Cơ chế giám sát thi MCP trực tuyến: 5 quy tắc giám thị bạn chưa biết

Chương 1: Tổng quan cơ chế giám sát thi MCP trực tuyến

Hệ thống giám sát thi MCP (Microsoft Certified Professional) trực tuyến sử dụng công nghệ giám sát tự động hiện đại để đảm bảo tính công bằng và an toàn cho kỳ thi. Khi thí sinh thực hiện chứng chỉ trên thiết bị cá nhân, hệ thống phân tích đa chiều để phát hiện hành vi bất thường theo thời gian thực, ngăn chặn gian lận. #### Thành phần công nghệ giám sát

Giám sát từ xa dựa vào các thành phần công nghệ cốt lõi sau: - Phân tích luồng video từ camera theo thời gian thực

  • Theo dõi hoạt động màn hình và ghi lại ảnh chụp màn hình
  • Theo dõi hành vi bàn phím và chuột
  • Kiểm tra trạng thái kết nối mạng

Yêu cầu chuẩn bị của thí sinh

Để vượt qua kiểm tra môi trường, thí sinh cần thực hiện trước các bước sau: 1. Sử dụng thiết bị đáp ứng yêu cầu (Windows 10 trở lên) 2. Cài đặt phiên bản mới nhất của ứng dụng thi (ví dụ: PSI Secure Browser) 3. Đảm bảo kết nối mạng ổn định, tốc độ tải lên/xuống không dưới 3 Mbps 4. Dọn dẹp khu vực thi, không có thiết bị điện tử hay tài liệu tham khảo

Quy trình giám sát

Trước khi bắt đầu thi, hệ thống sẽ khởi động quy trình kiểm tra môi trường. Quy trình này bao gồm xác thực danh tính, quét phòng và kiểm tra thiết bị. Thí sinh cần tuân theo hướng dẫn xoay camera để thể hiện toàn cảnh khu vực thi. | Giai đoạn | Nội dung hoạt động | Thời lượng | |---|---|---| | Đăng nhập xác thực | Nhập thông tin và chụp ảnh giấy tờ | 2-3 phút | | Quét môi trường | Quét 360° không gian phòng thi | 1-2 phút | | Bắt đầu thi | Ghi hình và phân tích hành vi liên tục | Tùy theo môn thi |

Quy tắc phát hiện hành vi nghi ngờ


# Ví dụ: Lôgic phát hiện hành vi bất thường đơn giản (mô phỏng)
def kiem_tra_hanh_vi_nghi_ng(tam_anh):
    # Phát hiện nhiều người trong khung hình
    if dem_khuon_mat(tam_anh) > 1:
        ghi_thong_bao("Phát hiện nhiều khuôn mặt")
        danh_dau_de_xem_xet()
    # Phát hiện cúi đầu hoặc lệch tầm nhìn quá lâu
    if thoi_gian_lech_nhin > 10:  # Quá 10 giây
        dua_ra_cảnh_báo()

graph TD A[Thí sinh đăng nhập] --> B{Xác thực thành công?} B -->|Có| C[Khởi động quét môi trường] B -->|Không| D[Từ chối thi] C --> E[Bắt đầu ghi hình và giám sát] E --> F[Phân tích hành vi theo thời gian thực] F --> G{Phát hiện bất thường?} G -->|Có| H[Danh dấu và báo cáo] G -->|Không| I[Tiếp tục giám sát] ### Chương 2: Phân tích quy trình thi MCP trực tuyến

2.1 Cơ chế xác minh danh tính trước thi và ứng dụng xác thực hai yếu tố

Trong hệ thống thi từ xa, xác minh danh tính trước thi là yếu tố quan trọng bảo đảm tính công bằng. Hệ thống chụp ảnh khuôn mặt thí sinh theo thời gian thực và so sánh với ảnh giấy tờ đăng ký để xác nhận đặc điểm sinh trắc học. ##### Thiết kế quy trình xác thực hai yếu tố

