Mục tiêu của dự án là phát triển các mô hình mạng nơ-ron tự mã hóa phân tách (Separable Autoencoder) cho phát hiện bất thường. Các mô hình được đề xuất góp phần nâng cao độ chính xác của phương pháp phát hiện bất thường trong trường hợp khan hiếm dữ liệu có nhãn và tồn tại nhiều loại bất thường phức tạp. Tiếp đó, dự án hướng đến áp dụng các giải pháp được đề xuất vào giải quyết một số bài toán quan trọng trong thực tế bao gồm an toàn thông tin và giám sát video.
Nội dung chính của dự án
● Phát triển mô hình Autoencoder tự huấn luyện mới giúp phân tách dữ liệu bất thường khỏi dữ liệu bình thường trong không gian biểu diễn ẩn.
● Phát triển mô hình mạng Autoencoder kép (Twin Autoencoder) có biểu diễn ẩn khả tách xác định và học tái tạo biểu diễn ẩn bằng kiến trúc kép.
● Đề xuất mô hình học liên kết (Federated Learning) mới dựa trên mô hình Autoencoder cho phát hiện bất thường trong mạng IoTs.
● Xây dựng mô hình Autoencoder dựa trên bộ nhớ để phát hiện bất thường trong video.
● Áp dụng các phương pháp được đề xuất cho một số ứng dụng trong thực tế bao gồm an ninh mạng và giám sát camera.
