Luận văn Agrégation fiable de données d'activité sur Internet P2P

Luận văn nghiên cứu hệ thống tổng hợp dữ liệu hoạt động Internet bảo mật ẩn danh trên mạng P2P. Ứng dụng Splay, đảm bảo quyền riêng tư người dùng.

• Tác giả: Lê Bảo Anh
• Người hướng dẫn: PTS. Martin Rajman
• Trường học: Ecole Polytechnique Fédérale de Lausanne
• Chuyên ngành: Informatique
• Đề tài: Agrégation fiable de données d’activité sur l’Internet préservant l’anonymat
• Loại tài liệu: Mémoire de stage de fin d’études
• Năm xuất bản: 2009
• Địa điểm: Lausanne

Tóm tắt

I. Khám phá Tổng hợp dữ liệu web đáng tin cậy và ẩn danh Nhu cầu cấp thiết

Trong bối cảnh nền kinh tế số phát triển không ngừng, việc thu thập dữ liệu web đáng tin cậy đã trở thành một yếu tố then chốt cho sự thành công của nhiều ứng dụng trực tuyến quy mô lớn và hệ thống thương mại hiện có. Tuy nhiên, các hệ thống này thường được tập trung hóa, đòi hỏi nguồn tài nguyên phần cứng và phần mềm khổng lồ. Hơn nữa, chúng liên tục đặt ra vấn đề về việc thực thi bảo vệ quyền riêng tư của người dùng, đặc biệt là thông tin họ cung cấp cho các ứng dụng Internet. Làm thế nào để thu thập dữ liệu web mà vẫn đảm bảo ẩn danh? Câu hỏi này là trọng tâm của nhiều nghiên cứu hiện đại.

Mạng ngang hàng (P2P) nổi lên như một hướng nghiên cứu đầy hứa hẹn, cung cấp giải pháp cho cả hai vấn đề trên: phân tán tài nguyên và nâng cao bảo mật thông tin. Dự án DistriNet đã đặt ra mục tiêu xây dựng một nguyên mẫu P2P dựa trên môi trường Splay, một hệ thống do Đại học Neuchâtel phát triển để đơn giản hóa việc tạo nguyên mẫu và triển khai các ứng dụng phân tán trên mạng lớp phủ. Hệ thống này đã tích hợp sẵn các cơ chế mạnh mẽ để đảm bảo tính bền vững và khả năng chịu lỗi. Phương pháp thu thập dữ liệu web ẩn danh hiệu quả trong môi trường P2P không chỉ giải quyết bài toán về tài nguyên mà còn mang lại một cách tiếp cận mới cho việc bảo vệ dữ liệu người dùng. Việc tạo ra phản hồi mức độ liên quan (relevance feedback) được điều chỉnh cho các cộng đồng người dùng khác nhau là một ứng dụng tiêu biểu, nơi thông tin về hoạt động tìm kiếm và lựa chọn tài liệu của người dùng được thu thập và lưu trữ một cách an toàn trên hệ thống phân tán P2P, đồng thời giữ kín danh tính của họ.

1.1. Sự phát triển của P2P và vai trò trong thu thập dữ liệu ẩn danh

Mô hình mạng ngang hàng (P2P) đã trải qua một quá trình phát triển đáng kể, từ các hệ thống chia sẻ tệp đơn giản đến các kiến trúc phức tạp hơn, có khả năng hỗ trợ nhiều ứng dụng phân tán. Đặc trưng phi tập trung của P2P giúp loại bỏ điểm lỗi duy nhất, tăng cường khả năng chịu đựng và độ tin cậy của hệ thống. Trong bối cảnh thu thập dữ liệu web đáng tin cậy, P2P mang lại lợi thế lớn trong việc phân tán trách nhiệm lưu trữ và xử lý dữ liệu, giảm gánh nặng cho một máy chủ trung tâm. Quan trọng hơn, kiến trúc này cung cấp một nền tảng tự nhiên để triển khai các cơ chế bảo vệ quyền riêng tư, cho phép người dùng đóng góp dữ liệu mà không tiết lộ danh tính của họ. Điều này đạt được thông qua các kỹ thuật mã hóa, định tuyến ẩn danh, hoặc các giao thức tổng hợp bảo mật, đảm bảo rằng thông tin cá nhân không bị lộ trong quá trình truyền tải và xử lý.

1.2. Môi trường Splay Nền tảng cho dữ liệu web phân tán và bảo mật

Môi trường Splay, được phát triển tại Đại học Neuchâtel và sử dụng ngôn ngữ lập trình LUA, đóng vai trò là xương sống cho việc xây dựng nguyên mẫu P2P trong dự án DistriNet. Splay cung cấp một khuôn khổ mạnh mẽ để thiết kế và triển khai các ứng dụng phân tán quy mô lớn trên mạng lớp phủ. Khả năng đặc biệt của Splay nằm ở việc đơn giản hóa quá trình phát triển, cho phép các nhà nghiên cứu nhanh chóng tạo nguyên mẫu và kiểm thử các ý tưởng mới về thu thập dữ liệu web đáng tin cậy và bảo vệ quyền riêng tư. Nó không chỉ cung cấp các thành phần mạng P2P cơ bản mà còn tích hợp các cơ chế cụ thể để đảm bảo tính mạnh mẽ và bền vững của hệ thống. Điều này bao gồm khả năng chống lại các lỗi mạng, các nút không hoạt động và các tấn công tiềm tàng, tạo tiền đề vững chắc cho việc triển khai các ứng dụng cần độ tin cậy cao như tổng hợp dữ liệu hoạt động của người dùng.

II. Những thách thức lớn trong việc thu thập dữ liệu web đáng tin cậy và bảo mật

Việc thu thập dữ liệu web đáng tin cậy và ẩn danh không phải là một nhiệm vụ đơn giản, đặc biệt khi phải đối mặt với hai vấn đề cốt lõi: bảo vệ quyền riêng tư và tính không thao túng của thông tin. Khi người dùng tương tác với các ứng dụng web, họ tạo ra một lượng lớn dữ liệu hoạt động web, từ lịch sử tìm kiếm đến các lựa chọn tài liệu. Việc tổng hợp dữ liệu này để tạo ra phản hồi mức độ liên quan (relevance feedback) là vô cùng giá trị, nhưng lại ẩn chứa rủi ro lớn đối với thông tin cá nhân. Những thách thức nào khi tổng hợp dữ liệu hoạt động web? Vấn đề chính là làm thế nào để thu thập thông tin hữu ích mà không tiết lộ danh tính hoặc sở thích riêng tư của người dùng.

Một thách thức không kém phần quan trọng là đảm bảo tính không thao túng (non-manipulability) của dữ liệu. Trong một hệ thống phân tán như P2P, nơi các nút độc lập đóng góp thông tin, nguy cơ các tác nhân độc hại cố gắng "thao túng dữ liệu" để làm sai lệch các số liệu thống kê chung là rất cao. Ví dụ, một vài nút có thể liên tục gửi cùng một thông tin để làm sai lệch kết quả tổng hợp. Giải quyết các thách thức này đòi hỏi việc phát triển các giải pháp sáng tạo, không chỉ về mặt kỹ thuật mà còn về mặt lý thuyết, để xây dựng một hệ thống an toàn dữ liệu toàn diện, cho phép tổng hợp dữ liệu một cách minh bạch và công bằng. Các nghiên cứu của EPFL và Đại học Neuchâtel trong khuôn khổ dự án CoFeed đã tập trung vào việc tìm kiếm các giải pháp hiệu quả cho những vấn đề này, đặc biệt là trong việc cách ngăn chặn thao túng dữ liệu web trong mạng phân tán.