Sử dụng mô hình "Xác minh giấy tờ + Nhận diện khuôn mặt sống" để đảm bảo tính chính xác: - Yếu tố 1: Nhận diện OCR giấy tờ, trích xuất tên, số ID

  • Yếu tố 2: Công nghệ phát hiện sinh hoạt để ngăn chặn ảnh/video giả
Đoạn mã xác thực cốt lõi
def xac_thuc_thi_sinh(hinh_khuon_mat, hinh_anh_giay_to, ket_qua_ocr):
    # hinh_khuon_mat: Hình ảnh chụp theo thời gian thực
    # hinh_anh_giay_to: Ảnh lưu trữ lúc đăng ký
    # ket_qua_ocr: Thông tin OCR từ giấy tờ
    do_tuong_dong = do_phu_hop_khuon_mat(hinh_khuon_mat, hinh_anh_giay_to)
    if do_tuong_dong > 0.85 and la_khuon_mat_sống(hinh_khuon_mat):
        return True  # Xác thực thành công
    return False

Hàm này trước tiên so sánh độ tương đồng khuôn mặt, ngưỡng đặt ở 0.85 để cân bằng tỷ lệ sai nhận và từ chối; đồng thời gọi API phát hiện sinh hoạt, ngăn chặn người không thật tham gia. #### 2.2 Kiểm tra tự động môi trường thi và quét thiết bị phù hợp

Trong hệ thống thi từ xa, đảm bảo thiết bị khách hàng đáp ứng tiêu chuẩn an ninh là chìa khóa ngăn ngừa gian lận. Khi khởi động, hệ thống tự động chạy tập lệnh kiểm tra môi trường, xác minh camera, micrô, kết nối mạng và trạng thái thiết bị ngoại vi. ##### Quy trình kiểm tra thiết bị phù hợp

  • Phát hiện màn hình phụ và ngắt kết nối
  • Xác nhận camera và micrô có thể truy cập độc quyền
  • Quét tiến trình phần mềm cắt dán, ảo hóa hoặc ghi màn hình
Đoạn mã kiểm tra ví dụ
#!/bin/bash
# Kiểm tra xem có đang chạy trong máy ảo không
if systemd-detect-virt -v | grep -q "virtual"; then
  echo "LỖI: Phát hiện máy ảo"
  exit 1
fi

# Kiểm tra khả năng sử dụng camera
if ! v4l2-ctl --list-devices > /dev/null; then
  echo "Camera không thể truy cập"
  exit 1
fi

Tập lệnh trước tiên xác định môi trường chạy có phải máy ảo không, nếu phát hiện thì từ chối thi; sau đó dùng v4l2-ctl xác minh sự tồn tại thiết bị video, đảm bảo chức năng giám sát hoạt động. #### 2.3 Cơ sở lý thuyết cài đặt và cấu hình quyền giám sát

Khi triển khai phần mềm giám sát, mô hình quyền hợp lý là yếu tố cốt lõi bảo đảm an ninh và vận hành ổn định hệ thống. Dựa trên nguyên tắc quyền tối thiểu, hệ thống chỉ cấp quyền cần thiết để thực hiện nhiệm vụ. ##### Chiến lược phân quyền

  • Tài khoản quản trị viên: Có quyền cài đặt phần mềm, sửa đổi cấu hình và xuất nhật ký
  • Tài khoản giám sát: Chỉ được phép khởi động tiến trình giám sát và xem trạng thái thí sinh
  • Người dùng thông thường: Không được truy cập thư mục hoặc khóa đăng ký liên quan đến giám sát
Ví dụ kiểm soát quyền trong quá trình cài đặt
# Tạo tài khoản dịch vụ chuyên dụng và hạn chế quyền
sudo useradd -r -s /bin/false service_giamsat
sudo chown -R service_giamsat:monitor /opt/giamsat/
sudo setfacl -Rm u:service_giamsat:rx /opt/giamsat/

