ข่าวกิจกรรมNEWS

<thai>การทดสอบระบบการจดจำอากาศยานด้วยเครื่องจำลองเหตุการณ์จริง ครั้งที่ 1 </thai> <eng> User Experiments of Aircraft Recognition Training Simulator using Virtual Reality </eng>

การทดสอบระบบการจดจำอากาศยานด้วยเครื่องจำลองเหตุการณ์จริง ครั้งที่ 1 User Experiments of Aircraft Recognition Training Simulator using Virtual Reality

ทีมนักวิจัย BUMIT ได้ดำเนินการทดสอบระบบการจดจำอากาศยานด้วยเครื่องจำลองเหตุการณ์จริง ครั้งที่ 1 โดยมีวัตถุประสงค์เพื่อวิเคราะห์ปัญหาการใช้งานจริงของเครื่อง VR กับผู้ใช้ที่ไม่มีประสบการณ์การใช้เครื่อง VR มาก่อน และทราบความต้องการของผู้ใช้ที่มีต่อระบบการจดจำอากาศยาน กับ ศปภอ.ทบ. ศูนย์ดอนเมือง มีผู้เข้าฝึกเป็นนายทหารจำนวน 40 ราย ในวันที่ 17 กันยายน 2563 เวลา 13.00-16.00 น.

BUMIT Research Lab conducted a user experiment of "Project of Aircraft Recognition Training Simulator using Virtual Reality" with 40 real users (military staff) at Army Air Defense Operation Center (AADOC) Donmuang. The purpose of this experiment was for enquiring the user requirements implicitly by analyzing the in-game activities and the questionaire from users.

<thai>งานเลี้ยงอำลาสมาชิก BU-MIT ไปศึกษาต่อที่ประเทศญี่ปุ่น</thai><eng>งานเลี้ยงอำลาสมาชิก BU-MIT ไปศึกษาต่อที่ประเทศญี่ปุ่น</eng>

งานเลี้ยงอำลาสมาชิก BU-MIT ไปศึกษาต่อที่ประเทศญี่ปุ่นงานเลี้ยงอำลาสมาชิก BU-MIT ไปศึกษาต่อที่ประเทศญี่ปุ่น

เมื่อวันที่ 3 กันยายน 2563 มีการจัดงานเลี้ยงอำลาสมาชิก BU-MIT ที่ได้ไปศึกษาต่อที่ประเทศญี่ปุ่น ณ ร้านอาหาร Tenjo Sushi & Yakiniku Premium Buffet

<thai>นำเสนอความคืบหน้าบทความของนักศึกษา BU-MIT ผ่านการประชุมออนไลน์</thai><eng>นำเสนอความคืบหน้าบทความของนักศึกษา BU-MIT ผ่านการประชุมออนไลน์</eng>

นำเสนอความคืบหน้าบทความของนักศึกษา BU-MIT ผ่านการประชุมออนไลน์นำเสนอความคืบหน้าบทความของนักศึกษา BU-MIT ผ่านการประชุมออนไลน์

เมื่อวันที่ 16 และ 18 มิถุนายน 2563 BU-MIT มีการจัดประชุมออนไลน์ผ่าน Discord เพื่อนำเสนอความคืบหน้าบทความของนักศึกษา

งานวิจัยResearch

<thai>ระบบการตรวจจับและเตือนภัยแอปพลิเคชั่นอันตรายบนโทรศัพท์เคลื่อนที่</thai><eng>A Detection and Warning System of Malicious Applications on Mobile Devices</eng>

ระบบการตรวจจับและเตือนภัยแอปพลิเคชั่นอันตรายบนโทรศัพท์เคลื่อนที่A Detection and Warning System of Malicious Applications on Mobile Devices

หัวหน้าโครงการ: ผู้ช่วยศาสตราจารย์ ดร.กิ่งกาญจน์ สุขคณาภิบาล

Head of Project: Asst. Prof. Kingkarn Sookhanaphibarn (Ph.D.)

