Học viên cao học ngành An toàn thông tin - Phạm Trần Tiến Đạt tham dự hội nghị và báo cáo công trình nghiên cứu về Hệ thống phát hiện xâm nhập tại Hội nghị khoa học quốc tế The 13th International Symposium on Information and Communication Technology (SoICT 2024).
Thông tin về hội nghị:
Hội nghị khoa học quốc tế SoICT 2024 diễn ra tại Thành phố Đà Nẵng do Trường Công nghệ thông tin và Truyền Thông - ĐH Bách Khoa Hà Nội, Trường ĐH Khoa học Tự nhiên - ĐHQG TP. HCM, Trường ĐH Bách khoa - ĐH Đà Nẵng phối hợp tổ chức vào ngày 13-15/12/2024.
Hội nghị SOICT 2024 là một hội nghị khoa học quốc tế bao gồm các lĩnh vực nghiên cứu quan trọng bao gồm Nền tảng AI và Dữ liệu lớn, Công nghệ mạng và truyền thông, Xử lý đa phương tiện, Kỹ thuật phần mềm, Ứng dụng AI, AI tạo sinh, Nghiên cứu và tối ưu hóa hoạt động ứng dụng, An toàn thông tin.
Thông tin về bài báo khoa học:
- Tên bài báo: "A Study on Efficient Provenance-Based Intrusion Detection System using Few-shot Graph Representation Learning”
- Học viên thực hiện: Phạm Trần Tiến Đạt - An toàn thông tin (Khóa 2022)
Tóm tắt bài báo: “Today, the evolution of attacks has made traditional defense methods insufficient for modern complex situations. Advanced Persis tent Threats (APTs), characterized by their persistence, sophistication, and diversity, are often initiated by large, well-organized, highly skilled hacker groups with clear objectives. Provenance-based Intrusion Detection Systems have become increasingly popular for their ability to detect sophisticated APTs attacks. Despite their potential, they face significant challenges related to accuracy, practicality, and scalability, especially in situations with insufficient training data. We propose PROVSHOT, the few-shot graph representation learning framework for intrusion detection system based on provenance data, combined with the Model-Agnostic Meta-Learning (MAML) algorithm to effectively classify malicious entities in scenarios with limited data. PROVSHOT incorporates semantic encoding of node attributes to enhance the representational capability of the nodes, helping the model make better predictions. We evaluate the model on three public datasets, including StreamSpot, Unicorn and DARPA E3. The results indicate that PROVSHOT can accurately predict APT attack types across all datasets, even with limited data”.
Mọi thông tin chi tiết xem tại: https://www.facebook.com/share/p/1KRrcjZbTR/
Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin
