Chữ trắng, ký tự lạ để lách phần mềm check đạo văn: có hiệu quả không?
Chữ trắng và ký tự lạ để lách phần mềm check đạo văn không phải lối thoát đáng tin. Thủ thuật này chỉ đổi cách mã hóa chữ, không đổi nội dung mà hội đồng đọc bằng mắt. Phần mềm có thể chuẩn hóa ký tự trước khi đối chiếu, và Turnitin còn gắn cờ riêng cho văn bản bị chèn chữ ẩn hoặc đổi ký tự.
Hệ quả thực tế không dừng ở con số trùng lặp. Một bài bị gắn cờ chữ ẩn có thể chuyển từ "trùng lặp cao, cần sửa" sang "nghi che giấu có chủ đích", mức xử lý thường nặng hơn nhiều.
Cập nhật: tháng 11/2026 — Biên soạn bởi đội ngũ Kiểm Tra Tài Liệu, Metis JSC
Chữ trắng, homoglyph và ký tự vô hình là gì?
Đây là ba nhóm thủ thuật về mã hóa văn bản mà một số người từng thử để hạ điểm trùng lặp. Bài này chỉ mô tả để nhận diện và giải thích vì sao chúng thất bại, không hướng dẫn thực hiện.
Homoglyph (ký tự đồng dạng) là ký tự thuộc bảng chữ cái khác nhưng trông gần như giống hệt chữ Latin quen thuộc, ví dụ chữ "а" của tiếng Nga (Cyrillic) và chữ "a" Latin. Mắt thường không phân biệt được, nhưng máy xem đó là hai ký tự khác nhau.
Bảng dưới gom các thủ thuật phổ biến, hệ thống phản ứng ra sao và vì sao người đọc vẫn nhận ra:
| Thủ thuật | Ý đồ | Bằng chứng về cách hệ thống xử lý | Dấu hiệu lộ với con người |
|---|---|---|---|
| Chữ cùng màu nền (chữ trắng trên nền trắng) | Chèn chữ vô hình để làm loãng hoặc đánh lạc đối chiếu | Turnitin có cờ "Hidden Text" riêng (hướng dẫn của Đại học Durham, 5/2024) | Bôi đen toàn trang, chữ ẩn hiện ra; số từ bất thường |
| Thay chữ bằng ký tự đồng dạng của bảng chữ khác | Làm từ không khớp với nguồn | Turnitin có cờ "Replaced Characters" và tự đổi về ký tự đúng khi lập báo cáo; nghiên cứu năm 2017 đề xuất cách ánh xạ ngược | Gạch đỏ chính tả từng từ, tìm kiếm Ctrl+F không ra chữ |
| Ký tự vô hình (độ rộng bằng 0), khoảng trắng lạ giữa chữ | Cắt chuỗi từ liên tiếp | Chúng tôi chưa tìm thấy nguồn công bố riêng; mức xử lý khác nhau theo từng công cụ | Con trỏ "nhảy" khi di chuyển, đếm ký tự lệch |
| Chuyển đoạn văn thành ảnh chụp hoặc PDF scan | Để máy không đọc được chữ | Hệ thống chỉ trích xuất văn bản dạng text, ảnh thì không đọc được | Tỷ lệ thấp bất thường là tín hiệu lạ; hội đồng đọc ảnh bằng mắt |
| Đổi font, ký tự dấu tiếng Việt gần giống | Làm vỡ khớp chuỗi | Phụ thuộc cách chuẩn hóa dấu của từng công cụ | Chữ hiển thị lệch dấu, lỗi font khi mở trên máy khác |
Điểm chung: cả năm thủ thuật chỉ tác động lên lớp mã hóa, nội dung sao chép vẫn nguyên vẹn trong mắt người chấm.
Phần mềm có phát hiện được chữ ẩn và ký tự lạ không?
Có, ở mức khác nhau tùy công cụ, và bằng chứng nghiên cứu đi theo hướng "phần mềm học cách đối phó" chứ không phải "thủ thuật luôn qua mặt được". Cần đọc các nguồn dưới đây cùng giới hạn của từng nguồn.
