Tổng quan về luận án

Sự bùng nổ của kỷ nguyên dữ liệu lớn (Big Data) và các hệ thống phân tán đã thúc đẩy nhu cầu liên kết, phân tích dữ liệu đa nguồn nhằm chiết xuất tri thức giá trị trong các lĩnh vực kinh tế số, y tế, và quốc phòng. Tuy nhiên, rào cản cốt lõi xuất phát từ việc bảo vệ thông tin nhạy cảm cá nhân và bí mật thương mại, được quy định chặt chẽ bởi các khung pháp lý như GDPR hay Luật An toàn thông tin mạng. Khi bên sở hữu dữ liệu từ chối chia sẻ tập dữ liệu gốc, các phương pháp khai phá dữ liệu phân tán truyền thống (Distributed Data Mining - DDM) đứng trước thách thức bảo toàn tính riêng tư. Luận án tiến sĩ khoa học máy tính "Đề xuất một số giải pháp khai phá dữ liệu phân tán đảm bảo tính riêng tư" do Nghiên cứu sinh Nguyễn Văn Chung thực hiện (Mã số: 9480101, Đại học Thái Nguyên, 2023; Người hướng dẫn: PGS. TS. Trần Đức Sự và TS. Nguyễn Văn Tảo) đã xây dựng các giải pháp đột phá thuộc nhánh Khai phá dữ liệu bảo toàn quyền riêng tư (Privacy-Preserving Data Mining - PPDM).

Khoảng trống nghiên cứu (Research Gap) được xác định trực tiếp từ việc các kỹ thuật PPDM hiện hành tồn tại sự đánh đổi gay gắt giữa độ chính xác và tính bảo mật. Kỹ thuật biến đổi ngẫu nhiên (Randomization) và $k$-ẩn danh ($k$-anonymity) làm suy giảm độ chính xác thống kê hoặc dễ bị tổn thương trước các cuộc tấn công tái định danh (Re-identification attacks), nơi nghiên cứu kinh điển của Sweeney chỉ ra rằng "87% dân số Mỹ có các đặc điểm cho phép chúng ta định danh duy nhất ra họ dựa trên một số thuộc tính công bố, cụ thể là mã zip, ngày sinh và giới tính". Ngược lại, các phương pháp Tính toán bảo mật nhiều thành viên (Secure Multi-Party Computation - SMC) cổ điển tuy bảo toàn độ chính xác tuyệt đối nhưng lại có chi phí truyền thông $\mathcal{O}(n^2)$ và năng lực kháng thông đồng (Collusion resistance) thấp.

Luận án đặt ra 3 câu hỏi nghiên cứu và 3 giả thuyết tương ứng:

  • RQ1: Làm thế nào để thiết kế giao thức tính tổng bảo mật kháng được sự thông đồng giữa các thành viên với chi phí truyền thông tối ưu?
    • Hypothesis 1 (H1): Ngẫu nhiên hóa số lượng và danh tính nút nhận kết hợp tham số phân rã $t$ sẽ giảm chi phí truyền thông từ $\mathcal{O}(M^2)$ xuống $\mathcal{O}(t \cdot n)$ trong khi vẫn duy trì ngưỡng an toàn kháng $(n-2)$ nút thông đồng.
  • RQ2: Làm thế nào để mở rộng giao thức tích vô hướng và đánh giá đa thức bảo mật cho mô hình 3 thành viên mà không phát sinh độ phức tạp lũy thừa lớn?
    • Hypothesis 2 (H2): Ứng dụng biến thể hệ mã hóa đồng cấu ElGamal trên nhóm cyclic cấp nguyên tố lớn cho phép tính tích 3 véc-tơ bảo mật và độ hỗ trợ (Support) kháng lại 2 thành viên thông đồng.
  • RQ3: Các giao thức SMC cải tiến có thể tích hợp vào các thuật toán học máy (Naïve Bayes) và khai phá luật kết hợp (Association Rule Mining) trên dữ liệu phân mảnh ngang/dọc với hiệu năng thực thi khả thi trên thực tế hay không?
    • Hypothesis 3 (H3): Tích hợp GSSP và giao thức tích 3 véc-tơ vào Naïve Bayes và Apriori phân mảnh sẽ bảo toàn độ chính xác 100% so với mô hình tập trung và giảm thời gian huấn luyện rõ rệt.

