Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của công nghệ thông tin và Internet tại Việt Nam, an ninh mạng trở thành một trong những vấn đề cấp thiết hàng đầu. Theo báo cáo của Bộ Thông tin và Truyền thông, trong năm 2021, số lượng các cuộc tấn công mạng tại Việt Nam đã lên tới hơn 6.000 vụ, trong đó có khoảng 700 vụ tấn công deface – hình thức tấn công làm thay đổi nội dung website. Tấn công deface không chỉ gây thiệt hại về mặt hình ảnh, uy tín của các tổ chức, doanh nghiệp mà còn ảnh hưởng nghiêm trọng đến hoạt động vận hành của các hệ thống thông tin.

Luận văn tập trung nghiên cứu giải pháp cảnh báo kịp thời các cuộc tấn công an ninh mạng deface nhằm bảo vệ tính toàn vẹn và ổn định của các website, đặc biệt là các website của các sở, ban, ngành trên địa bàn tỉnh Tây Ninh. Mục tiêu cụ thể là xây dựng hệ thống giám sát và cảnh báo dựa trên việc phát hiện sự thay đổi bất thường về nội dung và trạng thái hoạt động của website. Nghiên cứu áp dụng các thuật toán hàm băm và đối sánh chuỗi để phát hiện các dấu hiệu tấn công, đồng thời đề xuất mô hình cảnh báo qua email và tin nhắn SMS. Phạm vi nghiên cứu tập trung vào các website tĩnh và động phổ biến tại Việt Nam trong giai đoạn 2021-2023.

Giải pháp này có ý nghĩa quan trọng trong việc nâng cao khả năng phòng chống tấn công deface, góp phần bảo vệ an toàn thông tin, giảm thiểu thiệt hại về kinh tế và uy tín cho các tổ chức, doanh nghiệp, đồng thời hỗ trợ công tác quản lý an ninh mạng trên địa bàn tỉnh và cả nước.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

  • An ninh mạng và an toàn thông tin: Khái niệm về an ninh mạng bao gồm các biện pháp bảo vệ hệ thống mạng khỏi các hành vi xâm nhập, tấn công, đảm bảo tính toàn vẹn, bảo mật và khả dụng của dữ liệu. An toàn thông tin mạng là sự bảo vệ thông tin tránh bị truy cập, sửa đổi hoặc phá hoại trái phép.

  • Các kỹ thuật tấn công mạng phổ biến: Tấn công SQL Injection, XSS (Cross Site Scripting), tấn công từ chối dịch vụ (DoS/DDoS) và đặc biệt là tấn công deface – thay đổi nội dung website. Hiểu rõ các kỹ thuật này giúp xác định các dấu hiệu và phương pháp phát hiện hiệu quả.

  • Hàm băm (Hash function): Hàm băm chuyển đổi dữ liệu đầu vào có độ dài bất kỳ thành một chuỗi có độ dài cố định, dùng để kiểm tra tính toàn vẹn dữ liệu. Các tính chất quan trọng gồm tính tất định, tính một chiều và tính kháng va chạm. Một số hàm băm phổ biến như MD5, SHA-1, SHA-2, SHA-3 và BLAKE2.

  • Thuật toán Rabin-Karp và đối sánh chuỗi: Thuật toán Rabin-Karp sử dụng hàm băm để so sánh nhanh các chuỗi con trong văn bản, giúp phát hiện sự thay đổi nội dung website bằng cách so sánh các giá trị băm của các đoạn mã nguồn. Thuật toán đối sánh chuỗi giúp xác định mức độ tương đồng giữa các tài liệu hoặc phiên bản khác nhau của website.

  • Mô hình Agent-Controller: Mô hình này được sử dụng để giám sát và cảnh báo từ xa, trong đó Agent được cài đặt trên máy chủ web để thu thập dữ liệu, còn Controller là trung tâm giám sát độc lập nhận và xử lý thông tin, đảm bảo tính liên tục và bảo mật trong trao đổi dữ liệu.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Thu thập dữ liệu từ các website thực tế của các sở, ban, ngành tại tỉnh Tây Ninh và một số website báo chí điện tử như Báo Tuổi Trẻ. Dữ liệu bao gồm mã nguồn HTML, các file CSS, log hoạt động và các sự kiện tấn công đã được ghi nhận.

  • Phương pháp phân tích: Áp dụng thuật toán hàm băm Rabin-Karp cải tiến để tính toán giá trị băm của các đoạn mã nguồn, kết hợp với phương pháp đối sánh chuỗi để xác định mức độ thay đổi nội dung. Sử dụng mô hình Agent-Controller để giám sát liên tục và cảnh báo kịp thời.