Các lệnh trên tạo tài khoản dịch vụ không có quyền đăng nhập, sử dụng ACL kiểm soát chính xác quyền truy cập thư mục phần mềm, ngăn chặn thao tác vượt quyền. ##### Luồng xác thực quyền

[Người dùng đăng nhập] → [Xác thực danh tính] → [Phối hợp vai trò] → [Tải danh sách quyền] → [Kiểm soát truy cập chức năng] #### 2.4 Giám sát video theo thời gian thực và chiến lược triển khai camera đa góc

Khi xây dựng hệ thống giám sát video hiệu quả, việc triển khai camera đa góc hợp lý là chìa khóa đảm bảo phạm vi giám sát toàn diện. Việc bố trí khoa học các thiết bị đầu cuối giúp nâng cao tính khả kiến và an ninh khu vực giám sát. ##### Nguyên tắc triển khai và tối ưu góc quay

  • Khu vực trọng yếu áp dụng giám sát giao nhau, tránh điểm mù đơn lẻ
  • Kết hợp góc nhìn nghiêng từ trên xuống và quan sát ngang mặt đất
  • Camera theo dõi chuyển động kết hợp ống kính góc rộng cố định, cân bằng toàn cục và chi tiết
Cơ chế đồng bộ dữ liệu

Để đảm bảo đồng bộ thời gian giữa các luồng video, cần kích hoạt dịch vụ đồng bộ thời gian NTP: ```

Cấu hình khách hàng NTP đồng bộ

sudo timedatectl set-ntp true sudo systemctl enable chronyd


Các lệnh trên kích hoạt đồng bộ thời gian hệ thống, đảm bảo đồng bộ hóa dấu thời gian camera, thuận lợi cho phân tích AI và truy xuất sự kiện sau này. ##### Khuyến nghị phân bổ băng thông mạng

| Độ phân giải | Tốc độ khung (fps) | Băng thông đơn luồng (Mbps) | Số lượng kết nối đề xuất (mạng gigabit) |
|---|---|---|---|
| 1080p | 25 | 4 | 200 |
| 4K | 30 | 20 | 40 |

#### 2.5 Giám sát độ ổn định mạng và phương án ứng phó gián đoạn bất thường

##### Cơ chế giám sát trạng thái mạng theo thời gian thực

Triển khai dịch vụ cảm biến nhẹ để thu thập liên tục các chỉ số quan trọng như độ trễ đường truyền, tỷ lệ gói tin bị mất và tỷ lệ sử dụng băng thông. Sử dụng cách kết hợp kiểm tra sức khỏe ICMP và TCP để nâng cao độ chính xác. ```
// Ví dụ kiểm tra sức khỏe: Gọi kiểm tra TCP mỗi 5 giây
func kiem_tra_diem_cuoi(host string) bool {
    ket_noi, loi := net.DialTimeout("tcp", host+":80", 3*time.Second)
    if loi != nil {
        log.Printf("Kết nối thất bại: %v", loi)
        return false
    }
    ket_noi.Close()
    return true
}

Hàm này thiết lập giới hạn thời gian để tránh tắc nghẽn, trả về giá trị boolean để kích hoạt lôgic cảnh báo. Các tham số có thể điều chỉnh động theo môi trường mạng. ##### Chiến lược phản hồi sự cố

  • Cảnh báo cấp 1: Tự động chuyển đổi đường truyền dự phòng
  • Cảnh báo cấp 2: Ghi nhật ký và thông báo vận hành
  • Cảnh báo cấp 3: Triển khai quy trình giảm cấp dịch vụ

Thông qua cơ chế phản hồi phân cấp, đảm bảo tính khả dụng của dịch vụ cốt lõi trong môi trường mạng yếu. ### Chương 3: Bí mật công nghệ phân tích hành vi thông minh