Khung lý thuyết của luận án được xây dựng trên nền tảng Đại số trừu tượng (Nhóm Cyclic cấp nguyên tố $\mathbb{G} \subset \mathbb{Z}_p^*$), Mật mã học bất đối xứng dựa trên bài toán Logarithm rời rạc (DLP) và Giả thuyết Diffie-Hellman quyết định (DDH), cùng Khung tính toán an toàn trong Mô hình bán trung thực (Semi-honest Model) của Goldreich. Phạm vi thực nghiệm của luận án bao phủ cả hai mô hình phân mảnh dữ liệu (ngang và dọc) với quy mô hàng chục nghìn bản ghi trên các bộ dữ liệu chuẩn (SMS Spam Collection và Market Basket Dataset), tạo nên đóng góp khoa học mang tính chuẩn mực và giá trị ứng dụng cao.

Literature Review và Positioning

Lĩnh vực PPDM trải qua ba luồng nghiên cứu chính với những mâu thuẫn học thuật sâu sắc:

                  ┌────────────────────────────────────────────────────────┐
                  │ Khai phá dữ liệu bảo toàn quyền riêng tư (PPDM/PPDDM)   │
                  └──────────────────────────┬─────────────────────────────┘
                                             │
         ┌───────────────────────────────────┼───────────────────────────────────┐
         ▼                                   ▼                                   ▼
┌──────────────────┐               ┌──────────────────┐                ┌──────────────────┐
│ Biến đổi ngẫu    │               │ Phương pháp      │                │ Tính toán bảo    │
│ nhiên            │               │ Ẩn danh dữ liệu  │                │ mật nhiều bên    │
│ (Randomization)  │               │ (Anonymity)      │                │ (SMC Protocols)  │
└────────┬─────────┘               └────────┬─────────┘                └────────┬─────────┘
         │                                  │                                   │
  Agrawal & Srikant (2000)          Samarati & Sweeney (1998)           Yao (1982), Goldreich (2004)
  Che giấu bằng thêm nhiễu;         k-anonymity, L-diversity;           Bảo toàn độ chính xác 100%;
  Đánh đổi độ chính xác dữ liệu     Dễ bị tấn công tái định danh        Chi phí truyền thông & tính toán cao
  1. Luồng biến đổi ngẫu nhiên (Randomization Perturbation): Khởi xướng bởi Agrawal & Srikant (2000), sau đó được mở rộng bởi Agrawal et al. (2001) với thuật toán kỳ vọng cực đại (EM) và Polat et al. (2003) cho lọc cộng tác. Tuy nhiên, luồng này vấp phải phê phán từ Kargupta et al. (2003) và Huang et al. (2005), chỉ ra rằng việc thêm nhiễu không đảm bảo an toàn toán học trước các phép phân tích phổ ma trận hiệp phương sai, đồng thời làm méo mó bản chất thống kê của dữ liệu gốc.
  2. Luồng ẩn danh dữ liệu (Data Anonymization): Dẫn đầu bởi Samarati & Sweeney (1998) với mô hình $k$-ẩn danh, được Jiang & Clifton (2006) mở rộng cho phân mảnh dọc và Zhong et al. (2005) cho phân mảnh ngang. Tranh biện học thuật nảy sinh khi Hasan et al. (2013) và Liu et al. (2016) chứng minh dữ liệu bị làm mờ (generalization/suppression) vẫn đối mặt nguy cơ rò rỉ thuộc tính nhạy cảm (Homogeneity Attack, Background Knowledge Attack) và không phù hợp với các tác vụ phân loại đa chiều.
  3. Luồng tính toán bảo mật nhiều thành viên (SMC): Bắt nguồn từ bài toán Triệu phú của Yao (1982) và hệ tiên đề của Goldreich (2004). Clifton et al. (2002) và Kantarcoglu et al. (2004) tiên phong đề xuất Secure Sum Protocol (SSP) cho khai phá luật kết hợp và Naïve Bayes. Tuy nhiên, giao thức vòng tròn của Clifton bộc lộ lỗ hổng chí mạng: nếu hai nút liền kề $P_{i-1}$ và $P_{i+1}$ thông đồng, giá trị riêng tư $V_i$ của nút $P_i$ sẽ bị giải mã hoàn toàn.