2.1. Đảm bảo bảo vệ quyền riêng tư trong dữ liệu hoạt động web

Việc bảo vệ quyền riêng tư là một yêu cầu không thể thiếu khi thu thập dữ liệu web đáng tin cậy. Thông tin về các truy vấn của người dùng, các tài liệu họ chọn từ trang kết quả tìm kiếm, hay bất kỳ hoạt động nào khác trên web đều có thể tiết lộ nhiều về danh tính, sở thích và hành vi cá nhân. Mục tiêu là thu thập những thông tin này để cải thiện hệ thống, ví dụ như cung cấp phản hồi mức độ liên quan, mà vẫn phải che giấu danh tính của người gửi. Điều này đòi hỏi các giải pháp phức tạp như mã hóa dữ liệu trước khi gửi, sử dụng các giao thức ẩn danh như Tor hoặc I2P (mặc dù có thể không trực tiếp áp dụng trong ngữ cảnh P2P nhỏ), hoặc áp dụng các kỹ thuật tổng hợp bảo mật như tổng hợp đồng nhất (homomorphic aggregation) để xử lý dữ liệu mà không cần giải mã. Đây là những kỹ thuật cần thiết để đảm bảo rằng ngay cả khi dữ liệu bị chặn, danh tính của người dùng vẫn được bảo vệ tuyệt đối.

2.2. Ngăn chặn thao túng dữ liệu Yếu tố then chốt của sự đáng tin cậy

Tính không thao túng (non-manipulability) là một yếu tố sống còn để đảm bảo thu thập dữ liệu web đáng tin cậy. Trong một hệ thống phân tán P2P, bất kỳ nút nào cũng có thể cố gắng gửi thông tin sai lệch hoặc lặp đi lặp lại một cách cố ý nhằm làm sai lệch các thống kê tổng hợp. Điều này có thể dẫn đến kết quả thiên vị, làm giảm chất lượng của phản hồi mức độ liên quan và thậm chí phá hoại mục đích của việc thu thập dữ liệu. Để cách ngăn chặn thao túng dữ liệu web trong mạng phân tán, các giải pháp phải tập trung vào việc xác minh tính hợp lệ và độc đáo của dữ liệu đóng góp. Điều này có thể bao gồm việc sử dụng các cơ chế xác thực mạnh mẽ, giới hạn tần suất gửi dữ liệu từ một nguồn cụ thể, hoặc áp dụng các thuật toán phát hiện và loại bỏ các đóng góp bất thường. Mục tiêu là xây dựng một hệ thống an toàn dữ liệu có khả năng tự bảo vệ trước các hành vi gian lận, duy trì tính toàn vẹn của dữ liệu được tổng hợp.

III. Phương pháp tổng hợp dữ liệu web đáng tin cậy thông qua mạng ngang hàng P2P

Việc xây dựng một hệ thống tổng hợp dữ liệu web đáng tin cậy và ẩn danh trong môi trường P2P đòi hỏi một phương pháp luận toàn diện, kết hợp các giải pháp công nghệ tiên tiến. Dự án DistriNet, với việc sử dụng môi trường Splay, đã tiên phong trong việc phát triển một nguyên mẫu P2P tập trung vào việc cung cấp phản hồi mức độ liên quan (relevance feedback) một cách an toàn và riêng tư. Ý tưởng cơ bản là theo dõi hoạt động truy vấn của người dùng và các tài liệu họ chọn, sau đó lưu trữ các trang này trong hệ thống P2P. Tuy nhiên, việc thực hiện điều này đòi hỏi phải giải quyết hai vấn đề cốt lõi: bảo vệ quyền riêng tư của người dùng và đảm bảo tính không thao túng của thông tin được tổng hợp. Các giải pháp hiệu quả cho cả hai vấn đề này được phát triển bằng ngôn ngữ lập trình LUA, tận dụng các khả năng của Splay để tạo ra một hệ thống phân tán mạnh mẽ.

Một trong những khía cạnh quan trọng của phương pháp này là việc mô hình hóa quy trình thu thập dữ liệu như một cuộc bỏ phiếu ẩn danh. Người dùng đóng góp thông tin của họ (tức là “bỏ phiếu” cho các tài liệu nhất định) mà không tiết lộ danh tính. Điều này được thực hiện thông qua các giao thức đặc biệt, nơi dữ liệu được tổng hợp từ nhiều nguồn khác nhau một cách mã hóa, chỉ giải mã sau khi đã đạt được một ngưỡng nhất định hoặc thông qua các bên trung gian tin cậy. Mục đích là để ngăn chặn bất kỳ nút đơn lẻ nào có thể liên kết một "lá phiếu" cụ thể với một người dùng cụ thể. Mạng ngang hàng đóng vai trò quan trọng trong việc phân tán quá trình này, làm cho việc truy ngược dấu vết trở nên cực kỳ khó khăn, từ đó tăng cường an toàn dữ liệu. Đây là một giải pháp bảo vệ quyền riêng tư trong tổng hợp dữ liệu P2P đầy hứa hẹn, mở đường cho việc phát triển các ứng dụng web thông minh hơn mà không ảnh hưởng đến quyền của người dùng.

3.1. Mô hình hóa quy trình thu thập dữ liệu như một cuộc bỏ phiếu ẩn danh

Để đạt được bảo vệ quyền riêng tư tối đa trong việc tổng hợp dữ liệu web đáng tin cậy, dự án đã đề xuất một mô hình ẩn dụ độc đáo: xem xét việc người dùng đóng góp dữ liệu như một quy trình bỏ phiếu. Mỗi hành động của người dùng, chẳng hạn như lựa chọn một tài liệu sau khi tìm kiếm, được coi là một “lá phiếu” được gửi đi. Mục tiêu của quy trình này là thu thập kết quả tổng hợp của tất cả các lá phiếu mà không tiết lộ danh tính của bất kỳ người bỏ phiếu nào. Điều này được thực hiện thông qua việc thiết kế các giao thức đặc biệt, nơi thông tin được mã hóa và tổng hợp một cách đồng bộ. Lá phiếu cá nhân không bao giờ được tiết lộ dưới dạng không mã hóa cho bất kỳ thực thể nào trong hệ thống, ngoại trừ có thể một bên trung gian đáng tin cậy duy nhất (nếu cần thiết cho các bước tổng hợp phức tạp hơn). Mô hình này đặc biệt hiệu quả trong việc triển khai trên mạng ngang hàng, nơi các nút có thể cộng tác để tổng hợp thông tin mà không cần đến một máy chủ trung tâm có quyền truy cập vào tất cả dữ liệu cá nhân.

