Ứng dụng công nghệ trí tuệ nhân tạo trong bài toán phân loại văn bản

Trong nhiều lĩnh vực, phân loại văn bản là một trong những bài toán được ứng dụng rộng rãi của xử lý ngôn ngữ tự nhiên, với mục đích là tự động phân loại các tài liệu vào một hoặc nhiều thể loại được xác định. Nội dung dưới đây trình bày về một mô hình mạng nơron học sâu được đề xuất để phân loại các văn bản theo các chủ đề đã được xác định. Mô hình này được huấn luyện sử dụng bộ dữ liệu tự xây dựng ứng dụng cho lĩnh vực quân sự. Tập dữ liệu gồm 04 chủ đề, trong đó, mỗi chủ đề gồm 100 văn bản cho việc huấn luyện và 100 văn bản để kiểm tra. Các kết quả thực nghiệm đều cho thấy mô hình hoạt động đạt độ chính xác tới 91.86%.

Xu hướng giải pháp an toàn mạng trong thời đại số hóa

Hiện nay, tình hình tấn công mạng trên thế giới ngày càng gia tăng và phát triển đa dạng, đe dọa trực tiếp đến sự phát triển của các tổ chức. Do đó, việc triển khai một chiến lược và các giải pháp đảm bảo an toàn thông tin với khả năng mở rộng linh hoạt, liên tục dự đoán được các thay đổi là vô cùng quan trọng. Điều này được thực hiện bằng sự kết hợp của hai xu hướng: chặn bắt gói tin (packet capture) và giám sát luồng dữ liệu, kết hợp với học máy (Machine Learning) và trí tuệ nhân tạo (Artificial Intelligence – AI).

Học máy tự động sẽ là xu hướng phát triển mạnh nhất của trí tuệ nhân tạo

Tháng 10/2015, trong buổi hội thảo về chức năng lái tự động của xe ô tô điện Tesla Model S, Giám đốc điều hành (CEO) của hãng Tesla (Mỹ) – Elon Musk đã nói rằng, mỗi người lái sẽ trở thành “chuyên gia huấn luyện” cho các Model S. Mỗi xe có thể học được từ người lái, nhưng quan trọng hơn, những kiến thức tự học này sẽ được chia sẻ với những chiếc xe khác của Tesla.

Constructing Heuristic Malware Detection Mechanism Based on Static Analysis

CSKH-01.2017 - (Tóm tắt) - Trong hệ thống mạng, vấn đề an toàn và bảo mật thông tin đóng một vai trò hết sức quan trọng. Bài báo này trình bày cơ sở lý thuyết về khả năng sử dụng không gian đặc trưng mới, được trích chọn trong quá trình phân tích tĩnh các tập tin thực thi để giải quyết bài toán nhận diện mã độc. Đóng góp khoa học trong bài báo bao gồm: Xây dựng bộ phân lớp tập tin thực thi trong trường hợp thiếu các thông tin tiên nghiệm, mô hình hóa lớp các tập tin bị lây nhiễm và phần mềm độc hại trong quá trình học máy; Xây dựng phương thức phát hiện phần mềm độc hại sử dụng mạng nơron và cây quyết định. Bài báo cũng mô tả mô hình hệ thống phát hiện phần mềm độc hại bằng cách sử dụng phương pháp phân tích tĩnh các tập tin thực thi...

Giới thiệu một số nền tảng thư viện cho việc nghiên cứu ứng dụng học máy và khoa học dữ liệu

Bài báo này giới thiệu về một số nền tảng thư viện cần biết cho việc nghiên cứu ứng dụng học máy và khoa học dữ liệu.

Xu hướng phát triển các giải pháp phát hiện tấn công thế hệ mới

Hiện nay, các phần mềm diệt virus tồn tại các hạn chế về công nghệ như: chỉ sử dụng theo mẫu (signature-based) hoặc theo hành vi (behaviour-based) để phát hiện mã độc. Bài báo này giới thiệu về xu hướng phát triển các giải pháp phát hiện tấn công thế hệ mới.

Sử dụng phương pháp học máy để phát hiện Botnet

Bài viết này đề cập đến phương pháp phát hiện botnet sử dụng học máy để phân loại dựa trên tình trạng lưu lượng mạng. Phương pháp này không phụ thuộc vào nội dung gói tin và giao thức truyền tin sử dụng mã hóa mà các thông tin về lưu lượng mạng được thu thập từ các thiết bị mạng.