Positioning của luận án đặt tại giao điểm giữa Mật mã học lý thuyết và Học máy phân tán. Luận án khắc phục trực tiếp các điểm nghẽn của hai nghiên cứu quốc tế điển hình:

  • So sánh với nghiên cứu của Urabe et al. (2014) về giao thức tổng bảo mật: Giao thức của Urabe yêu cầu chia sẻ đầy đủ đến $M-i$ thành viên, dẫn đến tổng số thông điệp trong mạng lên tới $\frac{M(M-1)}{2}$. Luận án định vị lại cấu trúc phân rã bí mật bằng giải pháp GSSP với tham số cố định $t$, cắt giảm đáng kể overhead truyền thông mà vẫn giữ vững xác suất kháng thông đồng tương đương.
  • So sánh với nghiên cứu của Vaidya & Clifton (2002, 2004) và Goethals et al. (2004) về tích vô hướng trên dữ liệu phân mảnh dọc: Giao thức của Vaidya sử dụng ma trận ngẫu nhiên có chi phí tính toán $\mathcal{O}(n^2)$ và dễ lộ véc-tơ khi một bên tương tác với nhiều bên thứ ba. Giao thức của Goethals et al. dùng mã hóa đồng cấu Paillier có chi phí số học cực lớn. Luận án định vị cấu trúc bảo mật dựa trên biến thể ElGamal và Đánh giá đa thức không nhận thức (OPE), giải quyết trọn vẹn bài toán tích 3 véc-tơ cho 3 bên trong một chu trình truyền thông tối giản.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng nền tảng lý thuyết Mật mã học và Khoa học máy tính qua việc tái cấu trúc các định lý bảo mật trong môi trường phân tán:

  1. Mở rộng lý thuyết Chia sẻ bí mật (Secret Sharing Scheme): Luận án thách thức giả định truyền thống rằng mọi nút phải chia sẻ mảnh bí mật cho toàn bộ mạng lưới để đảm bảo an toàn. Bằng mô hình hóa xác suất tổ hợp, luận án chứng minh mệnh đề: Việc phân rã giá trị $S_i$ thành $(t+1)$ phần và phân phối ngẫu nhiên cho $t$ nút được chọn độc lập ($1 \le t < n$) vẫn đảm bảo tính cô lập tuyệt đối của thông tin trước sự tấn công của $(n-k)$ thành viên thông đồng.
  2. Hình thức hóa Giả thuyết DDH trong Biến thể ElGamal đa bên: Thuật toán mã hóa $\mathcal{E}(m, r) = (f^m h^r, g^r) = (C_1, C_2)$ trên nhóm cyclic $\mathbb{G}$ cấp $q$ nguyên tố (với $q \mid (p-1)$) thỏa mãn tính chất đồng cấu nhân: $$\mathcal{E}(r_1, a) \odot \mathcal{E}(r_2, b) = (h^{r_1+r_2} f^{a+b}, g^{r_1+r_2}) = \mathcal{E}(r_1+r_2, a+b)$$ Luận án phát triển cơ chế giải mã phân tán $\mathcal{D}_{k_s}(C_1, C_2) = C_1 C_2^{-k_s} \pmod p = f^m$, cho phép kiểm tra giá trị $m$ thông qua quan hệ $C_1 C_2^{-k_s} = 1 \pmod p$ (khi $m=0$) hoặc $f^c \pmod p$ mà không làm lộ khóa bí mật $k_s$.
graph TD
    subgraph "Khung Lý Thuyết & Mật Mã Nền Tảng"
        A["Nhóm Cyclic cấp nguyên tố G"] --> B["Đại số rời rạc & Giả thuyết DDH"]
        B --> C["Hệ mật mã đồng cấu ElGamal"]
        D["Lý thuyết Chia sẻ bí mật"] --> E["Mô hình Bán trung thực (Semi-Honest)"]
    end
    
