PGS.TS. Kok-Seng Wong
Viện Kỹ Thuật Và Khoa Học Máy Tính
Giảng viên, Chương trình Khoa học Máy tính
Giới thiệu
TS. Kok-Seng Wong là Phó Giáo sư tại Viện Kỹ thuật và Khoa học Máy tính (CECS), VinUniversity. Ông nhận bằng Cử nhân Khoa học Máy tính (Kỹ thuật Phần mềm) từ Đại học Malaya, Malaysia, sau đó hoàn thành Thạc sĩ Công nghệ Thông tin tại Đại học Khoa học và Công nghệ Malaysia (hợp tác với MIT). Ông bảo vệ luận án Tiến sĩ tại Đại học Soongsil, Hàn Quốc.
Với hơn 20 năm kinh nghiệm giảng dạy Khoa học Máy tính tại các trường đại học ở Malaysia, Hàn Quốc, Kazakhstan và Việt Nam, TS. Wong có nhiều nghiên cứu trong các lĩnh vực an toàn thông tin, bảo mật dữ liệu và AI đáng tin cậy. Hiện tại, ông tập trung vào Học liên kết (Federated Learning – FL), đặc biệt là các vấn đề quan trọng như bảo vệ quyền riêng tư dữ liệu, tấn công cửa hậu (backdoor attacks) và tối ưu hóa hiệu suất truyền thông. Ông đã công bố nhiều bài báo chất lượng cao về FL tại các hội nghị và tạp chí hàng đầu như CVPR, ECCV, ICLR, NeurIPS, ACL, WWW, IEEE TETC, IEEE TNSM, v.v.
• An toàn thông tin
• Bảo vệ quyền riêng tư dữ liệu
• AI đáng tin cậy
• Tấn công cửa hậu và cơ chế phòng thủ
• Học liên kết (Federated Learning)
• Nhập môn Lập trình
• Lập trình Hướng đối tượng
• Thiết kế Thuật toán
• Tư duy Tính toán và Thuật toán
- Quang H. Nguyen, Nguyen Ngoc-Hieu, The-Anh Ta, Thanh Nguyen-Tang, Kok-Seng Wong, Hoang Thanh-Tung, Khoa D. Doan, “Wicked Oddities: Selectively Poisoning for Effective Clean-Label Backdoor Attacks,” the 13th International Conference on Learning Representations (ICLR’25), 2025.
- Toan D. Gian, Tien Dac Lai, Thien Van Luong, Kok-Seng Wong, and Van-Dinh Nguyen. HPE-Li: WiFi-enabled Lightweight Dual Selective Kernel Convolution for Human Pose Estimation. European Conference on Computer Vision (ECCV 2024), Milan, Italy.
- Le Huy Khiem, Long Tuan Ho, Cuong Do, Danh Le-Phuoc, and Kok-Seng Wong, “Efficiently Assemble Normalization Layers and Regularization for Federated Domain Generalization,” the IEEE / CVF Computer Vision and Pattern Recognition Conference (CVPR’24), Seattle, 2024, pp. 6027-6036.
- Duy Hoang, Nguyen Hung-Quang, Saurav Manchanda, Minlong Peng, Kok-Seng Wong, and Khoa Doan. Fooling the textual fooler via randomizing latent representations. In Lun-Wei Ku, Andre Martins, and Vivek Srikumar, editors, Findings of the Association for Computational Linguistics (ACL 2024), pages 14403–14421, Bangkok, Thailand.
- Tran Van Tuan, Pham Huy Hieu, and Kok-Seng Wong, “Personalized privacy-preserving framework for cross-silo federated learning,” IEEE Transactions on Emerging Topics in Computing (ISSN: 2168-6750), 2024.
- Thuy Dung Nguyen, Tuan Nguyen, Phi Le Nguyen, Hieu H. Pham, Khoa D. Doan, and Kok-Seng Wong, “Backdoor Attacks and Defences in Federated Learning: Survey, Challenges and Future Research Directions,” Engineering Applications of Artificial Intelligence (ISSN: 1873-6769), Vol. 127, Part A, 2024. 01.