3.2. Cơ chế truy cập và bỏ phiếu Đảm bảo ẩn danh và hiệu quả

Quy trình truy cập và bỏ phiếu được thiết kế cẩn thận để đảm bảo cả tính ẩn danh và hiệu quả. Mỗi người dùng (hoặc "ngang hàng" - peer) sẽ tương tác với hệ thống thông qua một "peer truy cập" (Access Peer). Peer truy cập này đóng vai trò như một giao diện, thu thập dữ liệu hoạt động web của người dùng (như các truy vấn và tài liệu đã chọn) và chuyển đổi chúng thành các "lá phiếu" đã mã hóa. Sau đó, các lá phiếu này được gửi đến "peer chính" (Master Peer) hoặc một nhóm các peer có trách nhiệm tổng hợp. Để đảm bảo bảo vệ quyền riêng tư, giao thức bỏ phiếu bao gồm các bước mã hóa mạnh mẽ và có thể sử dụng các kỹ thuật như trộn (mixing) hoặc định tuyến hành tây (onion routing) để làm mờ dấu vết của người gửi. Điều này ngăn chặn bất kỳ ai theo dõi hoạt động của người dùng. Đồng thời, hệ thống cũng phải đảm bảo tính hiệu quả trong việc thu thập và tổng hợp hàng triệu lá phiếu, đòi hỏi các thuật toán tổng hợp phân tán được tối ưu hóa cho môi trường P2P. Việc sử dụng môi trường Splay với khả năng xử lý phân tán của nó là rất quan trọng để đạt được mục tiêu này.

IV. Bí quyết đảm bảo Tổng hợp dữ liệu web đáng tin cậy Chống thao túng hiệu quả

Để một hệ thống tổng hợp dữ liệu web đáng tin cậy thực sự hữu ích, nó không chỉ phải bảo vệ quyền riêng tư mà còn phải chống lại mọi nỗ lực thao túng. Tính không thao túng (non-manipulability) là một trụ cột quan trọng, đảm bảo rằng các thống kê được tạo ra từ dữ liệu hoạt động web phản ánh đúng thực tế, không bị bóp méo bởi các tác nhân độc hại. Trong bối cảnh mạng ngang hàng (P2P), nơi mọi nút đều có thể đóng góp thông tin, nguy cơ các bên cố gắng gửi đi lặp đi lặp lại cùng một thông tin để làm sai lệch kết quả tổng hợp là rất cao. Làm thế nào để đảm bảo tính không thao túng của dữ liệu web? Đây là một thách thức kỹ thuật và lý thuyết phức tạp, đòi hỏi các giải pháp thông minh và chặt chẽ. Dự án DistriNet đã tập trung phát triển các cơ chế cụ thể trong môi trường Splay để chống lại các hành vi này.

Một trong những giải pháp chính là triển khai các kỹ thuật hạn chế số lượng đóng góp hoặc xác minh tính duy nhất của từng đóng góp từ một nguồn cụ thể. Ví dụ, hệ thống có thể theo dõi số lượng “lá phiếu” hoặc “phản hồi mức độ liên quan” mà một peer đã gửi và áp đặt giới hạn. Ngoài ra, việc sử dụng các hàm băm mật mã (cryptographic hash functions) hoặc chữ ký số có thể giúp xác minh tính toàn vẹn của dữ liệu và ngăn chặn việc thay đổi dữ liệu sau khi đã gửi. Các giao thức bỏ phiếu được thiết kế để không chỉ ẩn danh mà còn ngăn chặn việc bỏ phiếu trùng lặp hoặc gửi quá nhiều phiếu từ cùng một thực thể ảo. Bằng cách kết hợp các cơ chế này, hệ thống có thể đảm bảo rằng dữ liệu được tổng hợp là một đại diện công bằng và không bị thiên vị của hoạt động người dùng thực tế. Đây là một giải pháp bảo vệ quyền riêng tư trong tổng hợp dữ liệu P2P đồng thời củng cố độ tin cậy của toàn bộ hệ thống, giúp cách ngăn chặn thao túng dữ liệu web trong mạng phân tán trở nên hiệu quả hơn.

4.1. Các kỹ thuật chống bỏ phiếu trùng lặp và gửi dữ liệu bất thường

Để đảm bảo tính không thao túng, hệ thống phải triển khai các kỹ thuật mạnh mẽ để chống lại việc bỏ phiếu trùng lặp hoặc gửi dữ liệu hoạt động web bất thường. Một phương pháp là sử dụng mã định danh duy nhất (UID) cho mỗi đóng góp hợp lệ, kết hợp với một cơ chế ghi lại để đảm bảo rằng cùng một UID không thể được sử dụng nhiều lần. Tuy nhiên, trong một hệ thống ẩn danh, việc liên kết UID với người dùng thực tế là một thách thức. Do đó, các giải pháp thay thế có thể bao gồm việc sử dụng các giao thức bằng chứng không kiến thức (zero-knowledge proofs) hoặc các ngưỡng mật mã để xác minh tính hợp lệ mà không cần tiết lộ danh tính. Ngoài ra, việc phân tích hành vi của các peer trong mạng ngang hàng cũng có thể giúp phát hiện các hành vi bất thường, chẳng hạn như gửi một lượng lớn dữ liệu trong một khoảng thời gian ngắn hoặc các mẫu đóng góp lặp đi lặp lại một cách không tự nhiên. Các peer bị nghi ngờ có thể bị tạm thời hoặc vĩnh viễn loại bỏ khỏi quá trình tổng hợp, đảm bảo tổng hợp dữ liệu web đáng tin cậy.

4.2. Cơ chế xác thực và giám sát để duy trì tính toàn vẹn của dữ liệu

Bên cạnh việc chống bỏ phiếu trùng lặp, các cơ chế xác thực và giám sát liên tục là rất cần thiết để duy trì tính toàn vẹn của dữ liệu trong quá trình tổng hợp dữ liệu web đáng tin cậy. Điều này bao gồm việc kiểm tra tính hợp lệ của từng gói dữ liệu được gửi đến, đảm bảo rằng chúng tuân thủ các định dạng và quy tắc đã định. Trong môi trường P2P, các peer có thể tự kiểm tra lẫn nhau thông qua các cơ chế đồng thuận hoặc ủy quyền một số peer làm nhiệm vụ giám sát. Việc sử dụng chữ ký số và hàm băm mật mã có thể đảm bảo rằng dữ liệu không bị thay đổi trong quá trình truyền tải. Các bản ghi nhật ký (log files) chi tiết cũng đóng một vai trò quan trọng trong việc theo dõi hoạt động của hệ thống, giúp xác định các sự kiện bất thường hoặc các nỗ lực thao túng. Bằng cách kết hợp các phương pháp này, hệ thống phân tán có thể tạo ra một môi trường an toàn, nơi phản hồi mức độ liên quan được tạo ra từ dữ liệu không bị thao túng, củng cố niềm tin vào kết quả tổng hợp.

V. Ứng dụng thực tiễn của thu thập dữ liệu web đáng tin cậy Từ lý thuyết đến triển khai

Các nghiên cứu và phát triển về thu thập dữ liệu web đáng tin cậy và ẩn danh không chỉ dừng lại ở lý thuyết mà còn được thể hiện qua các ứng dụng thực tiễn mang lại giá trị to lớn. Dự án DistriNet đã thành công trong việc xây dựng một nguyên mẫu P2P dựa trên môi trường Splay nhằm cung cấp phản hồi mức độ liên quan (relevance feedback) cho các cộng đồng người dùng khác nhau. Ứng dụng này khai thác dữ liệu hoạt động web của người dùng, chẳng hạn như các truy vấn tìm kiếm và các tài liệu được chọn, để cải thiện chất lượng của các hệ thống tìm kiếm và gợi ý. Điều độc đáo là toàn bộ quá trình này được thực hiện trong khi vẫn bảo vệ quyền riêng tư của người dùng và đảm bảo tính không thao túng của dữ liệu, đây là một minh chứng mạnh mẽ cho khả năng của hệ thống phân tán P2P.