    subgraph "Các Giao Thức SMC Đề Xuất (Core Innovations)"
        C & E --> F["Giao thức GSSP / CR-SSP<br/>(Ngẫu nhiên hóa tham số t)"]
        C & E --> G["Giao thức Đánh giá đa thức OPE<br/>& Tích 3 véc-tơ bảo mật"]
        C & E --> H["Giao thức Tính độ hỗ trợ 3 bên<br/>(Privacy Support Protocol)"]
    end

    subgraph "Ứng Dụng Học Máy Phân Tán (PPDDM)"
        F --> I["Phân lớp Naïve Bayes Phân mảnh ngang<br/>(Bảo toàn 100% Accuracy)"]
        G & H --> J["Khai phá Luật kết hợp 3 bên Phân mảnh dọc<br/>(Kháng 2 nút thông đồng)"]
    end

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liền mạch 3 lý thuyết trụ cột: (1) Lý thuyết độ phức tạp tính toán SMC của Goldreich, (2) Lý thuyết nhóm đại số và hệ mật khóa công khai ElGamal, và (3) Lý thuyết xác suất phân lớp Bayes và luật kết hợp Agrawal.

  • Giao thức Tổng bảo mật cải tiến (CR-SSP): Thiết lập nguyên lý ngẫu nhiên hóa kép: ngẫu nhiên hóa số lượng nút nhận từ $1$ đến $M$ và ngẫu nhiên hóa định danh đối tượng nhận.
  • Giao thức Tổng bảo mật tổng quát (GSSP):
    • Giai đoạn 1 (Chia sẻ): $P_i$ phân rã $S_i = S_{i0} + S_{i1} + \dots + S_{it}$, giữ lại $S_{i0}$ và gửi $S_{ij}$ cho $t$ thành viên $P_{a_{ij}}$ được chọn ngẫu nhiên.
    • Giai đoạn 2 (Tổng hợp): $P_i$ tính $D_i = S_{i0} + \sum S_{jk}$ và gửi về nút chủ $P_1$. Nút chủ tính: $$D = \sum_{i=1}^n D_i = \sum_{i=1}^n S_{i0} + \sum_{j=1}^n \sum_{k=1}^t S_{jk} = \sum_{i=1}^n S_i = S$$
  • Điều kiện biên (Boundary Conditions): Giao thức vận hành tối ưu trong điều kiện kênh truyền được bảo vệ bằng SSL/TLS, các bên tuân thủ quy tắc mô hình Bán trung thực (Semi-honest), và không gian thông điệp $m \in \mathbb{Z}_q$ với kích thước khóa $l$-bit đủ lớn chống lại thuật toán giải DLP thời gian đa thức.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ thế giới quan thực chứng (Positivism) kết hợp phương pháp luận diễn dịch toán học (Mathematical Deduction) và kiểm chứng thực nghiệm (Empirical Validation). Phương pháp nghiên cứu đa tầng bao gồm:

  1. Tầng toán học thuần túy: Thiết lập các định lý, bổ đề và chứng minh hình thức về tính đúng đắn (Correctness), tính riêng tư (Privacy via Simulation Paradigm), và tính độc lập dữ liệu đầu vào.
  2. Tầng thuật toán và giao thức: Thiết kế giả mã chi tiết, phân tích độ phức tạp thời gian $\mathcal{O}(\cdot)$ và độ phức tạp truyền thông (Communication overhead).
  3. Tầng thực nghiệm phần mềm: Hiện thực hóa các giao thức trên môi trường phân tán giả lập, đối chuẩn (benchmarking) trực tiếp với các giải pháp quốc tế trên các tập dữ liệu thực nghiệm tiêu chuẩn.

Quy trình nghiên cứu rigorous

Quy trình bảo đảm độ tin cậy và giá trị khoa học thông qua tam giác đạc phương pháp (Methodological Triangulation):

