trí tuệ nhân tạo trong nhận diện mã độc.
👨🏫Giảng viên hướng dẫn: ThS. Đoàn Minh Trung, TS. Phan Thế Duy
Lời cảm ơn của nhóm sinh viên: "Chúng em xin cảm ơn Thầy Đoàn Minh Trung, Thầy Phan Thế Duy cùng các Thầy/Cô tại PTN ATTT đã hướng dẫn và hỗ trợ chúng em trong suốt quá trình thực hiện bài báo. Những góp ý và trao đổi của các Thầy/Cô đã giúp chúng em hoàn thiện nghiên cứu tốt hơn. Chúng em cũng cảm ơn Information Security Lab (InSecLab) và Khoa Mạng máy tính & Truyền thông (UIT) đã tạo điều kiện để chúng em có cơ hội học tập và nghiên cứu. Cảm ơn mọi người đã đồng hành cùng chúng em trong suốt thời gian qua."
✅Tóm tắt bài báo (Abstract)
In recent years, learning-based Android malware detection has seen significant advancements, with detectors generally falling into three categories: string-based, image-based, and graph-based approaches. While these methods have shown strong detection performance, they often struggle to sustain robustness in real-world settings, particularly when facing code obfuscation and adversarial examples (AEs). Deep multimodal learning has emerged as a promising solution, leveraging the strengths of multiple feature types to enhance robustness and generalization. However, a systematic investigation of multimodal fusion for both accuracy and resilience remains underexplored. In this study, we propose DMLDroid, an Android malware detection based on multimodal fusion that leverages three different representations of malware features, including permissions & intents (tabular-based), DEX file representations (image-based), and API calls (graph-derived sequence-based). We conduct exhaustive experiments independently on each feature, as well as in combination, using different fusion strategies. Experimental results on the CICMalDroid 2020 dataset demonstrate that our multimodal approach with the dynamic weighted fusion mechanism achieves high performance, reaching 97.98% accuracy and 98.67% F1-score on original malware detection. Notably, the proposed method maintains strong robustness, sustaining over 98% accuracy and 98% F1-score under both obfuscation and adversarial attack scenarios. Our findings highlight the benefits of multimodal fusion in improving both detection accuracy and robustness against evolving Android malware threats.
✅Thông tin về Tạp chí khoa học:
Journal of Network and Computer Applications (JNCA), ấn phẩm khoa học quốc tế thuộc nhà xuất bản Elsevier, là một trong những diễn đàn học thuật danh giá nhất trong lĩnh vực Mạng máy tính truyền thông và Hệ thống thông tin. Theo dữ liệu từ Google Scholar Metrics, JNCA hiện giữ vị trí thứ 6 toàn cầu trong danh mục Computer Networks & Wireless Communication với chỉ số h5-index đạt 101, khẳng định tầm ảnh hưởng sâu rộng của tạp chí đối với cộng đồng nghiên cứu quốc tế, đặc biệt là các giải pháp công nghệ mang tính hệ thống. Vị thế này được củng cố bởi việc tạp chí liên tục duy trì xếp hạng Q1 (Quartile 1) trong các danh mục Computer Science Applications và Computer Networks and Communications theo hệ thống SCImago Journal Rank (SJR). Các chỉ số đo lường hiệu quả nghiên cứu khác cũng phản ánh quy trình kiểm duyệt khắt khe và chất lượng nội dung vượt trội, với Impact Factor (JCR) đạt xấp xỉ 8.0 và chỉ số trích dẫn CiteScore (Scopus) chạm ngưỡng 20.3, thể hiện sự công nhận mạnh mẽ từ giới chuyên gia đối với các công trình được công bố.
Sự uy tín của JNCA còn được thể hiện qua vai trò là địa chỉ tiên phong cho các nghiên cứu giao thoa giữa kiến trúc mạng hiện đại và an ninh thông tin chuyên sâu. Tạp chí đặt ưu tiên cao cho các công trình giải quyết triệt để các thách thức bảo mật trong những môi trường phức tạp như mạng phân tán và Internet of Things (IoT). Việc công bố nghiên cứu về hệ thống phát hiện xâm nhập dựa trên trí tuệ nhân tạo (AI-based IDS) trên một tạp chí có thứ hạng cao như JNCA không chỉ khẳng định tính đột phá của các thuật toán đề xuất mà còn minh chứng cho khả năng ứng dụng thực tiễn của giải pháp trong việc bảo mật hạ tầng mạng phân tán trước các kỹ thuật tấn công hiện đại. Kết quả này là bằng chứng xác thực cho nền tảng lý thuyết vững chắc, tính mới trong phương pháp luận và đóng góp quan trọng của công trình vào sự phát triển chung của lĩnh vực an ninh mạng toàn cầu.
