This capstone project develops an AI-powered chatbot to address cybersecurity vulnerabilities, leveraging the Common Vulnerabilities and Exposures (CVE) system and the Common Vulnerability Scoring System (CVSS). The chatbot will provide accessible and informative support for understanding and mitigating these vulnerabilities, potentially leading to significant improvements in cybersecurity practices.
ในยุคที่การรักษาความปลอดภัยทางไซเบอร์มีการพัฒนาอย่างรวดเร็ว องค์กรต่างๆต้องเผชิญกับความท้าทายมากมายในการระบุและลดความเสี่ยงจากช่องโหว่ต่างๆ ภัยคุกคามทางไซเบอร์ที่มีความซับซ้อนเพิ่มขึ้นทำให้จำเป็นต้องมีเครื่องมือที่มีประสิทธิภาพและประสิทธิผลเพื่อช่วยให้นักทดสอบเจาะระบบสามารถประเมินช่องโหว่และผลกระทบที่อาจเกิดขึ้นได้ วิธีการปัจจุบันมักเกี่ยวข้องกับการค้นหาด้วยตนเองผ่านฐานข้อมูลขนาดใหญ่ ซึ่งอาจใช้เวลานานและมีโอกาสเกิดข้อผิดพลาดจากมนุษย์ แชทบอทที่ใช้ปัญญาประดิษฐ์สามารถทำให้กระบวนการนี้มีประสิทธิภาพมากขึ้น โดยให้ข้อมูลที่รวดเร็วและแม่นยำเกี่ยวกับช่องโหว่เฉพาะ รวมถึงคำอธิบาย คะแนน CVSS และระดับความรุนแรง
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
With the current cost of living situation in Thailand continuously rising, many recent graduates face challenges in managing their expenses in alignment with the increasing living costs. Food expenses, even for common street food, continue to surge with no sign of decreasing, despite improvements in raw material costs. Pay-Attention is a website platform designed to help recent graduates gain insights into managing and optimizing their food expenses effectively. It provides guidance on how to spend wisely, ensuring cost-effectiveness while maintaining adequate daily nutritional intake, without falling into monotonous eating habits.
คณะเทคโนโลยีการเกษตร
This project involves the development of a plant care system for dormitories using IoT (Internet of Things). The system is implemented through programming on an ESP-32 board and controlled via sensors for automated watering. The commands are operated through smartphones, supporting both iOS and Android. It is expected that this project will make plant care in dormitories easier and more convenient.
คณะวิศวกรรมศาสตร์
This cooperative education project aims to enhance the efficiency of Hydrogen Manufacturing Unit 2 (HMU-2) and Pressure Swing Adsorption 3 (PSA-3) by using AVEVA Pro/II process modeling and a Machine Learning model for process simulation. The study found that the AVEVA Pro/II model predicted outcomes with deviations ranging from 0–35%, including a hydrogen flow rate deviation from the PSA unit of 12%, exceeding the company’s acceptable limit of 10%. To address this, a Machine Learning model based on the Random Forest algorithm was developed with hyperparameter tuning. The Machine Learning model demonstrated high accuracy, achieving Mean Squared Errors (MSE) of 8.48 and 0.18 for process and laboratory data, respectively, and R-squared values of 0.98 and 0.88 for the same datasets. It outperformed the AVEVA Pro/II model in predicting all variables and reduced the hydrogen flow rate deviation to 4.75% and 1.35% for production rates of 180 and 220 tons per day, respectively. Optimization using the model provided recommendations for process adjustments, increasing hydrogen production by 7.8 tons per day and generating an additional annual profit of 850,966.23 Baht.