  • Chứng minh an toàn theo Định lý kết hợp (Composition Theorem): Theo Goldreich, nếu một hàm mục tiêu $g$ được cấu thành từ các hàm con $f$ và mỗi giao thức tính toán $f$ đều an toàn cục bộ trong mô hình bán trung thực, thì toàn bộ giao thức tính $g$ đạt chuẩn an toàn tổng thể.
  • Triển khai giao thức Đánh giá đa thức bảo mật (OPE): Sử dụng đa thức bậc $k$: $P(y) = \sum_{i=0}^k a_i y^i$. Bob nắm giữ giá trị bí mật $x$, mã hóa thành chuỗi $c_i = (g^{r_i}, g^{r_i s} g^{x^i})$ gửi cho Alice. Alice tính toán trực tiếp trên bản mã đồng cấu: $$C = \left( C_1 = \prod_{i=0}^k (g^{r_i})^{a_i}, C_2 = \prod_{i=0}^k (g^{s r_i} g^{x^i})^{a_i} \right)$$ sau đó làm mù bằng số ngẫu nhiên $r$ để tạo $C' = (C_1 g^r, C_2 g^{s r})$ gửi lại cho Bob. Bob giải mã thu được $P(x)$ chính xác mà không tiết lộ $x$ cho Alice, đồng thời Alice không để lộ các hệ số $a_i$.

Data và phân tích

Luận án sử dụng các công cụ và tập dữ liệu thực tế:

  • Môi trường cài đặt: Ngôn ngữ lập trình Python 3.8+, thư viện mật mã học chuyên dụng, cấu hình phần cứng tiêu chuẩn đảm bảo khả năng tái lập (Reproducibility).
  • Bộ dữ liệu 1 (Phân mảnh ngang - Naïve Bayes): Tập dữ liệu tin nhắn SMS Spam Collection gồm $5.574$ bản ghi văn bản, được tiền xử lý phân mảnh ngang cho $n$ nút tham gia ($n$ biến thiên từ $3$ đến $20$). Thuật toán đánh giá tần suất từ và phân lớp có điều kiện $P(x_i \mid c)$ thông qua giao thức GSSP.
  • Bộ dữ liệu 2 (Phân mảnh dọc - Khai phá luật kết hợp Apriori 3 bên): Bộ dữ liệu giỏ hàng (Market Basket Dataset) với hàng nghìn giao dịch, phân mảnh dọc thành 3 tập thuộc tính rời nhau do 3 bên $P_A, P_B, P_C$ nắm giữ. Giao thức tích 3 véc-tơ xác định chính xác độ hỗ trợ $\text{Support}(X \cup Y \cup Z) = \sum_{i=1}^N x_i \cdot y_i \cdot z_i$ thông qua OPE và hệ mật ElGamal.
Tiêu chí phân tích Giao thức Clifton et al. [48] Giao thức Urabe et al. [68] GSSP (Luận án đề xuất)
Cấu trúc liên lạc Vòng tròn đơn ($P_1 \to \dots \to P_n$) Phân rã đầy đủ ($M-i$ nút) Phân rã tham số $t$ ngẫu nhiên
Tổng số thông điệp $n$ $\frac{M(M-1)}{2}$ $n \cdot t + (n - 1)$
Kháng thông đồng Yếu (Bị phá vỡ bởi 2 nút liền kề) Kháng $(M-2)$ nút Kháng $(n-2)$ nút tùy chỉnh theo $t$
Bảo toàn độ chính xác $100%$ $100%$ $100%$ Tuyệt đối

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Khả năng tối ưu hóa chi phí truyền thông vượt trội của GSSP: Trong kịch bản $M = 6$ thành viên, giao thức của Urabe et al. tiêu tốn $\frac{6 \times 5}{2} = 15$ thông điệp. Giao thức cải tiến của luận án trong trường hợp tối ưu chỉ cần $2M - 3 = 9$ thông điệp (giảm tới $40%$ overhead truyền thông). Với quy mô $n$ lớn, tham số $t$ ($t \ll n$) cho phép kiểm soát chi phí mạng tuyến tính $\mathcal{O}(n \cdot t)$ thay vì bậc hai $\mathcal{O}(n^2)$.
  2. Triệt tiêu hoàn toàn sự suy giảm độ chính xác trong phân lớp Naïve Bayes: Khác với các phương pháp thêm nhiễu vi sai (Differential Privacy) làm giảm $5\text{--}15%$ độ chính xác (Accuracy/F1-score), mô hình Naïve Bayes phân mảnh ngang dựa trên GSSP đạt độ chính xác tương đương tuyệt đối ($100%$ đồng nhất) so với mô hình tập trung xử lý toàn bộ dữ liệu gốc.
  3. Bảo mật tuyệt đối trong bài toán 3 bên phân mảnh dọc: Giao thức tích 3 véc-tơ và tính độ hỗ trợ bảo mật chứng minh được rằng khi 2 trong 3 bên liên minh thông đồng (ví dụ $P_A$ và $P_B$ bắt tay nhau), họ hoàn toàn không thể trích xuất véc-tơ thuộc tính nhị phân của bên trung thực $P_C$. Mọi phép thử giải mã đều dẫn đến bài toán DLP bất khả quy trên $\mathbb{G}$.
  4. Hiện tượng nghịch lý về thời gian tính toán trong OPE: Thực nghiệm chỉ ra rằng dù chi phí mã hóa ElGamal đòi hỏi các phép lũy thừa mô-đun lớn, việc chỉ cần đánh giá đa thức bậc thấp ($k=1$ hoặc $k=2$) trong bài toán tính độ hỗ trợ giúp thời gian thực thi tổng thể vẫn ở mức mili-giây, hoàn toàn đáp ứng các ứng dụng thời gian thực.
So sánh Chi phí Truyền thông giữa các Giao thức Tính tổng Bảo mật:

Số thông điệp truyền trong mạng (Mạng 10 nút):
├─ Urabe et al. [68] (Đầy đủ):   ████████████████████ 45 thông điệp
├─ GSSP (Luận án, t = 2):        ██████████ 27 thông điệp (Giảm 40.0%)
└─ CR-SSP (Luận án, Best Case):  ███████ 17 thông điệp (Giảm 62.2%)

Implications đa chiều

  • Về mặt Lý thuyết: Đặt nền móng vững chắc cho việc thiết kế các thuật toán học máy phân tán bảo toàn tính riêng tư thế hệ mới; mở rộng biên giới của lý thuyết SMC trong môi trường dữ liệu lớn không đồng nhất.
  • Về mặt Phương pháp luận: Cung cấp bộ công cụ toán học mẫu mực cho việc chứng minh an toàn trong mô hình bán trung thực và phương pháp thiết kế giao thức mật mã tối ưu hóa theo tham số ngữ cảnh.
  • Về mặt Thực tiễn: Cho phép các tổ chức tài chính - ngân hàng hợp tác phát hiện gian lận tín dụng xuyên tổ chức mà không vi phạm bí mật khách hàng; hỗ trợ các bệnh viện liên kết phân tích dịch tễ học và dữ liệu gen mà không làm rò rỉ hồ sơ bệnh án cá nhân.
  • Về mặt Chính sách: Cung cấp bằng chứng kỹ thuật khả thi để các cơ quan quản lý nhà nước ban hành quy chuẩn kỹ thuật cho việc chia sẻ, khai thác dữ liệu mở và liên kết cơ sở dữ liệu quốc gia theo tiêu chuẩn bảo mật cao nhất.

Limitations và Future Research

Luận án thẳng thắn chỉ ra 4 giới hạn nghiên cứu mang tính khoa học:

  1. Giả định mô hình Bán trung thực (Semi-honest Assumption): Các giao thức được tối ưu hóa cho các thực thể tuân thủ quy trình nhưng tò mò dữ liệu. Nếu đối thủ chuyển sang mô hình Kẻ tấn công độc hại (Malicious Adversary) cố tình gửi dữ liệu sai lệch hoặc dừng giao thức đột ngột, hệ thống cần bổ sung các cơ chế chứng minh không tiết lộ tri thức (Zero-Knowledge Proofs - ZKP) phức tạp hơn.
  2. Chi phí truyền thông phụ thuộc tham số $t$ trong GSSP: Mặc dù $t$ giúp kiểm soát overhead, việc chọn $t$ quá nhỏ trong môi trường mạng có nhiều nút thông đồng tiềm ẩn nguy cơ làm giảm xác suất an toàn lý thuyết.
  3. Giới hạn quy mô 3 bên trong phân mảnh dọc: Giao thức tích véc-tơ hiện được thiết kế chuyên biệt cho mô hình 3 thành viên ($P_A, P_B, P_C$). Việc tổng quát hóa lên $K$ bên ($K > 3$) phân mảnh dọc sẽ làm tăng bậc của đa thức trong OPE, đòi hỏi tối ưu hóa cấu trúc nhóm đại số.
  4. Độ trễ mạng vật lý: Các thử nghiệm thực hiện trên môi trường mạng mô phỏng; độ trễ truyền thông trong môi trường mạng diện rộng (WAN/Internet) với băng thông không ổn định có thể ảnh hưởng đến hiệu năng khai phá thời gian thực.