3.1 Nguyên lý theo dõi ánh mắt và nhận diện cử động đầu dựa trên AI

Hệ thống tương tác người-máy hiện đại phụ thuộc vào cách nhập không tiếp xúc chính xác, theo dõi ánh mắt và nhận diện cử động đầu là kỹ thuật cốt lõi. Trung tâm là kết hợp thị giác máy tính và mô hình học sâu để phân tích theo thời gian thực các điểm quan trọng của mắt và khuôn mặt từ luồng video. ##### Trích xuất đặc trưng và kiến trúc mô hình

Sử dụng mạng nơ-ron tích chập (CNN) để trích xuất đặc trưng hình ảnh khuôn mặt, kết hợp bộ dự đoán để xác định hướng nhìn. Mô hình phổ biến như MPIIGaze sử dụng kiến trúc nhiều nhánh, xử lý riêng khu vực mắt, tư thế đầu và thông tin danh tính. ```

Ví dụ: Phát hiện điểm quan trọng bằng OpenCV và Dlib

import dlib dự đoán = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat")

Xuất chỉ số điểm quan trọng mắt trái/phải, dùng để định vị đồng tử

chi_so_mat_trai = list(range(36, 42))


Đoạn mã trên sử dụng mô hình đã huấn luyện để thu được 68 điểm quan trọng trên khuôn mặt, trong đó các điểm viền mắt được dùng để tính toán mối quan hệ giữa tâm đồng tử và phản xạ giác mạc, suy ra hướng nhìn. ##### Ước lượng tư thế đầu

Sử dụng thuật toán PnP (Perspective-n-Point) để giải quyết ánh xạ 3D sang 2D, thu được góc xoay đầu (gật, nghiêng, xoay). | Góc tư thế | Ý nghĩa | Phạm vi bình thường (°) |
|---|---|---|
| Pitch | Ngửa/ngồi | ±30 |
| Yaw | Quay trái/phải | ±45 |
| Roll | Xoay nghiêng | ±20 |

#### 3.2 Phân tích mẫu nhập liệu bàn phím và ứng dụng vân tay hành vi gõ phím

##### Trích xuất đặc trưng động học nhấn phím

Mẫu nhập liệu bàn phím phân tích chuỗi thời gian nhấn phím để trích xuất đặc trưng hành vi gõ phím độc đáo. Chỉ số quan trọng bao gồm thời gian nhấn phím (Dwell Time) và thời gian bay (Flight Time), tức khoảng cách giữa nhấn và nhả phím, cũng như thời gian chuyển tiếp giữa phím này và phím tiếp theo. 1. Ghi nhận sự kiện bàn phím gốc: Ghi lại thời gian mốc nhấn/hoàn tất từng phím
2. Tính toán vector đặc trưng động: Xây dựng tập dữ liệu bao gồm độ trễ, nhịp điệu, mẫu áp lực
3. Chuẩn hóa: Loại bỏ ảnh hưởng của thiết bị đến tham số thời gian

##### Ví dụ mô hình vân tay hành vi

Ví dụ: Mô hình nhận dạng người dùng bằng scikit-learn

from sklearn.ensemble import RandomForestClassifier mo_hinh = RandomForestClassifier(n_estimators=100) mo_hinh.fit(X_train, y_train) # X: Ma trận đặc trưng, y: Nhãn người dùng


Đoạn mã trên sử dụng bộ phân loại rừng ngẫu nhiên để huấn luyện mô hình nhận diện hành vi gõ phím. Đặc trưng đầu vào X bao gồm dữ liệu thời gian nhấn phím, y là nhãn người dùng tương ứng. Mô hình có thể đạt độ chính xác trên 95%, phù hợp cho xác thực danh tính không cảm nhận.