Nghiên cứu về plagiarism detection (phát hiện đạo văn). Alvi, Stevenson và Clough (2017, ECIR, Springer) ghi nhận phần lớn hệ thống phát hiện đạo văn thời điểm đó không nhận ra văn bản bị che bằng homoglyph. Nhưng chính nhóm này đề xuất hai cách khắc phục: ánh xạ ký tự đồng dạng về chữ gốc theo bảng confusables của Unicode, hoặc so khớp bằng khoảng cách Hamming chuẩn hóa. Trên bộ dữ liệu PAN-2015, hai cách cho kết quả tương đương.
Cùng bài báo năm 2017 vừa ghi nhận lỗ hổng vừa đưa ra lời giải: nhóm của Alvi cho rằng có thể dò ngược homoglyph về chữ gốc bằng danh sách confusables của Unicode. Tức là lỗ hổng được công bố công khai từ gần một thập kỷ trước.
Turnitin. Theo trang hướng dẫn của Đại học Durham (cập nhật 13/5/2024), Similarity Report của Turnitin có hai cờ liên quan: Hidden Text (chữ bị đổi màu trùng màu nền) và Replaced Characters (chữ có tổ hợp ký tự bất thường, như chữ Cyrillic thay cho chữ Latin). Trang này nêu Turnitin tự thay lại ký tự đúng khi tạo báo cáo, và cờ nhằm thu hút sự chú ý tới vấn đề cần điều tra. Chúng tôi không đọc được trang chính thức của Turnitin vì máy chủ chặn truy cập tự động, nên chi tiết cần đối chiếu với tài liệu hiện hành của hãng.
AI detector. Creo và Pudasaini (arXiv, 2024) thử tấn công homoglyph lên bốn nhóm công cụ phát hiện văn bản AI (Binoculars, DetectGPT, bộ phát hiện của OpenAI và watermarking). Theo tóm tắt của bài, độ chính xác có thể rơi xuống khoảng 0,5, tức ngang đoán ngẫu nhiên. Trong ví dụ minh họa của bài, thay 10% ký tự làm đổi khoảng 70% token mà mô hình nhìn thấy. Đây là preprint thử trong phòng thí nghiệm, chưa chứng minh sản phẩm thương mại hiện hành bị qua mặt, và hướng phòng thủ như chuẩn hóa ký tự vẫn khả thi.
Đừng đọc sai theo hai hướng. Foltýnek và cộng sự (2020) thử 15 hệ thống so khớp văn bản và không hệ thống nào tìm đủ nội dung đạo văn, nhưng điều đó không bảo vệ bạn khỏi lớp kiểm tra bằng người ở mục sau. Ngược lại, chưa có nghiên cứu độc lập nào cho thấy phần mềm cụ thể "bắt chắc chắn 100%".
Vì sao mẹo này đánh lừa được máy mà không đánh lừa được người?
Vì người chấm đọc nội dung chứ không đọc điểm. Các thủ thuật trên giữ nguyên câu chữ sao chép, nên mọi bước kiểm tra bằng mắt đều thấy đủ bản gốc.
Năm tình huống làm thủ thuật lộ dù phần mềm không gắn cờ:
- Bôi đen hoặc sao chép. Chữ trắng hiện ra khi chọn toàn bộ văn bản hoặc dán sang trình soạn thảo khác.
- Tìm kiếm và chính tả. Từ chứa ký tự lạ thường bị gạch đỏ, và tìm đúng từ đó bằng Ctrl+F không ra kết quả. Đây là lý do giảng viên hay phát hiện ra mà không cần công cụ.
- Số từ và số trang bất thường. Chữ ẩn làm số từ tăng, trang chỉ thấy khoảng trắng.
- Lịch sử chỉnh sửa. Lịch sử phiên bản (version history) cho thấy ai chèn gì và lúc nào.
- Vấn đáp. Hội đồng hỏi vì sao đoạn này dùng thuật ngữ như vậy; người không tự viết khó giải thích, như bài bị nghi đạo văn: giải trình với hội đồng phân tích.
Trường hợp đưa đoạn văn vào ảnh chụp hoặc PDF scan còn phản tác dụng theo hướng khác. Như bài tính năng nổi bật của Kiểm Tra Tài Liệu nêu, hệ thống chỉ trích xuất được văn bản dạng text, nên file scan cho tỷ lệ thấp bất thường. Chính con số quá đẹp ấy là dấu hiệu khiến người rà soát mở file ra xem.
Rủi ro thật nằm ở đâu, ngoài việc bị gắn cờ?