- Nguyen, N. H., Nguyen, T. A., Nguyen, T., Hoang, V. T., Le, D. D., & Wong, K. S, “Towards Efficient Communication Federated Recommendation System via Low-rank Training,” the ACM Web Conference (TheWebConf’24), Singapore, 2024, pp.3940-3951.
- Quang H. Nguyen, Yingjie Lao, Tung Pham, Kok-Seng Wong, and Khoa D. Doan, “Understanding the Robustness of Randomized Feature Defense Against Query-Based Adversarial Attacks,” the 12th International Conference on Learning Representations (ICLR’24), 2024.
- Nguyen Anh Tu, Assanali Abu, Nartay Aikyn, Nursultan Makhanov, Min-Ho Lee, Khiem Le-Huy, and Kok-Seng Wong, “FedFSLAR: A Federated Learning Framework for Few-Shot Action Recognition,” Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshops, 2024, pp. 270-279.
- Thuy Dung Nguyen, Tuan Nguyen, Anh Tran, Khoa D. Doan, and Kok-Seng Wong, “IBA: Towards Irreversible Backdoor Attacks in Federated Learning,” the 37th Conference on Neural Information Processing Systems (NeurIPS 2023), New Orleans, USA.
- Quan Nguyen, Hieu H Pham, Kok-Seng Wong, Phi Le Nguyen, Truong Thao Nguyen, Minh N Do, “FedDCT: Federated Learning of Large Convolutional Neural Networks on Resource Constrained Devices using Divide and Co-Training”, IEEE Transactions on Network and Service Management (ISSN: 1932-4537), 2023. 9.
Giải thưởng tiêu biểu
• Giải thưởng Giảng viên Xuất sắc năm 2022, VinUniversity.
• Giải thưởng Giảng dạy Xuất sắc năm 2021, VinUniversity.
• Học giả thỉnh giảng tại Phòng Thí nghiệm Trọng điểm về Công nghệ Mạng và Chuyển mạch, Đại học Bưu chính Viễn thông Bắc Kinh (2015, 2016 và 2018).
• Giải thưởng Hồ sơ Xuất sắc (CQI), Đại học Soongsil (2014 và 2016).
• Giáo sư thỉnh giảng tại Nhóm Nghiên cứu CRISES, Đại học Rovira i Virgili (2012).
• Giải thưởng Giảng dạy Xuất sắc, Đại học Soongsil (2009).
• Thư khen thưởng về đánh giá giảng dạy, Đại học Đa phương tiện (2004 – 2008).
Các dự án nghiên cứu được tài trợ tiêu biểu
• Green Serverless Computing for Resource-Efficient AI Training – Chủ nhiệm dự án (PI), Trung tâm Trí tuệ Môi trường, 2024, VinUniversity, Hà Nội, Việt Nam.
• Farm2Vet: Combatting AMR on the Farm Frontier – Đồng Chủ nhiệm dự án (Co-PI), Giải thưởng lớn của Trinity Challenge về Kháng kháng sinh, 2024. Ngân sách: £1 triệu cho giải pháp giảm tác động của kháng kháng sinh và nhiễm khuẩn tại các cộng đồng thu nhập thấp và trung bình.
• Improving NLP Applications in Low-resource Languages: One Country and One Use Case At A Time – Đồng Chủ nhiệm dự án (Co-PI), Dự án liên trường, 2024, VinUniversity, Hà Nội, Việt Nam.
• Privacy-Preserving, Robust, and Explainable Federated Learning Framework – Chủ nhiệm dự án (PI), Trung tâm VinUni-Illinois Smart Health, 2022. Ngân sách: $1 triệu để tài trợ cho các nghiên cứu sinh tiến sĩ đồng hướng dẫn giữa VinUniversity và UIUC.