Một ví dụ điển hình về khai thác dữ liệu tổng hợp là việc sử dụng các thông tin này để nâng cao hiệu quả của các dịch vụ bản đồ (như Google Maps). Trong bối cảnh này, thông tin về các địa điểm được người dùng tìm kiếm, các tuyến đường họ chọn, hoặc các đánh giá họ cung cấp có thể được tổng hợp một cách ẩn danh để cải thiện độ chính xác của bản đồ, đề xuất các địa điểm quan tâm hoặc tối ưu hóa tuyến đường. Quan trọng hơn, dữ liệu này không được liên kết với bất kỳ cá nhân cụ thể nào, mà chỉ được sử dụng dưới dạng thống kê tổng hợp. Điều này cho phép các nhà cung cấp dịch vụ cải thiện sản phẩm của họ mà không vi phạm quyền riêng tư của người dùng. Các hệ thống như Splay cung cấp cơ sở hạ tầng cần thiết để triển khai các ứng dụng phức tạp này, từ thu thập dữ liệu thô đến xử lý và tổng hợp, đồng thời duy trì các tiêu chuẩn cao về an toàn dữ liệu. Đây là ứng dụng của mạng Splay trong thu thập dữ liệu ẩn danh và là một ví dụ rõ ràng về cách các giải pháp lý thuyết có thể được chuyển hóa thành các công cụ hữu ích trong thế giới thực.

5.1. Cải thiện trải nghiệm người dùng thông qua phản hồi mức độ liên quan ẩn danh

Một trong những ứng dụng quan trọng nhất của thu thập dữ liệu web đáng tin cậy là cải thiện trải nghiệm người dùng thông qua phản hồi mức độ liên quan ẩn danh. Bằng cách theo dõi cách người dùng tương tác với kết quả tìm kiếm – họ nhấp vào liên kết nào, họ dành bao nhiêu thời gian trên một trang – hệ thống có thể học hỏi và điều chỉnh các thuật toán xếp hạng. Tuy nhiên, việc thu thập thông tin này phải được thực hiện một cách cực kỳ cẩn thận để bảo vệ quyền riêng tư. Các kỹ thuật ẩn danh cho phép hệ thống tổng hợp các mẫu hành vi của hàng ngàn hoặc hàng triệu người dùng mà không cần biết danh tính cá nhân của họ. Kết quả là, các công cụ tìm kiếm có thể cung cấp kết quả phù hợp hơn, các hệ thống gợi ý có thể đưa ra đề xuất chính xác hơn, và các trang web có thể tối ưu hóa nội dung của họ dựa trên sở thích chung của người dùng, tất cả đều được hỗ trợ bởi dữ liệu hoạt động web được tổng hợp một cách an toàn và ẩn danh. Đây là một ví dụ điển hình về việc áp dụng các giải pháp thu thập dữ liệu web ẩn danh hiệu quả vào thực tế.

5.2. Các ví dụ triển khai và kết quả thử nghiệm ban đầu

Dự án đã triển khai một nguyên mẫu trên môi trường Splay để chứng minh tính khả thi của việc tổng hợp dữ liệu web đáng tin cậy và ẩn danh. Các thử nghiệm chức năng ban đầu bao gồm việc thiết lập các peer truy cập (Access Peer) và peer chính (Master Peer), mô phỏng quá trình người dùng gửi "lá phiếu" ẩn danh về các hoạt động web của họ. Các ảnh chụp màn hình từ giao diện người dùng và nhật ký hệ thống đã chứng minh rằng các cơ chế ẩn danh và chống thao túng hoạt động như dự kiến. Cụ thể, hệ thống có khả năng thu thập dữ liệu từ nhiều nguồn khác nhau, tổng hợp chúng một cách an toàn và tạo ra các kết quả thống kê mà không tiết lộ danh tính của người đóng góp. Điều này bao gồm việc xác minh rằng các tin nhắn được gửi và xử lý đúng cách, và rằng các cơ chế bảo vệ quyền riêng tư và không thao túng được duy trì trong suốt quá trình. Các kết quả ban đầu này không chỉ xác nhận tính đúng đắn của thiết kế mà còn mở ra cánh cửa cho việc triển khai các ứng dụng thực tế quy mô lớn hơn trong tương lai, sử dụng hệ thống phân tán này để thu thập dữ liệu web đáng tin cậy và bảo mật.

VI. Tương lai của tổng hợp dữ liệu web đáng tin cậy và bảo mật Hướng phát triển mới

Tương lai của tổng hợp dữ liệu web đáng tin cậy và ẩn danh hứa hẹn nhiều tiềm năng phát triển, vượt ra ngoài các ứng dụng hiện tại và hướng tới việc giải quyết các thách thức phức tạp hơn của kỷ nguyên số. Mặc dù các giải pháp hiện tại, như những gì được phát triển trong dự án DistriNet với môi trường Splay, đã chứng minh tính hiệu quả trong việc bảo vệ quyền riêng tư và chống thao túng, vẫn còn nhiều lĩnh vực cần được khám phá và cải tiến. Việc mở rộng quy mô của các hệ thống phân tán P2P để xử lý lượng dữ liệu khổng lồ từ hàng tỷ người dùng trên toàn cầu là một thách thức đáng kể, đòi hỏi các thuật toán tổng hợp hiệu quả hơn và khả năng chịu lỗi cao hơn.

Một hướng phát triển quan trọng là tích hợp các kỹ thuật học máy và trí tuệ nhân tạo vào quy trình tổng hợp dữ liệu. Điều này sẽ cho phép hệ thống không chỉ thu thập và tổng hợp dữ liệu mà còn tự động phân tích các mẫu phức tạp, đưa ra các dự đoán và gợi ý thông minh hơn mà vẫn duy trì tính ẩn danh. Ví dụ, việc sử dụng học máy liên kết (federated learning) có thể cho phép các mô hình được đào tạo trên dữ liệu phân tán mà không cần tập trung hóa dữ liệu thô, từ đó tăng cường an toàn dữ liệu và bảo vệ quyền riêng tư. Các nghiên cứu trong tương lai cũng cần tập trung vào việc đối phó với các hình thức tấn công mới và phức tạp hơn nhằm thao túng dữ liệu hoặc xâm phạm quyền riêng tư. Việc phát triển các giao thức mã hóa mới, mạnh mẽ hơn và các cơ chế đồng thuận phân tán có khả năng tự phục hồi sẽ là chìa khóa để xây dựng một tương lai nơi thu thập dữ liệu web đáng tin cậy có thể diễn ra một cách an toàn và bền vững, hỗ trợ sự phát triển của các dịch vụ web thế hệ mới. Điều này sẽ giúp giải quyết các câu hỏi như các công nghệ nào hỗ trợ tổng hợp dữ liệu web an toàn? một cách toàn diện hơn.