Rủi ro lớn nhất là đổi tính chất vụ việc. Trùng lặp cao là vấn đề chất lượng có thể sửa và nộp lại. Chèn chữ ẩn là hành vi có chủ đích, và cách xử lý thường nặng hơn.
1. Quét lại về sau. Luận văn, khóa luận được lưu trữ và có thể quét lại bằng phiên bản công cụ mới hơn. Bài "qua" hôm nay vẫn có thể bị gắn cờ sau vài năm, đúng như tình huống của AI humanizer và công cụ viết lại như QuillBot.
2. Khó nói "tôi vô tình". Người đạo văn do thiếu kỹ năng diễn giải dễ được nhìn nhận là chưa nắm kỹ thuật, còn chèn ký tự để che giấu đòi hỏi thao tác chủ động.
3. Hệ quả dài hạn. Văn bằng đã cấp có thể bị xem xét lại nếu phát hiện vi phạm, xem bài thu hồi bằng do đạo văn: căn cứ, thủ tục, quyền khiếu nại và khung chung ở bài Nghị định 109/2022/NĐ-CP về liêm chính học thuật.
4. Không giải quyết điểm gốc. Điểm hiển thị giảm nhưng đoạn sao chép không nguồn vẫn là đạo văn, xem trùng lặp với đạo văn khác nhau như thế nào.
Tình huống thực tế: ký tự lạ xuất hiện dù bạn không cố ý
Không phải ký tự lạ nào cũng là thủ thuật. Một số xuất hiện do thói quen soạn thảo, và đây là nhóm người dùng cần tự kiểm tra nhất để không bị gắn cờ oan.
Các nguồn ký tự lạ vô tình thường gặp:
- Sao chép từ PDF: dấu gạch nối mềm (soft hyphen) ở cuối dòng, ký tự ghép như "fi", khoảng trắng không ngắt (no-break space).
- Dấu tiếng Việt kiểu tổ hợp: cùng một chữ "ế" có thể lưu bằng một ký tự dựng sẵn hoặc bằng chữ "e" cộng hai dấu rời. Hai dạng nhìn giống nhau nhưng khác chuỗi mã, thường gặp khi dán từ một số phần mềm hoặc hệ điều hành.
- Font tiếng Việt cũ (nhóm .VnTime, VNI-Times) lưu chữ theo bảng mã khác Unicode, dễ vỡ chữ khi mở trên máy khác.
- Chữ trắng dùng làm ghi chú rồi quên xóa trước khi nộp.
Ví dụ minh họa (giả định, không phải ca có thật): một học viên cao học dán các đoạn từ nhiều file PDF vào chương 2, sau đó nộp bản đã sửa chính tả. Đoạn nào có ký tự lạ thì Word gạch đỏ hàng loạt, học viên bấm "bỏ qua tất cả" cho nhanh. Khi trường quét, báo cáo hiện cờ ký tự bất thường. Học viên này giải trình được vì còn giữ bản nháp gốc và lịch sử chỉnh sửa, nên lưu hai thứ đó ngay từ đầu là việc đáng làm.
Quy trình rà soát trước khi nộp:
- Bật hiển thị ký tự ẩn trong Word (nút ¶ hoặc Ctrl+Shift+8 trên Windows) để thấy khoảng trắng, dấu ngắt lạ.
- Chọn toàn bộ văn bản và đặt màu chữ về Automatic để chữ cùng màu nền lộ ra, rồi xem lại số từ.
- Dán qua "văn bản thuần" (plain text) với đoạn lấy từ PDF, rồi định dạng lại theo mẫu của trường.
- Xuất bản nháp sang file .txt (UTF-8) và chạy đoạn mã kiểm tra dưới đây, vốn chỉ dùng thư viện chuẩn của Python.
- Đừng bấm "bỏ qua tất cả" với lỗi chính tả hàng loạt mà chưa tìm hiểu nguyên nhân.
python
import sys
import unicodedata
text = open(sys.argv[1], encoding="utf-8").read()
# Dấu tiếng Việt dạng tổ hợp (e + dấu rời) khác dạng dựng sẵn
if unicodedata.normalize("NFC", text) != text:
print("Có chữ lưu dạng tổ hợp, nên chuẩn hóa NFC")
for i, ch in enumerate(text):
if ord(ch) > 127:
name = unicodedata.name(ch, "UNKNOWN")
if "COMBINING" in name:
continue
if "LATIN" not in name or "LIGATURE" in name:
print(i, hex(ord(ch)), name)Chữ Việt có dấu đều thuộc nhóm "LATIN", nên không bị liệt kê. Kết quả in ra ký tự Cyrillic, ký tự độ rộng bằng 0, khoảng trắng không ngắt hoặc ký tự ghép để bạn quyết định xóa hay thay. Dấu ngoặc kép cong và gạch ngang dài cũng được liệt kê; đó là dấu câu thông thường, có thể bỏ qua.
