RMIT GenAI & Cybersecurity Hackathon 2026

1. Cấu trúc thư mục

rmit_hackathon_2026/
├── src/
│   ├── dataset.py            # Dataset xử lý 3 classes: BENIGN, JAILBREAK, PROMPT_INJECTION
│   ├── preprocessing.py      # Chuẩn hóa Unicode, de-obfuscation, khử leetspeak đa ngôn ngữ
│   ├── utils.py              # Tính Macro-F1 3 lớp theo chuẩn chấm điểm của Kaggle
│   ├── prompt_security.py    # Hardened prompt, XML isolation, Canary injection
│   ├── egress_guard.py       # PII scrubbing & canary leak detector
│   ├── inference.py          # LLM inference engine & simulator
│   └── pipeline.py           # Kiến trúc phòng thủ đa tầng (Defense-in-Depth)
├── train.py                  # Script huấn luyện Stratified K-Fold + Weighted Cross-Entropy
├── predict.py                # Script suy luận tập test và sinh file submission.csv
└── submission.csv            # File nộp bài Kaggle (đúng 6.000 dòng, id,label)

2. Thông tin cuộc thi & Yêu cầu

Nhiệm vụ: Phân loại prompt đa ngôn ngữ thành 3 classes:
1. BENIGN (~62%)
2. JAILBREAK (~31%)
3. PROMPT_INJECTION (~7%)
Ngôn ngữ: Tiếng Bồ Đào Nha (pt), Pháp (fr), Ý (it), Anh (en).
Thang đo (Metric): Macro-averaged F1 score (cả 3 lớp tính trọng số bằng nhau).
Quy tắc đặt tên Kernel/Notebook: <university>_<campus>_<team>_C1 (Ví dụ: RMIT_SGS_teamname_C1)

3. Hướng dẫn sử dụng

Huấn luyện mô hình (Fine-tuning)

Mặc định dùng FacebookAI/xlm-roberta-base (hoặc các approved model khác trong danh sách: rembert, distilbert-base-multilingual-cased):

python train.py --model xlm-roberta-base --batch 16 --epochs 3 --folds 5

Sinh file nộp bài (Inference test.csv)

python predict.py --test_file "D:\Code\rmit\data\Data-rmit2026\test.csv" --output submission.csv

File submission.csv được sinh ra sẽ tự động kiểm tra đủ 6,000 dòng khớp 100% với sample_submission.csv.