โครงการวิจัยนี้มุ่งเน้นการตรวจจับมัลแวร์ที่ฝังตัวกับแอปพลิเคชั่นปกติ ซึ่งจะไม่แสดงพฤติกรรมที่น่าสงสัยและเป็นอันตรายในตอนต้น และเพิ่มประสิทธิภาพของการตรวจจับโค้ดอันตรายบนอุปกรณ์เคลื่อนที่

<thai>การตรวจจับโค้ดที่เป็นอันตรายบนระบบปฏิบัติการมือถือ</thai><eng>Detection of Malicious Code on Mobile Operating Systems</eng>

การตรวจจับโค้ดที่เป็นอันตรายบนระบบปฏิบัติการมือถือDetection of Malicious Code on Mobile Operating Systems

หัวหน้าโครงการ: ผู้ช่วยศาสตราจารย์ ดร.กิ่งกาญจน์ สุขคณาภิบาล

Head of Project: Asst. Prof. Kingkarn Sookhanaphibarn (Ph.D.)

งานวิจัยนี้ได้นำเสนอการใช้แบบจำลองการตรวจจับโค้ดอันตรายบนระบบปฏิบัติการของมือถือ โดยใช้ทฤษฏีการเรียนรู้ของเครื่องมีเป้าหมายเพื่อลดความเสี่ยงต่อการติดตั้งโปรแกรมไม่พึงประสงค์ต่างๆ ของผู้ใช้ที่ไม่ได้อัพเดตโปรแกรมแอนติไวรัสทันเวลาThis research presents a model for malware detection on mobile operating system based on machine learning technique. The objective is to reduce the risk of installing harmful application when the user did not update the anti-virus program in time.

Research Project on Cybersecurity

Research Project on Cybersecurity

Research Project on Cybersecurity


1.     Detection and monitoring malicious applications on android mobile devices (funding by the national broadcasting and telecommunication commission : NBTC during 2016-2017)

ผลงานPublications

Structural Analysis of Video-Audience-Watching Preference

Structural Analysis of Video-Audience-Watching Preference

AUTHORS: Chonthorn Ariyapitipan and Kingkarn Sookhanaphibarn

ABSTRACT: This paper presents a systematic approach for video-audience-watching content analysis. Our analysis technique is based on audience preference that they will click Like while watching a video clip. The principal component analysis is applied to extract the content structure of a video clip. The hierarchical clustering technique also is used to segment a video content as time slots. The analysis and clustering are based on the audience opinion. In our experiment, the approach is set to teaching video content for 22 4-year students in Bachelor degree. The analysis results show the three principal structures that can represent three principal video-audience-watching preference styles.

Aircraft Recognition Training Simulator using Virtual Reality

Aircraft Recognition Training Simulator using Virtual Reality

AUTHORS: Worawat Choensawat and Kingkarn Sookhanaphibarn

ABSTRACT: Visual aircraft recognition (VACR) is a visual skill taught to military personnel to recognize the external appear-ance of the aircraft, both friendly and hostile, most likely to be encountered. It is important for air defense and military intelligence gathering. In training, many media are used such as scale models, printed silhouette charts, slide projectors, and computer-aided instruction. However, none of the above media allows practitioners to experience real environment-liked such as visibility on rainy days, cloudy days, nighttime and the actual flight characteristics of aircraft. This paper proposed a simulation system based on virtual reality for VACR training that allows training practitioners in realistic virtual environments and able to evaluate the effectiveness of the training. The system consists of the various types of aircraft models, AI modules for weather simulation and flight patterns according to the characteristics of each type of aircraft, terrain modeling, and the evaluating system.

Application of YOLO Deep Learning Model for Real Time Abandoned Baggage Detection

Application of YOLO Deep Learning Model for Real Time Abandoned Baggage Detection

AUTHORS: Tossaporn Santad, Piyarat Silapasupphakornwong, Worawat Choensawat, and Kingkarn Sookhanaphibarn

ABSTRACT: We proposed an abandoned-baggage detection system that the baggage was left in public places for security reasons, i.e., subway stations. The proposed system applied the YOLO deep learning model for object detection, and presented a GUI for supporting a parameter setting. With this GUI, the detection system will be invariant to lighting and camera position.