Checklist áp dụng ngay trước khi nộp:
- [ ] Đã bật ký tự ẩn và rà các dấu lạ
- [ ] Đã đặt màu chữ về Automatic và xem lại số từ
- [ ] Đã dán đoạn lấy từ PDF qua văn bản thuần
- [ ] Đã chạy kiểm tra ký tự cho bản .txt
- [ ] Đã lưu bản nháp gốc và lịch sử chỉnh sửa
- [ ] Không có đoạn nào được đưa vào dạng ảnh chụp chỉ để né quét
Điểm trùng lặp cao thì làm gì thay vì lách?
Hạ điểm hợp lệ luôn đi qua việc đổi nội dung hoặc đổi cách ghi nguồn, không đổi lớp mã hóa. Bảng dưới gắn từng nguyên nhân điểm cao với cách xử lý đúng:
| Nguyên nhân điểm cao | Cách xử lý hợp lệ | Bài tham khảo |
|---|---|---|
| Đoạn chép nguyên khối từ một nguồn | Đọc hiểu rồi viết lại bằng cấu trúc của mình, dẫn nguồn | Những cách giảm tỉ lệ trùng lặp |
| Định nghĩa, công thức, điều luật buộc giữ nguyên | Đặt trong ngoặc kép, ghi nguồn rõ ràng | Cách trích dẫn đúng chuẩn |
| Trích dẫn nhiều nguồn khiến điểm tăng | Kiểm tra cấu hình loại trừ trích dẫn và danh mục tài liệu tham khảo | Điểm trùng lặp cao do trích dẫn nhiều nguồn |
| Bài cũ của chính mình nằm trong kho | Hiểu dữ liệu nội sinh, xin xác nhận từ trường | Dữ liệu nội sinh là gì |
| Hai phần mềm cho hai con số khác nhau | Đối chiếu cấu hình và kho nguồn | Vì sao tỷ lệ khác nhau giữa các phần mềm |
Trước khi sửa, hãy đọc báo cáo theo bài cách đọc báo cáo kiểm tra trùng lặp: nhiều trường hợp điểm cao chỉ vì danh mục tài liệu tham khảo hay trích dẫn hợp lệ chưa được loại trừ.
Tự kiểm tra bài trước khi nộp như thế nào?
Kiểm Tra Tài Liệu quét trùng lặp, nội dung AI và chính tả trong một lượt, đối chiếu theo từng câu trên dữ liệu tiếng Việt. Quét sau khi hoàn thiện trích dẫn, đọc chi tiết nguồn trùng, sửa hoặc dẫn nguồn, rồi quét lại và đối chiếu với ngưỡng trùng lặp của trường.
Kết quả quét là tín hiệu để rà soát chứ không phải giấy bảo đảm, vì không hệ thống nào bắt hết mọi trường hợp. Về việc bài có bị lưu hay không, xem bài kiểm tra trên Kiểm Tra Tài Liệu có bị lưu bài không. Xem bảng giá hoặc liên hệ KTTL nếu đơn vị đào tạo cần triển khai.
Câu hỏi thường gặp
Chèn chữ trắng vào bài có qua mặt được phần mềm check đạo văn không?
Không nên trông cậy vào cách này. Turnitin có cờ Hidden Text riêng cho chữ cùng màu nền (hướng dẫn Đại học Durham, 5/2024), và chữ trắng lộ ngay khi chọn toàn bộ văn bản. Nếu bị phát hiện, vụ việc chuyển từ "trùng lặp cao, cần sửa" sang "nghi che giấu có chủ đích", mức xử lý thường nặng hơn nhiều.
Thay chữ Latin bằng ký tự Cyrillic có làm giảm tỷ lệ trùng lặp không?