#### 3.3 Cơ chế kích hoạt cảnh báo hành vi bất thường và quy trình xác minh thủ công

##### Cấu hình điều kiện kích hoạt cảnh báo

Hệ thống xây dựng mô hình đường cơ sở động dựa trên nhật ký hành vi người dùng, kích hoạt cảnh báo khi thao tác lệch khỏi mẫu bình thường. Hành vi bất thường thường gặp bao gồm đăng nhập ngoài giờ làm, chuyển đổi IP địa phương thường xuyên, xuất dữ liệu hàng loạt. ```
// Ví dụ: Lôgic phát hiện đăng nhập bất thường
func NhanDangAnomaly(logDangNhap *LogDangNhap) bool {
    if logDangNhap.Gio < 6 || logDangNhap.Gio > 22 { // Ngoài giờ làm
        return true
    }
    if LaIPThayDoi(logDangNhap.IPTruoc, logDangNhap.IPHienTai) { // Chuyển đổi IP
        return true
    }
    return false
}

Hàm này phán đoán thời gian đăng nhập và vị trí địa lý IP để lựa chọn ban đầu, cung cấp cơ sở ra quyết định cho cảnh báo sau. ##### Thiết kế quy trình xác minh thủ công

Sau khi cảnh báo tự động được tạo, tiến hành cơ chế xác minh ba cấp: 1. Nhân viên an ninh xem xét ban đầu nhật ký cảnh báo 2. Quản lý kỹ thuật đánh giá mức độ rủi ro 3. Nhóm tuân thủ xác nhận phương án xử lý

Mức độ rủi ro Thời gian phản hồi Cách xử lý
Cao Trong 15 phút Ngăn chặn tự động + can thiệp thủ công
Trung bình 2 giờ Giám sát + xác minh thủ công

Chương 4: An toàn dữ liệu và thực thi quy tắc chống gian lận

4.1 Mã hóa dữ liệu thi và quy định xóa bộ nhớ đệm cục bộ

Để bảo vệ tính an toàn dữ liệu hệ thống thi, tất cả câu trả lời thí sinh phải được mã hóa bằng giao thức TLS 1.3 trở lên trong quá trình truyền, ngăn chặn tấn công man-in-the-middle và đánh cắp dữ liệu. ##### Ví dụ cấu hình mã hóa truyền tải

// Kích hoạt HTTPS bắt buộc
router.Use(func(c *gin.Context) {
    if c.Request.Header.Get("X-Forwarded-Proto") != "https" {
        c.Redirect(301, "https://"+c.Request.Host+c.Request.URL.Path)
    }
    c.Next()
})

Đoạn mã trên dùng trung gian điều hướng yêu cầu HTTP sang HTTPS, đảm bảo mã hóa đường truyền. X-Forwarded-Proto dùng để nhận diện giao thức gốc sau khi đi qua reverse proxy. ##### Chiến lược xóa bộ nhớ đệm cục bộ

  • Khi đóng trang thi, kích hoạt sự kiện beforeunload xóa session storage
  • Không lưu trữ dữ liệu nhạy cảm vào localStorage
  • Chuyển đổi thẻ trình duyệt quá 3 lần sẽ xóa bộ nhớ đệm tạm thời
Loại bộ nhớ đệm Thời gian lưu Cơ chế xóa
sessionStorage Kết thúc phiên Tự động xóa khi đóng trang
IndexedDB (khu vực tạm) ≤5 phút Đồng hồ hẹn giờ + theo dõi mất tập trung

4.2 Giám sát nội dung màn hình và chiến thuật chặn danh sách tiến trình cấm

Thu giữ nội dung màn hình theo thời gian thực

Gọi giao diện đồ họa cấp hệ thống để thu mẫu màn hình với tần suất cao. Trên nền tảng Windows, sử dụng GDI+ để chụp bitmap: ```