  • Cỡ mẫu và chọn mẫu: Nghiên cứu thực nghiệm trên 5 trạng thái khác nhau của file font.css trong thư mục chứa 5 file CSS của website Báo Tuổi Trẻ, cùng với các website của các cơ quan nhà nước tại Tây Ninh. Mẫu được chọn dựa trên tính đại diện và mức độ phổ biến của các website.

  • Timeline nghiên cứu: Nghiên cứu được thực hiện trong năm 2022-2023, bao gồm giai đoạn thu thập dữ liệu, phát triển thuật toán, xây dựng hệ thống giám sát và thử nghiệm thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Phát hiện sự thay đổi nội dung website qua hàm băm: Áp dụng thuật toán Rabin-Karp cải tiến cho phép phát hiện chính xác các thay đổi trong mã nguồn HTML và file CSS. Ví dụ, khi so sánh hai trạng thái của file font.css, mức độ tương đồng giảm từ 100% xuống còn khoảng 20-66%, tùy thuộc vào mức độ thay đổi nội dung. Điều này chứng minh tính hiệu quả của hàm băm trong việc phát hiện deface.

  2. Giám sát tình trạng hoạt động website: Qua kiểm tra DNS, HTTP Request và IP Public, hệ thống có thể phát hiện kịp thời các trạng thái không hoạt động hoặc bị tê liệt của website. Tỷ lệ phát hiện các sự cố hoạt động đạt trên 95% trong các thử nghiệm thực tế.

  3. Mô hình Agent-Controller đảm bảo tính liên tục và bảo mật: Việc sử dụng mô hình này giúp duy trì kênh liên lạc an toàn giữa máy chủ web và trung tâm giám sát, sử dụng mã hóa AES. Trong các thử nghiệm, hệ thống cảnh báo mất liên lạc trong vòng 5 phút đã gửi cảnh báo kịp thời đến quản trị viên.

  4. Tỷ lệ cảnh báo chính xác và giảm thiểu cảnh báo giả: Hệ thống thiết lập ngưỡng cảnh báo dựa trên mức độ tương đồng nội dung, giúp giảm thiểu cảnh báo sai. Trong thử nghiệm với 50 lần giám sát, tỷ lệ cảnh báo giả chỉ chiếm khoảng 5%, đảm bảo tính tin cậy của hệ thống.

Thảo luận kết quả

Kết quả nghiên cứu cho thấy việc ứng dụng hàm băm và thuật toán Rabin-Karp cải tiến là phương pháp hiệu quả để phát hiện các cuộc tấn công deface trên website. So với các nghiên cứu trước đây sử dụng kỹ thuật học máy hoặc phân tích log, phương pháp này có ưu điểm về tốc độ xử lý và khả năng phát hiện sớm các thay đổi nội dung.

Việc giám sát tình trạng hoạt động website qua DNS, HTTP Request và ICMP giúp phát hiện các cuộc tấn công từ chối dịch vụ (DoS) hoặc các sự cố kỹ thuật gây tê liệt hệ thống. Mô hình Agent-Controller đảm bảo tính liên tục và bảo mật trong quá trình giám sát, phù hợp với môi trường mạng thực tế tại các cơ quan nhà nước.

Các biểu đồ so sánh mức độ tương đồng nội dung trước và sau tấn công, cùng bảng thống kê số lần cảnh báo và tỷ lệ cảnh báo giả, sẽ minh họa rõ nét hiệu quả của hệ thống. Kết quả này cũng phù hợp với báo cáo của ngành về xu hướng gia tăng các cuộc tấn công deface tại Việt Nam trong những năm gần đây.

Đề xuất và khuyến nghị

  1. Triển khai hệ thống giám sát và cảnh báo trên diện rộng: Khuyến nghị các sở, ban, ngành tại tỉnh Tây Ninh và các địa phương khác áp dụng hệ thống giám sát deface để phát hiện kịp thời các cuộc tấn công, giảm thiểu thiệt hại về mặt hình ảnh và hoạt động. Thời gian triển khai dự kiến trong vòng 6 tháng.

  2. Tăng cường đào tạo và nâng cao nhận thức về an ninh mạng: Đào tạo đội ngũ quản trị website về các kỹ thuật phòng chống tấn công deface, cách sử dụng hệ thống giám sát và xử lý cảnh báo. Mục tiêu nâng cao tỷ lệ phản ứng nhanh trước sự cố, thực hiện trong 3 tháng đầu sau khi triển khai hệ thống.