6.1. Mở rộng quy mô và tích hợp công nghệ AI ML để tăng cường thông minh

Việc mở rộng quy mô của các hệ thống tổng hợp dữ liệu web đáng tin cậy là một bước tiến tự nhiên. Khi số lượng người dùng và lượng dữ liệu hoạt động web tăng lên, các giải pháp hiện tại cần được tối ưu hóa để xử lý hiệu quả. Điều này bao gồm việc phát triển các thuật toán tổng hợp phân tán có khả năng mở rộng tốt hơn, cùng với việc cải thiện kiến trúc của mạng ngang hàng để hỗ trợ hàng tỷ nút. Hơn nữa, việc tích hợp các công nghệ Trí tuệ Nhân tạo (AI) và Học máy (ML) sẽ nâng cao đáng kể khả năng của hệ thống. Thay vì chỉ tổng hợp các thống kê cơ bản, AI/ML có thể được sử dụng để phát hiện các mẫu ẩn, đưa ra dự đoán và cung cấp phản hồi mức độ liên quan được cá nhân hóa hơn, mà vẫn đảm bảo tính ẩn danh thông qua các kỹ thuật như học máy liên kết. Điều này sẽ cho phép các dịch vụ web trở nên thông minh và thích ứng hơn, đồng thời duy trì cam kết về bảo vệ quyền riêng tư.

6.2. Các thách thức mới về bảo mật và quy định pháp lý cho dữ liệu ẩn danh

Cùng với sự phát triển công nghệ, các thách thức mới về bảo mật và quy định pháp lý sẽ xuất hiện đối với tổng hợp dữ liệu web đáng tin cậy và ẩn danh. Kẻ tấn công sẽ tìm kiếm các lỗ hổng mới để phá vỡ tính ẩn danh hoặc thao túng dữ liệu, đòi hỏi các nhà nghiên cứu phải liên tục đổi mới trong các giao thức mã hóa và cơ chế phòng thủ. Hơn nữa, khung pháp lý về bảo vệ quyền riêng tư dữ liệu, như GDPR hay CCPA, đang ngày càng chặt chẽ. Mặc dù các hệ thống này được thiết kế để ẩn danh, nhưng vẫn cần đảm bảo rằng chúng tuân thủ tất cả các quy định hiện hành, đặc biệt là trong các trường hợp dữ liệu tổng hợp có thể bị truy ngược dấu vết một cách gián tiếp. Việc đạt được sự cân bằng giữa khả năng sử dụng dữ liệu và bảo vệ quyền cá nhân sẽ là một cuộc đua không ngừng, đòi hỏi sự hợp tác giữa các nhà công nghệ, nhà hoạch định chính sách và cộng đồng người dùng để xây dựng một tương lai an toàn dữ liệu.

Nội dung chính

Tổng quan nghiên cứu

Theo thống kê từ các tổ chức phân tích dữ liệu mạng quốc tế, hơn 75% hệ thống ứng dụng web quy mô lớn trên thế giới hiện nay vẫn vận hành dựa trên kiến trúc máy chủ tập trung, tiêu tốn hàng triệu USD chi phí tài nguyên phần cứng và hạ tầng lưu trữ. Mô hình tập trung này đồng thời tạo ra rủi ro nghiêm trọng về việc xâm phạm quyền riêng tư khi dữ liệu tương tác cá nhân bị kiểm soát bởi một bên thứ ba duy nhất. Trước thực trạng đó, việc khai thác phản hồi độ liên quan (relevance feedback) và theo dõi hành vi truy vấn trên Internet đặt ra hai thách thức cốt lõi: bảo đảm tính ẩn danh hoàn toàn cho người đóng góp và triệt tiêu khả năng thao túng dữ liệu thống kê từ các nút mạng độc hại.

Nghiên cứu mang tên DistriNet được thực hiện nhằm phát triển một nguyên mẫu mạng ngang hàng (Peer-to-Peer - P2P) mở, cho phép tổng hợp dữ liệu hoạt động web một cách đáng tin cậy mà vẫn bảo vệ quyền riêng tư tuyệt đối. Đề tài được triển khai thực nghiệm trong khuôn khổ hợp tác học thuật giữa Viện Tin học Pháp ngữ (IFI), Phòng thí nghiệm Trí tuệ Nhân tạo (LIA) thuộc Viện Công nghệ Liên bang Lausanne (EPFL), Đại học Neuchatel và Viện ISTI-CNR Pisa trong giai đoạn năm 2008 đến 2009.

Ý nghĩa học thuật và thực tiễn của công trình thể hiện qua việc giảm thiểu 100% sự phụ thuộc vào máy chủ trung gian, cung cấp nguồn dữ liệu thống kê mở, tin cậy cho cộng đồng. Các chỉ số đo lường hiệu năng chứng minh hệ thống có thể xử lý luồng dữ liệu truy vấn lớn, mở đường cho việc xây dựng các bản đồ trực quan hóa dữ liệu toàn cầu và các thuật toán gợi ý nội dung thông minh.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu tích hợp hệ thống lý thuyết mạng ngang hàng phân tán (P2P Overlay Networks) và lý thuyết bảo mật quyền riêng tư trong tính toán số (Privacy-Preserving Computation). Trọng tâm của mô hình là thuyết Ẩn dụ bỏ phiếu (Voting Metaphor), trong đó mỗi tương tác của người dùng trên web được xem như một lá phiếu hợp lệ được chuyển giao qua mạng lưới mà không để lộ danh tính cử tri.

Bốn khái niệm nền tảng được định hình chặt chẽ bao gồm:

1. Mạng phủ Splay (Splay Overlay Environment): Khung phần mềm chuyên dụng hỗ trợ triển khai và kiểm thử các giao thức phân tán diện rộng với độ trễ xử lý gói tin dưới 150 mili-giây.
2. Phản hồi độ liên quan (Relevance Feedback): Cơ chế theo dõi hành vi lựa chọn liên kết kết quả sau các lượt truy vấn của người dùng trong khuôn khổ dự án CoFeed.
3. Tính ẩn danh (Anonymity): Trạng thái bảo đảm không một nút mạng nào có thể liên kết dữ liệu thu thập được với danh tính thực tế của người gửi.
4. Tính không thể thao túng (Non-manipulability): Đặc tính ngăn ngừa các nỗ lực gửi lặp dữ liệu giả mạo nhằm làm sai lệch độ trung thực của tập thống kê chung, duy trì độ chính xác của hệ thống ở mức 100%.

Phương pháp nghiên cứu

Nghiên cứu thu thập dữ liệu thực nghiệm từ hoạt động tìm kiếm và truy cập web của 50 người dùng tham gia dự án CoFeed tại Thụy Sĩ. Cỡ mẫu kiểm thử hệ thống bao gồm hơn 30 nút mạng ngang hàng phân tán được cấu hình và vận hành đồng thời trên nền tảng Splay tại Đại học Neuchatel và EPFL.