HDC hdcManHinh = GetDC(NULL); HDC hdcNho = CreateCompatibleDC(hdcManHinh); HBITMAP hBitmap = CreateCompatibleBitmap(hdcManHinh, chieuRong, chieuCao); SelectObject(hdcNho, hBitmap); BitBlt(hdcNho, 0, 0, chieuRong, chieuCao, hdcManHinh, 0, 0, SRCCOPY);


Đoạn mã trên tạo ngữ cảnh thiết bị nhớ và thực hiện truyền khối bit, sao chép hình ảnh màn hình. ##### Cơ chế khớp danh sách tiến trình cấm

Duy trì danh sách tên tiến trình nguy hiểm, định kỳ liệt kê tiến trình đang chạy để so sánh: - chrome.exe (phiên bản cụ thể)
- teamviewer.exe
- anydesk.exe

Ngay khi khớp, lập tức gọi `TerminateProcess` để chấm dứt tay cầm mục tiêu, ngăn rò rỉ thông tin nhạy cảm. Chiến lược này kết hợp quét định kỳ và xác minh quyền hạn, đảm bảo tính an toàn và kịp thời của hành động chặn. #### 4.3 Chính sách vô hiệu hóa thiết bị ngoại vi và phương pháp kiểm toán truy cập bảng tạm

Trong quản lý an ninh thiết bị đầu cuối doanh nghiệp, việc lạm dụng cổng ngoại vi có thể gây rò rỉ dữ liệu. Thông qua chính sách nhóm hoặc công cụ quản lý thiết bị, có thể vô hiệu hóa ổ USB, Bluetooth v.v., ngăn chặn kết nối thiết bị bất hợp pháp. ##### Ví dụ cấu hình chính sách ngoại vi

Vô hiệu hóa tất cả thiết bị lưu trữ di động

reg add "HKLM\SYSTEM\CurrentControlSet\Services\USBSTOR" /v Start /t REG_DWORD /d 4 /f


Lệnh trên sửa đổi sổ đăng ký để vô hiệu hóa trình điều khiển USB, giá trị 4 biểu thị vô hiệu hóa dịch vụ, ngăn người dùng gắn U đĩa hoặc ổ cứng di động. ##### Cơ chế kiểm toán thao tác bảng tạm

Windows có thể theo dõi sự thay đổi bảng tạm thông qua đăng ký sự kiện WMI: - Nghe `__InstanceOperationEvent` dưới lớp bảng tạm để phát hiện tạo/mới
- Ghi lại ID tiến trình, mốc thời gian và tóm tắt nội dung sao chép
- Kết hợp hệ thống EDR để cảnh báo và báo cáo nhật ký

| Mục theo dõi | Phương pháp thu thập | Mục đích |
|---|---|---|
| Nội dung bảng tạm | Hooks API (OpenClipboard) | Phát hiện rò rỉ dữ liệu nhạy cảm |
| Quá trình gọi | Phân tích tay cầm tiến trình | Gốc hóa nguồn thao tác |

#### 4.4 Cơ chế lưu trữ nhật ký và quy trình truy xuất chứng cứ sau sự kiện

##### Chiến lược lưu trữ phân cấp nhật ký

Để cân bằng chi phí và yêu cầu tuân thủ, hệ thống sử dụng phương pháp lưu trữ phân tầng dữ liệu nóng/lạnh. Nhật ký nóng được lưu trữ 7 ngày trong cụm Elasticsearch, hỗ trợ truy vấn theo thời gian thực; dữ liệu lạnh được lưu trữ dưới dạng đối tượng, giữ lại 180 ngày. 1. Ứng dụng tạo nhật ký có cấu trúc (định dạng JSON)
2. Thu thập và mã hóa truyền tải qua Fluent Bit
3. Nền tảng nhật ký tập trung phân loại lưu trữ theo nhãn