Chương trình nghiên cứu tương lai định hướng:

  • Mở rộng giao thức sang mô hình đối kháng độc hại (Malicious model) sử dụng ZKP và Cam kết mật mã (Cryptographic Commitments).
  • Mở rộng giao thức tích véc-tơ tổng quát cho $K$ thành viên ($K$-party vertical partitioning).
  • Tích hợp GSSP vào các kiến thức học sâu phân tán tiên tiến như Học liên kết (Federated Learning).

Tác động và ảnh hưởng

Nghiên cứu của NCS Nguyễn Văn Chung đóng góp trực tiếp vào sự phát triển của chuyên ngành Khoa học máy tính tại Việt Nam và hội nhập quốc tế:

  • Tác động học thuật: Các công trình khoa học của luận án đã được công bố trên các tạp chí và kỷ yếu hội nghị chuyên ngành uy tín ([CT1] đến [CT5]), tạo cơ sở trích dẫn quan trọng cho cộng đồng nghiên cứu PPDM và Mật mã ứng dụng.
  • Chuyển đổi công nghiệp: Tạo tiền đề công nghệ cho các công ty Fintech, thương mại điện tử và giải pháp y tế số xây dựng nền tảng tính toán đám mây bảo mật (Confidential Cloud Computing).
  • Lợi ích xã hội: Thúc đẩy quyền riêng tư số (Digital Privacy), bảo vệ quyền lợi hợp pháp của công dân trước nguy cơ khai thác dữ liệu trái phép trong nền kinh tế dữ liệu.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà nghiên cứu trẻ: Tiếp cận khung phương pháp luận chuẩn xác về SMC, các kỹ thuật chứng minh giải tích mật mã và cách thiết kế bài toán học máy bảo mật.
  • Giảng viên & Học giả cao cấp: Nguồn tài liệu tham khảo chuyên sâu phục vụ giảng dạy các học phần Mật mã nâng cao, An toàn dữ liệu và Khai phá dữ liệu lớn.
  • Kỹ sư R&D & Doanh nghiệp công nghệ: Bản thiết kế kiến trúc và giải mã thuật toán trực tiếp để xây dựng các sản phẩm phần mềm bảo mật dữ liệu thương mại.
  • Nhà hoạch định chính sách: Căn cứ khoa học xác đáng phục vụ xây dựng khung tiêu chuẩn kỹ thuật an toàn thông tin và chính sách quản trị dữ liệu số quốc gia.

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào? Trả lời: Đóng góp lý thuyết cốt lõi là việc tái cấu trúc và tổng quát hóa Giao thức Tổng bảo mật (GSSP) thông qua việc phá vỡ cấu trúc vòng tròn truyền thống của Clifton et al. và cơ chế phân rã toàn phần của Urabe et al. Luận án mở rộng Lý thuyết Chia sẻ bí mật và Mô hình tính toán bán trung thực của Goldreich bằng việc tích hợp tham số phân rã ngẫu nhiên $t$, chứng minh bằng giải tích xác suất rằng an toàn thông tin được bảo toàn tuyệt đối ở ngưỡng kháng $(n-2)$ nút thông đồng với chi phí mạng tối ưu.

2. Đổi mới phương pháp luận thể hiện như thế nào khi so sánh với ít nhất 2 nghiên cứu tiền nhiệm? Trả lời:

  • So với Urabe et al. (2014): Luận án đổi mới quy trình phân phối dữ liệu từ xác định sang ngẫu nhiên hóa kép (ngẫu nhiên đối tượng và số lượng), giảm số thông điệp từ $\frac{M(M-1)}{2}$ xuống tuyến tính $\mathcal{O}(n \cdot t)$.
  • So với Vaidya & Clifton (2002) và Goethals et al. (2004): Luận án thay thế phép biến đổi ma trận phức tạp $\mathcal{O}(n^2)$ và hệ mã hóa Paillier nặng nề bằng việc kết hợp biến thể ElGamal trên nhóm cyclic $\mathbb{G}$ với Đánh giá đa thức không nhận thức (OPE), giải quyết dứt điểm bài toán tích véc-tơ 3 bên với chi phí truyền thông $\mathcal{O}(n)$ tối giản.

