Vừa qua, Cảnh sát Tây Ban Nha đã phá vỡ hoạt động tội phạm mạng GXC Team và bắt giữ kẻ cầm đầu nhóm này - “GoogleXcoder”.

Mới đây, Salesforce xác nhận họ sẽ không đàm phán hoặc trả tiền chuộc cho những kẻ đe dọa đứng sau làn sóng tấn công đánh cắp dữ liệu lớn, ảnh hưởng đến khách hàng của công ty trong năm nay.

Sự tiện nghi và khả năng tự động hóa ngày càng cao của ô tô thông minh đồng nghĩa với việc nguy cơ tấn công mạng cũng gia tăng nhanh chóng. An ninh mạng vì thế trở thành mặt trận mới, khốc liệt và không thể tách rời trong cuộc đua công nghệ ô tô thông minh trên toàn cầu.

Khi các mối đe dọa an ninh mạng cho ô tô ngày càng trở nên thường trực, câu chuyện an toàn xe hơi giờ đây không còn là túi khí, phanh ABS hay khung xe chịu lực, mà trở thành bài toán bảo mật cho những “siêu máy tính có bánh xe”. Những tiêu chuẩn mới và áp lực tuân thủ.

Ngày 15/12, nền tảng phát nhạc trực tuyến SoundCloud cho biết tin tặc đã nhắm mục tiêu và truy cập vào một số dữ liệu người dùng được lưu trữ trên hệ thống của họ.

Ngày 08/12, Hàn Quốc cho biết hệ thống y tế nước này đang đối mặt với nguy cơ mất an ninh mạng nghiêm trọng. Các bệnh viện và phòng khám đang phải hứng chịu các cuộc tấn công bằng mã độc tống tiền và rò rỉ dữ liệu do hệ thống an ninh mạng yếu kém, cũng như các mối đe dọa từ nội bộ.

Trong năm 2025, bối cảnh an ninh mạng toàn cầu đã bị chi phối bởi một loạt các mối đe dọa có tính chất đa dạng và phức tạp, từ các chiến dịch tấn công có tổ chức mang tính quốc gia, như Salt Typhoon, cho đến những lỗ hổng phần mềm nghiêm trọng như React2Shell, cũng như các kỹ thuật tấn công nhắm vào chuỗi cung ứng phần mềm. Bài viết tổng hợp và phân tích 5 mối đe dọa nổi bật nhất, đánh giá nguyên nhân, diễn biến và tác động của chúng đối với môi trường an ninh mạng toàn cầu. Đồng thời, bài viết cũng đưa ra những bài học quan trọng nhằm tăng cường khả năng phòng thủ của cộng đồng bảo mật và các tổ chức trong bối cảnh các mối nguy hiểm ngày càng trở nên tinh vi và khó lường.

Loại worm máy tính tự nhân bản Shai-Hulud 2.0 từng xuất hiện trên hệ thống đăng ký NPM vào cuối tháng 11/2025, chính là nguyên nhân gây ra vụ đánh cắp 8,5 triệu USD từ ví tiền điện tử Trust Wallet gần đây.

Sự phát triển nhanh chóng của trí tuệ nhân tạo và công nghệ xử lý ảnh đã mở ra những phương thức tương tác mới giữa con người và thiết bị theo hướng tự nhiên, trực quan và thân thiện hơn. Trong bối cảnh đó, điều khiển thiết bị điện bằng cử chỉ tay đang trở thành một xu hướng nghiên cứu và ứng dụng quan trọng trong lĩnh vực thị giác máy tính và nhà thông minh. Bài viết này trình bày quá trình xây dựng và triển khai một mô hình điều khiển thiết bị điện dựa trên nhận dạng cử chỉ tay, sử dụng thư viện OpenCV-Python kết hợp với Mediapipe và bo mạch vi điều khiển Arduino. Hệ thống khai thác hình ảnh thu được từ camera máy tính để nhận dạng trạng thái gập – duỗi của các ngón tay, mã hóa cử chỉ tay dưới dạng chuỗi nhị phân và chuyển đổi chúng thành các lệnh điều khiển thiết bị điện như đèn LED, động cơ DC và động cơ Servo. Kết quả thực nghiệm cho thấy mô hình có khả năng nhận dạng chính xác các cử chỉ tay cơ bản trong điều kiện ánh sáng phù hợp, với khoảng cách nhận dạng hiệu quả lên đến 100 cm. Nghiên cứu góp phần minh họa tính khả thi của việc ứng dụng công nghệ xử lý ảnh và thị giác máy tính trong giảng dạy, học tập cũng như trong các hệ thống điều khiển thông minh.

Hư hỏng mặt đường là một trong những nguyên nhân quan trọng ảnh hưởng trực tiếp đến an toàn giao thông và chi phí bảo trì hạ tầng. Các phương pháp kiểm tra truyền thống chủ yếu dựa trên khảo sát thủ công, không chỉ tốn nhiều thời gian, nhân lực mà còn thiếu tính liên tục và kịp thời. Trước bối cảnh đó, nghiên cứu này đề xuất một ứng dụng Android có khả năng phát hiện hư hỏng đường bộ theo thời gian thực dựa trên các mô hình học sâu phát hiện đối tượng. Trong nghiên cứu, hai mô hình Faster R-CNN và YOLOv12m được huấn luyện và đánh giá trên tập dữ liệu RDD2022 gồm hơn 47.000 ảnh chứa nhiều loại hư hỏng mặt đường. Kết quả thực nghiệm cho thấy Faster R-CNN đạt độ chính xác cao hơn đôi chút (mAP@50 = 66,5%) nhưng có tốc độ suy luận chậm (104 ms/ảnh), trong khi YOLOv12m có độ chính xác xấp xỉ (mAP@50 = 65%) nhưng thời gian xử lý nhanh hơn đáng kể (77 ms/ảnh). Nhờ ưu thế về tốc độ, YOLOv12m được lựa chọn để triển khai trong hệ thống phát hiện thời gian thực. Hệ thống được xây dựng theo mô hình máy chủ – máy khách, trong đó mô hình YOLOv12m được triển khai tại máy chủ và giao tiếp với ứng dụng Android thông qua WebSocket. Kết quả phát hiện được truyền và hiển thị trực tiếp trên giao diện người dùng. Giải pháp đề xuất cho thấy tính khả thi cao trong việc tự động hóa công tác giám sát hạ tầng giao thông, đồng thời tạo tiền đề cho các nghiên cứu và ứng dụng tiếp theo trong lĩnh vực thị giác máy tính và phát hiện hư hỏng đường bộ theo thời gian thực.