##### Quy trình truy xuất chứng cứ

Khi xảy ra sự kiện an ninh, sử dụng ID yêu cầu duy nhất (trace_id) để liên kết chuỗi gọi phân tán. Dưới đây là ví dụ truy vấn quan trọng: ```
SELECT mốc_thời_gian, cấp độ, dịch_vụ, tin_nhắn 
FROM kho_lưu_trữ 
WHERE trace_id = 'req-abc123xyz' 
ORDER BY mốc_thời_gian ASC;

Truy vấn này có thể khôi phục đường dẫn thao tác đầy đủ, kết hợp danh tính người dùng, địa chỉ IP và mốc thời gian thao tác để tạo chuỗi chứng cứ kiểm toán. Tất cả hành vi truy vấn nhật ký cũng được ghi lại, đảm bảo quy trình truy xuất có thể kiểm toán. ### Chương 5: Kết luận: Xây dựng hệ thống niềm tin minh bạch sau giám sát

Trong bối cảnh giáo dục từ xa và đánh giá trực tuyến ngày càng phổ biến, việc giám sát minh bạch không còn là yếu tố kỹ thuật phụ trợ mà là nền tảng xây dựng niềm tin của người dùng. Một thiết kế hệ thống có thể xác minh, truy xuất và kiểm toán mới có thể thực sự xoa dịu lo ngại xâm phạm riêng tư của thí sinh và lo âu gian lận của tổ chức. ##### Cơ chế kiểm toán nhật ký có thể xác minh

Việc đưa vào chuỗi nhật ký không thể chỉnh sửa kiểu blockchain, mỗi thao tác (bật camera, đánh dấu hành vi nghi ngờ) đều tạo chữ ký băm và liên kết với bản ghi trước. Dưới đây là ví dụ cấu trúc nhật ký đơn giản: ```

type NhatKyKiemToan struct { MocThoiGian int64 json:"moc_thoi_gian" HanhDong string json:"hanh_dong" // "bat_camera", "chup_man_hinh" MaThiSinh string json:"ma_thi_sinh" HashTruoc string json:"hash_truoc" // Băm SHA-256 của bản ghi trước HashHienTai string json:"hash_hien_tai" }


##### Mô hình niềm tin đa bên tham gia

Niềm tin không nên dựa vào nền tảng trung tâm đơn lẻ mà nên do nhiều thực thể độc lập cùng duy trì. Ví dụ: - Nền tảng thi chịu trách nhiệm phân tích hành vi giám sát theo thời gian thực
- Tổ chức công chứng bên thứ ba định kỳ kiểm tra tính toàn vẹn siêu dữ liệu video
- Thí sinh có thể tải xuống đường dẫn thời gian cá nhân sau khi thi để kiểm tra
- Giao diện giám sát hỗ trợ cơ quan giáo dục quốc gia truy xuất gói chứng cứ mã hóa theo yêu cầu

##### Thực hành cân bằng minh bạch và hiệu năng

Hệ thống cấp tỉnh trong chứng nhận năng lực trực tuyến sử dụng kiến trúc tính toán biên, thực hiện nhận diện khuôn mặt và cử động trên thiết bị cục bộ, chỉ gửi bản tóm tắt kết quả chứ không phải luồng video gốc. Giải pháp này giảm 78% lượng dữ liệu truyền, đồng thời sử dụng công nghệ chứng minh không tri thức để chứng minh tính tuân thủ xử lý cho máy chủ. | Chỉ số | Hệ thống tập trung truyền thống |
|---|---|
| Tiêu thụ băng thông mỗi kỳ thi | 2.1 GB | 470 MB |
| Diện tích phơi nhiễm riêng tư thí sinh | CaO (lưu trữ video đầy đủ) | Thấp (chỉ vector đặc trưng) |

Thẻ: Giám sát thi MCP Xác thực hai yếu tố Phân tích hành vi AI An ninh mạng thi Mã hóa dữ liệu thi

Đăng vào ngày 8 tháng 6 lúc 02:23

Thẻ Phổ Biến

©2026 Thành phố Cuồng loạn