3. Phát hiện bất ngờ nhất trong quá trình thực nghiệm là gì với dữ liệu minh chứng? Trả lời: Phát hiện đáng chú ý nhất là mô hình phân lớp Naïve Bayes bảo mật dựa trên GSSP không làm suy giảm dù chỉ $0.01%$ độ chính xác phân loại trên tập SMS Spam Dataset so với mô hình tập trung, trong khi các phương pháp làm nhiễu ngẫu nhiên truyền thống làm tụt giảm từ $7\text{--}12%$ F1-score. Đồng thời, thời gian truyền thông trong mạng phân tán chỉ chiếm một tỷ trọng rất nhỏ trong tổng thời gian thực thi của thuật toán.

4. Luận án có cung cấp đầy đủ giao thức tái lập thực nghiệm (Replication Protocol) không? Trả lời: Có. Luận án cung cấp chi tiết toàn bộ cấu trúc toán học của các thuật toán sinh khóa $\mathcal{K}$, mã hóa $\mathcal{E}$, giải mã $\mathcal{D}$, giải mã OPE, kèm theo các đoạn mã nguồn mẫu bằng ngôn ngữ Python (Phụ lục mục 3.1 và 3.2), mô tả chi tiết tham số thực nghiệm, quy cách tiền xử lý bộ dữ liệu và cấu hình môi trường tính toán.

5. Chương trình nghiên cứu 10 năm tiếp theo được định hình ra sao? Trả lời: Lộ trình 10 năm tập trung vào 3 trọng tâm: (1) Nâng cấp toàn bộ hệ thống giao thức từ mô hình Bán trung thực sang Mô hình Kháng đối kháng độc hại sử dụng Mật mã hậu lượng tử (Post-Quantum Cryptography); (2) Tích hợp các giao thức SMC đề xuất vào nền tảng Federated Learning quy mô hàng triệu thiết bị biên (Edge Devices); (3) Xây dựng thư viện mã nguồn mở chuẩn hóa phục vụ công nghiệp dữ liệu lớn.

Kết luận

Luận án tiến sĩ của NCS Nguyễn Văn Chung đã hoàn thành xuất sắc các mục tiêu nghiên cứu với 5 đóng góp mang tính đột phá:

  1. Hệ thống hóa toàn diện: Phân tích sâu sắc bức tranh toàn cảnh về PPDM, vạch rõ ranh giới lý thuyết và khoảng trống của các phương pháp ngẫu nhiên, ẩn danh và SMC.
  2. Giao thức Tổng bảo mật cải tiến (CR-SSP): Tiên phong ứng dụng kỹ thuật ngẫu nhiên hóa đối tượng và số lượng truyền, tối ưu hóa mạnh mẽ chi phí truyền thông mạng.
  3. Giao thức Tổng bảo mật tổng quát (GSSP): Mô hình hóa toán học thành công mối quan hệ giữa tham số $t$, hiệu năng và xác suất kháng thông đồng, cho phép tùy biến linh hoạt theo ngữ cảnh ứng dụng.
  4. Giao thức Tích 3 véc-tơ và Tính độ hỗ trợ bảo mật: Giải quyết trọn vẹn bài toán khai phá luật kết hợp phân mảnh dọc 3 bên bằng việc tích hợp biến thể ElGamal và kỹ thuật OPE hiệu năng cao, kháng liên minh 2 nút thông đồng.
  5. Hiện thực hóa và thực nghiệm diện rộng: Triển khai thành công các giải pháp phân lớp Naïve Bayes ngang và Apriori dọc trên tập dữ liệu thực tế, khẳng định tính khả thi vượt trội và bảo toàn độ chính xác tuyệt đối.

Công trình là bước tiến quan trọng trong việc thúc đẩy mô hình tính toán an toàn, mở ra các nhánh nghiên cứu liên ngành giá trị và khẳng định năng lực nghiên cứu đỉnh cao của khoa học máy tính Việt Nam trên trường quốc tế.