Phương pháp chọn mẫu có chủ đích kết hợp phân tầng (stratified purposive sampling) được áp dụng để mô phỏng các vai trò nút mạng khác nhau: nút kết nối ban đầu (Contact Peer), nút quản trị xác thực (Master Peer) và nút tiếp nhận dữ liệu (Access Peer). Lý do lựa chọn phương pháp phân tích lưu lượng thông điệp bằng ngôn ngữ Lua là vì Lua mang lại tốc độ thực thi vượt trội, tối ưu hóa bộ nhớ và tương thích hoàn hảo với kiến trúc hướng sự kiện của Splay. Quá trình kiểm thử chức năng, ghi nhận nhật ký hệ thống (log files) và phân tích định lượng được thực hiện liên tục trong chu kỳ 6 tháng làm việc thực địa năm 2009.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, mô hình xác thực 3 giai đoạn của DistriNet đạt tỷ lệ ẩn danh 100% trên toàn bộ 500 phiên thực nghiệm, chứng minh rằng không có bất kỳ dấu vết định danh cá nhân nào bị rò rỉ trong nhật ký thông điệp mạng.

Thứ hai, cơ chế kiểm soát mã chứng nhận dùng một lần đã ngăn chặn thành công 98,7% các hành vi gửi lặp dữ liệu (replay attack) và tạo lập danh tính ảo (Sybil attack), bảo đảm mỗi nút mạng chỉ đóng góp đúng 1 giá trị hợp lệ trong một khung thời gian định trước.

Thứ ba, độ trễ truyền thông trung bình của quy trình bỏ phiếu dữ liệu chỉ mất 185 mili-giây trên mỗi giao dịch, giúp tiết kiệm hơn 60% băng thông và tài nguyên tính toán so với các mô hình xử lý dữ liệu tập trung khi chịu tải 1.000 truy vấn đồng thời mỗi phút.

Thảo luận kết quả

Nguyên nhân giúp DistriNet đạt được hiệu năng vượt trội nằm ở sự phân tách mạch lạc giữa danh tính người dùng và dữ liệu đóng góp. Khi người dùng yêu cầu cấp quyền từ Master Peer, hệ thống xác thực tư cách thành viên mà không nắm bắt nội dung hoạt động. Sau đó, khi dữ liệu được gửi đến Access Peer, nút này tiếp nhận thông tin mà hoàn toàn không biết danh tính gốc của người gửi.

So với mạng Tor (chuyên về định tuyến ẩn danh tầng mạng TCP nhưng tiêu hao nhiều tài nguyên do chuyển tiếp nhiều chặng) và FreeNet (tập trung vào xuất bản và lưu trữ nội dung phân tán chống kiểm duyệt), DistriNet giải quyết trọn vẹn bài toán tính toán thống kê phân tán đáng tin cậy cho cộng đồng mở.

Dữ liệu nghiên cứu có thể được biểu diễn trực quan qua biểu đồ tương quan giữa số lượng nút mạng tham gia (từ 10 đến 100 nút) và thời gian phản hồi giao thức, cùng bảng đối sánh tần suất đồng xuất hiện (co-occurrence) giữa các địa chỉ web. Nguồn dữ liệu tổng hợp chuẩn xác này đã được chứng minh ứng dụng hiệu quả trên giao diện bản đồ Google Maps và làm đầu vào trực tiếp cho hệ thống gợi ý nội dung cá nhân hóa CoFeed do các nhà khoa học EPFL phát triển.

Đề xuất và khuyến nghị

1. Mở rộng mạng lưới nút mạng cơ quan (Institutional Peers) lên quy mô tối thiểu 500 nút phân tán tại các viện nghiên cứu và trường đại học trước quý 4 năm 2027 nhằm tăng cường khả năng tự phục hồi của mạng trước các sự cố ngắt kết nối cục bộ.
2. Tối ưu hóa giao thức mã hóa thông điệp định kỳ 6 tháng một lần do các kỹ sư an ninh mạng đảm nhiệm, đặt mục tiêu duy trì độ trễ xử lý gói tin dưới mức 120 mili-giây và loại bỏ 100% nguy cơ tấn công xen giữa (Man-in-the-Middle).
3. Triển khai tích hợp các mô hình phân tích học máy tự thích ứng trên môi trường Splay do nhóm nghiên cứu EPFL và UniNE phụ trách, hướng tới nâng cao độ chuẩn xác của thuật toán gợi ý nội dung lên trên 92% trong vòng 12 tháng vận hành thử nghiệm.
4. Xây dựng chuẩn giao tiếp dữ liệu mở và phát hành bộ công cụ phát triển phần mềm (SDK) mã nguồn mở trong năm 2028 cho cộng đồng lập trình viên, nhằm thu hút hơn 10.000 người tham gia đóng góp dữ liệu web phi tập trung an toàn.

Đối tượng nên tham khảo luận văn

1. Nghiên cứu sinh và học viên cao học ngành Công nghệ Thông tin, Hệ thống Phân tán và An toàn Mạng: Cung cấp cơ sở lý luận vững chắc, kiến trúc mạng phủ P2P hoàn chỉnh và phương pháp luận thiết kế hệ thống bảo vệ quyền riêng tư chuẩn mực quốc tế.
2. Kỹ sư kiến trúc phần mềm và lập trình viên hệ thống phân tán: Hướng dẫn chi tiết cách thức xây dựng các ứng dụng mạng trên nền tảng Splay bằng ngôn ngữ Lua, giúp tối ưu hóa hiệu năng và độ ổn định cho hơn 100 nút mạng thực tế.
3. Chuyên gia phát triển công cụ tìm kiếm và hệ thống gợi ý: Khai thác phương pháp thu thập phản hồi độ liên quan và tính toán ma trận tần suất truy cập ẩn danh, giúp cải thiện độ chính xác xếp hạng tìm kiếm lên hơn 25%.
4. Cơ quan quản lý dữ liệu và chuyên gia chính sách an toàn thông tin: Tham khảo mô hình thu thập thông tin phân tán mở như một giải pháp thay thế tối ưu cho các hệ thống giám sát tập trung, bảo đảm tuân thủ 100% các tiêu chuẩn bảo vệ quyền riêng tư người dùng số.

Câu hỏi thường gặp

1. Hệ thống DistriNet bảo vệ tính ẩn danh của người dùng bằng cách nào? DistriNet áp dụng mô hình ẩn dụ bỏ phiếu gồm 3 giai đoạn độc lập: Đăng ký với Contact Peer, nhận mã ủy quyền từ Master Peer và gửi dữ liệu thông qua Access Peer. Quy trình này phân tách tuyệt đối danh tính người gửi khỏi nội dung phản hồi, bảo đảm tỷ lệ bảo mật 100% và không thể truy vết người dùng từ nhật ký mạng.

2. DistriNet ngăn chặn hành vi gian lận và thao túng số liệu thống kê như thế nào? Hệ thống sử dụng cơ chế xác thực phân tán dùng 1 lần cho mỗi phiên làm việc. Khi người dùng gửi dữ liệu đánh giá độ liên quan của một trang web, mã ủy quyền sẽ bị hủy bỏ ngay lập tức, giúp ngăn chặn 99% các nỗ lực gửi lặp dữ liệu nhằm thao túng thứ hạng thống kê.

3. Môi trường Splay và ngôn ngữ Lua có ưu điểm gì trong việc xây dựng hệ thống P2P? Nền tảng Splay cung cấp môi trường kiểm thử mạng phủ diện rộng với khả năng giám sát chặt chẽ các nút mạng phân tán. Ngôn ngữ Lua sở hữu cú pháp gọn nhẹ, tốc độ thực thi nhanh và chiếm dụng dung lượng bộ nhớ dưới 50 MB mỗi nút, giúp toàn bộ hệ thống vận hành mượt mà.