Hiệu quả không bền. Alvi và cộng sự (2017) cho thấy có thể ánh xạ ký tự đồng dạng về chữ gốc bằng danh sách confusables của Unicode, và Turnitin có cờ Replaced Characters (Đại học Durham, 2024). Từ chứa ký tự lạ còn bị gạch đỏ chính tả và không tìm ra bằng Ctrl+F, nên người đọc dễ nhận ra.
Ký tự lạ tự xuất hiện do sao chép từ PDF thì có bị coi là gian lận không?
Không tự động, nhưng bạn cần giải trình được. Dấu gạch nối mềm, khoảng trắng không ngắt và ký tự ghép là lỗi phổ biến khi dán từ PDF. Hãy giữ bản nháp gốc cùng lịch sử chỉnh sửa, rà ký tự trước khi nộp và dán qua văn bản thuần. Chúng tôi chưa thấy số liệu công bố về tần suất công cụ báo nhầm.
Chuyển bài thành PDF scan hoặc ảnh chụp có né được kiểm tra không?
Không đáng thử. Hệ thống chỉ đọc được văn bản dạng text, nên file ảnh cho tỷ lệ thấp bất thường, và chính điều bất thường đó khiến người rà soát mở file ra xem. Nếu bạn chỉ có bản scan thật, hãy chạy OCR (nhận dạng ký tự quang học) trước khi tải lên, theo bài về tính năng của Kiểm Tra Tài Liệu.
Ký tự lạ có lách được AI detector không?
Mới chứng minh được trong thử nghiệm phòng thí nghiệm. Creo và Pudasaini (2024) đưa độ chính xác của nhiều bộ phát hiện xuống khoảng 0,5, tức ngang đoán ngẫu nhiên, nhưng đó là preprint và chưa kiểm tra sản phẩm thương mại hiện hành. Ngược lại, bài tự viết thật vẫn có thể bị gắn cờ oan, xem AI detector có chính xác không.
Nếu bị gắn cờ ký tự ẩn, tôi nên làm gì?
Đừng xóa lịch sử soạn thảo, và chuẩn bị ngay bằng chứng quá trình: bản nháp, tệp gốc từng chương, danh sách nguồn đã dùng. Nếu ký tự xuất hiện do sao chép từ PDF hay font cũ, hãy nói thật nguyên nhân và đề nghị kiểm tra lại. Quy trình đầy đủ nằm ở bài bị nghi đạo văn: giải trình với hội đồng.
Tóm tắt
- Chữ trắng, ký tự đồng dạng, ký tự vô hình chỉ đổi lớp mã hóa; nội dung sao chép vẫn nguyên vẹn trước mắt người đọc.
- Turnitin có hai cờ riêng là Hidden Text và Replaced Characters (hướng dẫn Đại học Durham, 5/2024); nghiên cứu năm 2017 đã công bố cách ánh xạ ký tự đồng dạng về chữ gốc.
- Hiệu quả với AI detector chỉ được chứng minh trong thử nghiệm (Creo và Pudasaini, 2024), chưa có kiểm chứng độc lập trên sản phẩm thương mại.
- Rủi ro lớn nhất là bị xem là che giấu có chủ đích, thay vì chỉ "trùng lặp cao".
- Ký tự lạ có thể xuất hiện vô tình khi dán từ PDF hoặc dùng font cũ; hãy rà ký tự và lưu lịch sử soạn thảo trước khi nộp.
Muốn biết đoạn nào trong bài đang bị đánh dấu trước khi hội đồng đọc? Tải bài lên phần mềm Kiểm Tra Tài Liệu để quét trong một lượt.
Biên soạn bởi đội ngũ Kiểm Tra Tài Liệu, Metis JSC. Nguồn tham khảo: Alvi F., Stevenson M., Clough P. (2017), "Plagiarism detection in texts obfuscated with homoglyphs", Advances in Information Retrieval (ECIR 2017), LNCS 10193, tr. 669–675, doi:10.1007/978-3-319-56608-5_64; Creo A., Pudasaini S. (2024), "Evading AI-Generated Content Detectors using Homoglyphs", arXiv:2406.11239; Foltýnek T. và cộng sự (2020), International Journal of Educational Technology in Higher Education, doi:10.1186/s41239-020-00192-4; hướng dẫn "Turnitin Flags", Đại học Durham, cập nhật 13/5/2024; Unicode Technical Standard #39 (Unicode Security Mechanisms); Nghị định 109/2022/NĐ-CP.