  3. Cập nhật và bảo trì định kỳ hệ thống giám sát: Định kỳ rà soát, cập nhật thuật toán và tham số giám sát để phù hợp với các kỹ thuật tấn công mới, đảm bảo hệ thống luôn hoạt động hiệu quả. Thời gian bảo trì định kỳ 3 tháng/lần do đội ngũ kỹ thuật thực hiện.

  4. Phối hợp với các đơn vị an ninh mạng chuyên sâu: Thiết lập kênh phối hợp với các cơ quan chuyên trách để xử lý các sự cố nghiêm trọng, chia sẻ thông tin về các mối đe dọa mới. Đây là giải pháp dài hạn nhằm nâng cao khả năng phòng chống tấn công mạng toàn diện.

Đối tượng nên tham khảo luận văn

  1. Quản trị viên hệ thống và website: Nhóm này sẽ được trang bị kiến thức và công cụ để phát hiện sớm các cuộc tấn công deface, từ đó kịp thời xử lý và khôi phục hệ thống, giảm thiểu thiệt hại.

  2. Chuyên gia an ninh mạng và kỹ sư bảo mật: Luận văn cung cấp các thuật toán và mô hình giám sát mới, hỗ trợ nghiên cứu và phát triển các giải pháp bảo mật nâng cao, đặc biệt trong lĩnh vực phát hiện tấn công deface.

  3. Các cơ quan quản lý nhà nước về an ninh mạng: Thông tin và giải pháp trong luận văn giúp các cơ quan này xây dựng chính sách, quy trình giám sát và ứng phó với các sự cố an ninh mạng hiệu quả hơn.

  4. Doanh nghiệp và tổ chức sử dụng website làm kênh giao tiếp chính: Các tổ chức này có thể áp dụng hệ thống giám sát để bảo vệ thương hiệu, uy tín và đảm bảo hoạt động kinh doanh không bị gián đoạn do các cuộc tấn công mạng.

Câu hỏi thường gặp

  1. Hệ thống giám sát có thể phát hiện tấn công deface trên các website động không?
    Có, hệ thống sử dụng thuật toán hàm băm và đối sánh chuỗi có thể áp dụng cho cả website tĩnh và động, tuy nhiên hiệu quả cao hơn với các website có cấu trúc ổn định. Đối với website động, cần điều chỉnh tham số giám sát phù hợp.

  2. Tỷ lệ cảnh báo giả của hệ thống là bao nhiêu?
    Trong thử nghiệm thực tế, tỷ lệ cảnh báo giả chỉ khoảng 5%, nhờ việc thiết lập ngưỡng cảnh báo dựa trên mức độ tương đồng nội dung và kiểm tra các cụm từ khóa bắt buộc.

  3. Hệ thống có hỗ trợ cảnh báo qua những kênh nào?
    Hệ thống hỗ trợ cảnh báo qua email và tin nhắn SMS, giúp quản trị viên nhận thông tin kịp thời để xử lý sự cố.

  4. Mô hình Agent-Controller có đảm bảo an toàn thông tin không?
    Có, mô hình sử dụng mã hóa AES trong kênh liên lạc giữa Agent và Controller, đảm bảo tính bảo mật và toàn vẹn dữ liệu trong quá trình giám sát.

  5. Hệ thống có thể giám sát nhiều website cùng lúc không?
    Có, hệ thống được thiết kế để giám sát đồng thời nhiều website, phù hợp với nhu cầu quản lý của các cơ quan, tổ chức có nhiều trang web.

Kết luận

  • Luận văn đã nghiên cứu và phát triển thành công giải pháp cảnh báo kịp thời các cuộc tấn công an ninh mạng deface dựa trên thuật toán hàm băm Rabin-Karp cải tiến và mô hình Agent-Controller.
  • Hệ thống giám sát có khả năng phát hiện chính xác sự thay đổi nội dung và trạng thái hoạt động của website, giảm thiểu thiệt hại do tấn công deface gây ra.
  • Kết quả thử nghiệm trên các website thực tế cho thấy tỷ lệ cảnh báo giả thấp và khả năng cảnh báo kịp thời cao.
  • Đề xuất triển khai hệ thống trên diện rộng tại các sở, ban, ngành nhằm nâng cao hiệu quả quản lý an ninh mạng.
  • Các bước tiếp theo bao gồm mở rộng nghiên cứu áp dụng cho các loại website phức tạp hơn và tích hợp thêm các kỹ thuật học máy để nâng cao khả năng phát hiện.

Quý độc giả và các tổ chức quan tâm có thể liên hệ để được hỗ trợ triển khai và tư vấn giải pháp an ninh mạng hiệu quả.