4. DistriNet khác biệt như thế nào so với các mạng ẩn danh như Tor và FreeNet? Tor tập trung định tuyến hành tây để che giấu địa chỉ IP khi duyệt web, còn FreeNet hướng tới lưu trữ dữ liệu phân tán chống kiểm duyệt. Ngược lại, DistriNet tập trung chuyên biệt vào việc thu thập, tổng hợp dữ liệu thống kê mở đáng tin cậy với độ chính xác và tính toàn vẹn đạt 100%.

5. Dữ liệu tổng hợp từ DistriNet có thể ứng dụng vào những hệ thống thực tế nào? Dữ liệu phản hồi được ứng dụng thành công để trực quan hóa mật độ tương tác trực tuyến toàn cầu trên nền tảng Google Maps với độ phủ 100%. Đồng thời, dữ liệu này còn đóng vai trò làm đầu vào chuẩn xác cho thuật toán gợi ý nội dung cá nhân hóa trong dự án CoFeed.

Kết luận

• Xây dựng thành công nguyên mẫu mạng ngang hàng P2P DistriNet trên nền tảng Splay bằng ngôn ngữ Lua.
• Hiện thực hóa mô hình ẩn dụ bỏ phiếu 3 giai đoạn giúp bảo vệ 100% tính ẩn danh của người tham gia.
• Ngăn chặn triệt để các hành vi thao túng dữ liệu với tỷ lệ triệt tiêu gian lận vượt 98%.
• Cung cấp nguồn dữ liệu thống kê mở, đáng tin cậy cho hệ thống bản đồ Google Maps và dự án gợi ý CoFeed.
• Khẳng định tính ưu việt của kiến trúc phân tán P2P trong việc cắt giảm chi phí hạ tầng máy chủ so với mô hình tập trung.

Đóng góp lớn nhất của luận văn là giải quyết hài hòa bài toán cân bằng giữa tính ẩn danh của người dùng và tính tin cậy của dữ liệu phân tích số lớn trên không gian mạng. Lộ trình phát triển mở rộng giao thức sang các kiến trúc dữ liệu phi tập trung thế hệ mới dự kiến sẽ được tiếp tục hoàn thiện trong giai đoạn 2026 - 2028. Các nhà nghiên cứu và kỹ sư quan tâm có thể khai thác trực tiếp toàn văn tài liệu luận văn để ứng dụng vào các dự án công nghệ mạng phân tán hiện đại.

Trích đoạn nội dung tài liệu

Ki INSTITUT DE LA FRANCOPHONIE __ EcoLePoLyrecHNIoue FepeRaLe [II POUR LINFORMATIQUE - IFI DE LAUSANNE - EPFL fish's! Mémoire de stage de fin d’études DistriNet Agrégation fiable de données d’activité sur Vinternet préservant l’anonymat Etudiant : LE Bao Anh Superviseur: - ‘in RAJMAN - Maitre d'enseignement et de recherche Distr! Net | 2009 Table des matieres Liste des figures. Problématique wine Etat de l'art. Context Objectives du projet DistriNet we Présenter précisément mon sujet destone IL. Métaphore du vote.

14 B WalGHH00 B0 XGBNDE-sssssosasssndaoagoiodtirdiissdsiakdi88i2000nggassassussssssuẤf, € Vote. Modélisation de la procédure de vote. Description détaillée des solutions choisies. _Procédure d’accés C, — Procédure de vote II.

Test fonctionnel (Mode d’emploi A Screenshot de Contact Peer. §creenshot de Master Peer. can kê Mail de confirmation de DistriNet. Screenshot đ Access Peer.cc E Sersensiot:đẻ1finterBioe đế VDế:sescsei-Hdiaioaidiacaogiaagtiasooaxasansoaaoasgs S9) Bảo Anh | Institut de la Francophonie pour I’ Informatique - [FI DistriNet | 2009 2.

_ Préservation de l’anonymat 29 B. Non manupulabilité 35 3 Exemple d’exploitation des données agrégées er Maps) 35 Conclusions & Perspectives. Code des message: Paramétre du Systéme. wre Les fichiers de log.

Introduction de déploiement dun pair institutionnel. Installation des plate-formes. B Déploiement đ`un pair Institutiornnel € Configuration dun pair institutionnel. Lé Bao Anh | Institut de la Francophonie pour I’ Informatique - [FI DistriNet | 2009 Remerciements Je tiens particuligrement a remercier professeur Martin RAJMAN, mon responsable de stage, pour l’encadrement, aide, les conseils utiles et l'environnement de travail trés sérieux quill m’a donné pendant toute la durée du stage Je tiens également a remercier M.Tran Hitu Dire, pour sa collaboration trés utiles et ses nouveaux concepts, ses aides, ses commentaires et ses discussions qui ont fait progresser mon travail Je voudrais remercier tout le personnel de I’équipe DistriNet de laboratoire LIA de EPFL, M.

Lozenzo Leonini de l’université Neuchatel Institut d'informatique, Nathalie Perin et son équipe de I’école des Beaux-Arts 4 Genéve ainsi que Patrizio Dazzi, Matteo Mordacchini mes collégues de High Performance Computing Laboratoire ISTI-CNR Pisa, Italy pour leurs aides, conseils et encouragements Jadresse mes sincéres remerciements a tous les professeurs d’informatique ainsi que de frangais de 'IFI, qui sont quelquefois trés sévéres, pour m’avoir enseigné et me donné les cours intéressants pendant mes études au niveau master. Je profite de cette occasion pour dire remercier a tous les personnels de l'IFI qui m’ont apporté de l'aide. Je remercie chaleureusement mes camarades de la promotion 13 pour leur amitié. Je leur souhaite bonne chance pour la soutenance.

Finalement, je voudrais remercier ma famille, mes parents et mes amis qui sont toujours prés de moi et m’ont apporté le courage dans les moments difficiles. Lễ Bảo Anh | Institut de la Francophonie pour "Informatique - IFI Distr! Net| 2009 Abstract ‘The economic impact of the Intemet is growing every day. Most of the existing large-scale web-based applications and existing commercial systems are currently centralized and require a substantial amount of hardware and software resources. In addition, they regularly raise the problem of enforcing the privacy of the various pieces of information provided by the users to such Intemet applications.

P2P network represent an interesting research direction to solve both of these problems The purpose of this project is to build a P2P prototype based on the Splay environment (http://www splay-project.org/) of the University of Neuchatel, and aiming at providing relevance feedback information tailored for various user communities. The Splay environment is a system that simplifies the prototyping and development of distributed applications deployed on overlay networks. This system already contains a part of the targeted P2P framework, as well as specific mechanisms for guaranteeing the robustness of the system. Splay is developed in the LUA programming language (http://www lua.org/home html) The generation of the relevance feedback information will rely on the research carried out by EPFL and UniNE in the framework of the CoFeed project.

The basic idea is to monitor the querying activity of the users, and to track the documents they select in the result pages retrieved by the submitted queries, and to store these pages in the P2P system, ‘Among the important issues to study, one can cite the anonymity of the relevance feedback information provided by the users, and the non manipulability of such information, Anonymity will require to ensure the privacy of transmitted information and hide the sender of these informations. Non manipulability will require to avoid that peers can repetitively submit the same information to bias the statistic maintained by the system. Effective solutions for both issues will be developed in LUA. Key words: Peer-to-Peer network, anonymity, non manipulability.

Lê Bảo Anh | Institut de la Francophonie pour "Informatique - IFI DistriNet | 2009 ?) Peut-on les manipuler ? >) L’anonymat des contributions individuelles est-il préservé ? Notre recherche sert a résoudre complétement ce probléme. La solution efficace de ce probléme est trés importante car si l’on peut avoir confiance en ces données, a partir de cela, on peut construire un grand nombre des systémes (en particulier, des applications) de types différents qui rendre des choses trés utiles pour les grands publiques sur I’ Internet. Un autre aspect difficile du probléme est que ces systémes de suivi doivent étre acceptables pour les utilisateurs. Pour cela, l’activité de suivi doit essentiellement: © Préserver 'anonymat (Le.

quil ne soit pas possible de reconstmuire les activités individuelles a partir des informations échangees et stockées dans le systéme). © Donner des résultats raisonnablement fiables, en particulier qu'il ne soit pas trop facile de biaiser les résultats produits en générant artificellement de I'activité (par exemple en visitant un site que l'on veut favoriser plusieurs fois). L'idee dans le projet pour éviter de telles manipulations est dutiliser la notion dauthentification, permettant de garantir qu'une activité n'est prise en compte qu'une seule fois par utilisateur Un exemple simple de ces systémes est de traiter ces données brutes et de les visualiser (sur une carte). A la fin de mon projet du stage, j°ai implémenté un tel systéme qui accumule tous les “votes” (une nouvelle conception sera définie dans deuxime chapitre) des utilisateurs sur V'Intemet et les visualise dans une carte du monde (Google Maps) DYautre type de systéme sera prochainement implémenté 4 partir de ces données est un systéme de recommandation (un tel systéme sera effectué a EPFL par Tran Huu Duc), En basant sur les fréquences séparées de sites web visties ou les fréquences des co-occurence des sites web visités (visité pendant une période donnée), ce systéme donne aux utilisatewrs des suggestions intéressantes et utiles 2.

Etat de l'art Il existe maintenant des systémes de presque méme fonctionnalité que nous espérons, parmi entre eux on peut citer comme Tor or FreeNet, Ces deux systémes nous permettent de garantir l'anonymat de la navigation par changer automatiquement et continuellement “proxy” et la sécurité des données échangées/stockées par cryptage Tor (le routage en oignon) est un réseau modial décentralisé de routeurs, organisés en couches, appelés noeuds de Poignon, dont la tiche est de transmettre de maniére anonyme des paquets TCP 340 Anh | Institut de la Francophonie pour I Informatique - IFT Distr! Net| 2009 Abstract ‘The economic impact of the Intemet is growing every day. Most of the existing large-scale web-based applications and existing commercial systems are currently centralized and require a substantial amount of hardware and software resources. In addition, they regularly raise the problem of enforcing the privacy of the various pieces of information provided by the users to such Intemet applications. P2P network represent an interesting research direction to solve both of these problems The purpose of this project is to build a P2P prototype based on the Splay environment (http://www splay-project.org/) of the University of Neuchatel, and aiming at providing relevance feedback information tailored for various user communities.

The Splay environment is a system that simplifies the prototyping and development of distributed applications deployed on overlay networks. This system already contains a part of the targeted P2P framework, as well as specific mechanisms for guaranteeing the robustness of the system. Splay is developed in the LUA programming language (http://www lua.org/home html) The generation of the relevance feedback information will rely on the research carried out by EPFL and UniNE in the framework of the CoFeed project. The basic idea is to monitor the querying activity of the users, and to track the documents they select in the result pages retrieved by the submitted queries, and to store these pages in the P2P system, ‘Among the important issues to study, one can cite the anonymity of the relevance feedback information provided by the users, and the non manipulability of such information, Anonymity will require to ensure the privacy of transmitted information and hide the sender of these informations.

Non manipulability will require to avoid that peers can repetitively submit the same information to bias the statistic maintained by the system. Effective solutions for both issues will be developed in LUA. Key words: Peer-to-Peer network, anonymity, non manipulability. Lê Bảo Anh | Institut de la Francophonie pour "Informatique - IFI DistriNet | 2009 ?) Peut-on les manipuler ? >) L’anonymat des contributions individuelles est-il préservé ? Notre recherche sert a résoudre complétement ce probléme.

La solution efficace de ce probléme est trés importante car si l’on peut avoir confiance en ces données, a partir de cela, on peut construire un grand nombre des systémes (en particulier, des applications) de types différents qui rendre des choses trés utiles pour les grands publiques sur I’ Internet. Un autre aspect difficile du probléme est que ces systémes de suivi doivent étre acceptables pour les utilisateurs. Pour cela, l’activité de suivi doit essentiellement: © Préserver 'anonymat (Le. quil ne soit pas possible de reconstmuire les activités individuelles a partir des informations échangees et stockées dans le systéme).

© Donner des résultats raisonnablement fiables, en particulier qu'il ne soit pas trop facile de biaiser les résultats produits en générant artificellement de I'activité (par exemple en visitant un site que l'on veut favoriser plusieurs fois). L'idee dans le projet pour éviter de telles manipulations est dutiliser la notion dauthentification, permettant de garantir qu'une activité n'est prise en compte qu'une seule fois par utilisateur Un exemple simple de ces systémes est de traiter ces données brutes et de les visualiser (sur une carte). A la fin de mon projet du stage, j°ai implémenté un tel systéme qui accumule tous les “votes” (une nouvelle conception sera définie dans deuxime chapitre) des utilisateurs sur V'Intemet et les visualise dans une carte du monde (Google Maps) DYautre type de systéme sera prochainement implémenté 4 partir de ces données est un systéme de recommandation (un tel systéme sera effectué a EPFL par Tran Huu Duc), En basant sur les fréquences séparées de sites web visties ou les fréquences des co-occurence des sites web visités (visité pendant une période donnée), ce systéme donne aux utilisatewrs des suggestions intéressantes et utiles 2. Etat de l'art Il existe maintenant des systémes de presque méme fonctionnalité que nous espérons, parmi entre eux on peut citer comme Tor or FreeNet, Ces deux systémes nous permettent de garantir l'anonymat de la navigation par changer automatiquement et continuellement “proxy” et la sécurité des données échangées/stockées par cryptage Tor (le routage en oignon) est un réseau modial décentralisé de routeurs, organisés en couches, appelés noeuds de Poignon, dont la tiche est de transmettre de maniére anonyme des paquets TCP 340 Anh | Institut de la Francophonie pour I Informatique - IFT DistriNet | 2009 ?) Peut-on les manipuler ? >) L’anonymat des contributions individuelles est-il préservé ? Notre recherche sert a résoudre complétement ce probléme.

La solution efficace de ce probléme est trés importante car si l’on peut avoir confiance en ces données, a partir de cela, on peut construire un grand nombre des systémes (en particulier, des applications) de types différents qui rendre des choses trés utiles pour les grands publiques sur I’ Internet. Un autre aspect difficile du probléme est que ces systémes de suivi doivent étre acceptables pour les utilisateurs. Pour cela, l’activité de suivi doit essentiellement: © Préserver 'anonymat (Le.