Bối cảnh và vấn đề nghiên cứu

Trong bối cảnh chuyển đổi số giáo dục, việc ứng dụng công nghệ chuỗi khối (blockchain) vào quản lý, lưu trữ và xác thực văn bằng, chứng chỉ học thuật đã chứng minh được nhiều ưu thế nhờ cấu trúc dữ liệu bất biến, tính minh bạch, mức độ bảo mật cao và khả năng loại bỏ các đơn vị trung gian xác thực. Tuy nhiên, tính chất bất biến vốn có của blockchain lại tạo ra một thách thức kỹ thuật lớn đối với bài toán thu hồi các chứng chỉ không còn khả dụng (chứng chỉ bị cấp sai, văn bằng bị hủy bỏ do gian lận hoặc lỗi dữ liệu) mà vẫn phải duy trì tính toàn vẹn và sự nhất quán của toàn bộ chuỗi khối.

Các giải pháp thu hồi dữ liệu trước đây—chẳng hạn như hàm băm Chameleon (Chameleon Hash) hay bộ tích lũy RSA (RSA Accumulator)—đều dựa trên các thuật toán mật mã học phức tạp, đòi hỏi chi phí tài nguyên tính toán cao và khó triển khai trên quy mô lớn. Khi triển khai trực tiếp trên chuỗi chính (Layer-1) của mạng Ethereum thông qua hợp đồng thông minh, các thao tác thu hồi chứng chỉ thường xuyên gặp phải tình trạng tắc nghẽn mạng, độ trễ giao dịch kéo dài và chi phí phí gas (gas fee) rất lớn. Bên cạnh đó, môi trường mạng phi tập trung công khai của Ethereum còn tiềm ẩn nhiều rủi ro về các tài khoản độc hại hoặc gian lận giao dịch. Để giải quyết đồng thời các vấn đề này, đề tài tập trung nghiên cứu giải pháp mở rộng quy mô Layer-2 kết hợp cùng mô-đun học máy nhằm tối ưu hóa quy trình thu hồi chứng chỉ.

Mục tiêu nghiên cứu của đề tài được xác định cụ thể gồm:

  1. Thử nghiệm và ứng dụng giải pháp mở rộng Layer-2 (trọng tâm là Optimistic Rollups trên nền tảng Arbitrum) nhằm nâng cao hiệu suất xử lý, giảm độ trễ và tiết kiệm chi phí giao dịch cho các thao tác thu hồi chứng chỉ trên blockchain.
  2. Ứng dụng các thuật toán học máy (Machine Learning) để xây dựng một mô-đun phát hiện nguy cơ gian lận từ địa chỉ người dùng trên mạng Ethereum, cung cấp cảnh báo sớm về các hành vi bất thường.
  3. Tích hợp các thành phần kỹ thuật thành một hệ thống quản lý chứng chỉ hoàn chỉnh, đảm bảo tính an toàn, bảo mật, minh bạch và khả thi cho các tổ chức giáo dục và doanh nghiệp.

Đối tượng nghiên cứu:

  • Các mô hình lưu trữ và quản lý chứng chỉ học thuật trên blockchain.
  • Các kỹ thuật thu hồi dữ liệu trên chuỗi khối (UTXO, danh sách thu hồi CRL, RSA Accumulator, hợp đồng thông minh, Chameleon Hash, CoinPrune, Block Matrix).
  • Các giải pháp mở rộng Layer-2 trên blockchain (State Channels, Sidechains, Plasma, Validiums, Rollups).
  • Các thuật toán học máy phục vụ nhận diện và phát hiện nguy cơ gian lận từ hành vi giao dịch của địa chỉ ví người dùng Ethereum.

Phạm vi nghiên cứu:

  • Nghiên cứu tập trung vào việc ứng dụng giải pháp Layer-2 Optimistic Rollups (thực thi trên mạng Arbitrum) để tối ưu hóa hiệu năng và chi phí cho quy trình thu hồi chứng chỉ của mạng Ethereum.
  • Giới hạn mô-đun học máy ở bài toán phân loại nhị phân nhằm phát hiện các địa chỉ ví có nguy cơ gian lận dựa trên tập dữ liệu đặc trưng giao dịch của mạng Ethereum.
  • Hệ thống thực nghiệm được thiết kế và triển khai hoàn chỉnh vào năm 2024 tại Trường Đại học Công nghệ Thông tin – Đại học Quốc gia TP. Hồ Chí Minh.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng nội dung dựa trên hệ thống cơ sở lý thuyết đa ngành giữa mật mã học chuỗi khối và khoa học dữ liệu:

  • Công nghệ Blockchain và Mạng Ethereum: Dựa trên cấu trúc chuỗi khối liên kết qua mã băm mật mã (Current Hash, Previous Hash, Data), sổ cái phân tán, mạng ngang hàng P2P và các thuật toán đồng thuận (Proof of Work - PoW, Proof of Stake - PoS, Proof of Authority - PoA, Proof of History - PoH). Mạng Ethereum đóng vai trò nền tảng với máy ảo EVM (Ethereum Virtual Machine) và công nghệ hợp đồng thông minh (Smart Contract) vận hành theo nguyên tắc tự động thực thi "nếu - thì" (if-then).
  • Bộ ba bất khả thi của Blockchain (Blockchain Trilemma): Khung lý thuyết của Vitalik Buterin chỉ ra sự đánh đổi giữa ba thuộc tính: Tính phân tán (Decentralization), Tính bảo mật (Security) và Khả năng mở rộng (Scalability). Hệ thống blockchain khó có thể tối ưu hóa đồng thời cả ba yếu tố trên Layer-1 mà cần phải mở rộng sang các tầng tiếp theo (Layer-2).
  • Giải pháp mở rộng Layer-2 và Optimistic Rollups (ORUs): Cơ chế di chuyển việc tính toán và lưu trữ trạng thái ra ngoài chuỗi chính (off-chain). Nền tảng Arbitrum của Offchain Labs được ứng dụng với các vai trò Sequencer (tổng hợp giao dịch thành lô - batch và nén calldata đẩy về Ethereum), Validator (cập nhật state root), Challenger (gửi Fraud Proof trong khoảng thời gian thử thách - Challenge Time 7 ngày) và giao thức phân đôi (bisection protocol) để phân xử tranh chấp.
  • Kỹ thuật thu hồi dữ liệu: Phân loại theo 3 nhóm cơ chế: Cô lập (Isolation: Accumulator, Lists, Forking, Smart Contract), Sửa đổi (Modification: Redacting, Pruning, Erasing) và Phòng ngừa (Preventive: Filtering).
  • Hệ thống tệp phân tán IPFS (InterPlanetary File System): Cơ chế lưu trữ nội dung phân tán dựa trên hàm băm (content-addressed), giúp lưu trữ các bản số hóa chứng chỉ giảm tải cho chuỗi khối.
  • Mô hình máy học phát hiện gian lận: Khảo sát các mô hình phân loại gồm Random Forest (RF), XGBoost (Extreme Gradient Boosting), Multi-Layer Perceptron (MLP), Support Vector Machine (SVM) và Logistic Regression; kết hợp kỹ thuật tái lấy mẫu SMOTE (Synthetic Minority Over-sampling Technique) để giải quyết tình trạng mất cân bằng nhãn dữ liệu.

Phương pháp nghiên cứu thực tế bao gồm:

  • Phương pháp phân tích - tổng hợp: Rà soát, hệ thống hóa và lập ma trận đánh giá đối sánh các giải pháp thu hồi và các công trình quản lý chứng chỉ trên blockchain từ năm 2017 đến năm 2022.
  • Phương pháp thiết kế hệ thống kỹ thuật: Thiết kế kiến trúc phân tầng kết hợp giữa hợp đồng thông minh Layer-1, Layer-2 Rollups và hệ thống lưu trữ phân tán IPFS.
  • Phương pháp thực nghiệm định lượng: Đo lường, so sánh độ trễ (thời gian xác nhận tính bằng giây) và chi phí giao dịch (phí gas tính bằng GWei) giữa Ethereum và Arbitrum; đánh giá các mô hình máy học thông qua kỹ thuật kiểm định chéo k-fold cross-validation với các chỉ số Accuracy, Precision, Recall, F1-Score và diện tích dưới đường cong ROC (AUC).

Nguồn dữ liệu của nghiên cứu gồm dữ liệu giao dịch thực tế trên mạng Ethereum, danh sách địa chỉ ví bị cấm/gian lận được công bố để phục vụ trích xuất đặc trưng hành vi, cùng môi trường thử nghiệm mạng blockchain Ethereum và Arbitrum.

Thiết kế và triển khai

Hệ thống quản lý chứng chỉ học thuật được thiết kế theo kiến trúc kết hợp đa tầng, đảm bảo tính khả chuyển, tối ưu chi phí và kiểm soát an ninh mạng:

[Người dùng: Issuer / Holder]

  • Kiến trúc phân tầng và tương tác:

    • Tầng lưu trữ phân tán (IPFS): File chứng chỉ số của người học được mã hóa và tải lên mạng IPFS. Chuỗi khối chỉ ghi nhận mã băm định danh của tệp nhằm tiết kiệm tối đa dung lượng lưu trữ trên sổ cái.
    • Tầng hợp đồng thông minh Layer-2 (Arbitrum): Logic quản lý quyền hạn, cấp phát và thu hồi chứng chỉ được thực thi trên hợp đồng thông minh triển khai tại Arbitrum. Thao tác thu hồi bản chất là việc cập nhật biến trạng thái (state variable) của mã định danh chứng chỉ từ valid sang revoked, không làm biến đổi cấu trúc khối dữ liệu đã tạo.
    • Tầng chuỗi gốc Layer-1 (Ethereum): Tiếp nhận các lô giao dịch (batches) nén dưới dạng calldata cùng cam kết trạng thái từ Sequencer của Arbitrum. Đóng vai trò là lớp phân xử cuối cùng nếu xuất hiện bằng chứng gian lận (Fraud Proof) trong khoảng thời gian thử thách 7 ngày.
    • Mô-đun phát hiện gian lận (Fraud Detection Module): Được tích hợp tại tầng trung gian, tiếp nhận địa chỉ ví Ethereum của người tham gia giao dịch, trích xuất các thuộc tính hành vi và chuyển qua mô hình XGBoost đã huấn luyện để phân loại mức độ rủi ro trước khi cho phép thực thi yêu cầu trên hệ thống.

  • Quy trình nghiệp vụ thu hồi:

    • Quy trình thu hồi thông qua yêu cầu của người sở hữu (Holder-initiated): Holder gửi yêu cầu thu hồi chứng chỉ kèm theo lý do lên hệ thống; yêu cầu được đưa vào danh sách chờ duyệt; cơ quan cấp phát (Issuer) kiểm tra tính hợp lệ và thực hiện xác nhận giao dịch thu hồi trên hợp đồng thông minh.
    • Quy trình thu hồi chủ động từ đơn vị cấp phát (Issuer-initiated): Khi phát hiện sai sót dữ liệu hoặc hành vi vi phạm, Issuer trực tiếp kích hoạt hàm thu hồi trên hợp đồng thông minh để hủy bỏ hiệu lực của chứng chỉ ngay lập tức.

  • Triển khai giao diện và chức năng: Hệ thống xây dựng 13 màn hình giao diện trực quan phục vụ đầy đủ các use-case cho cả hai tác nhân chính:

    • Phân hệ Issuer: Màn hình đăng nhập qua ví điện tử; bảng điều khiển chính; giao diện cấp phát chứng chỉ số mới; giao diện trực tiếp thu hồi chứng chỉ; giao diện quản lý danh sách yêu cầu thu hồi đang chờ phê duyệt; danh sách hiển thị các tổ chức cấp phát trong mạng lưới.
    • Phân hệ Holder: Bảng điều khiển cá nhân; giao diện danh sách chứng chỉ đã được cấp phát; màn hình chia sẻ chứng chỉ và gửi yêu cầu thu hồi; màn hình xem trực tiếp nội dung chứng chỉ lưu trên IPFS; giao diện tạo yêu cầu cấp phát chứng chỉ mới; màn hình gửi yêu cầu thu hồi chứng chỉ cá nhân; màn hình quản lý các chứng chỉ được chia sẻ từ người dùng khác.

Nội dung chính theo từng chương

Chương 1. Mục đích, đối tượng và phạm vi nghiên cứu

Chương mở đầu phân tích bối cảnh phát triển mạnh mẽ của công nghệ blockchain trong việc số hóa dữ liệu giáo dục và định vị bài toán cốt lõi: xử lý việc thu hồi chứng chỉ không hợp lệ trong một cấu trúc dữ liệu bất biến. Tác giả chỉ rõ rào cản về độ trễ và chi phí gas cao khi tương tác trên chuỗi chính Ethereum, đồng thời nhấn mạnh nhu cầu kiểm soát an ninh đối với các địa chỉ ví người dùng. Trên cơ sở đó, chương xác định mục tiêu nghiên cứu là ứng dụng Layer-2 (Optimistic Rollups trên Arbitrum) để giải quyết bài toán mở rộng và sử dụng học máy xây dựng mô-đun phát hiện gian lận. Đối tượng và phạm vi nghiên cứu được giới hạn vào các mô hình kỹ thuật thu hồi chứng chỉ, các giao thức Layer-2 và tập dữ liệu hành vi địa chỉ ví trên mạng Ethereum.

Chương 2. Các nghiên cứu liên quan

Chương 2 tổng thuật toàn diện các công trình khoa học trong và ngoài nước thuộc 3 nhóm chủ đề:

  1. Hệ thống quản lý và thu hồi chứng chỉ trên Blockchain: Phân tích hệ thống của Adja và cộng sự (2021) dùng Bloom Filter trên Namecoin; CR-BA của Xie và cộng sự (2022) kết hợp RSA Accumulator; mô hình của Vidal và cộng sự (2020) dùng danh sách thu hồi CRL dựa trên chuẩn Open Badge; hệ thống SmartCert của Szalachowski và cộng sự (2020) trên Ethereum; cơ chế khóa cửa sập trapdoor key của Ashritha và cộng sự (2019) dựa trên Chameleon Hash; khảo sát 8 cơ chế thu hồi của Vidal và cộng sự (2021); CoinPrune của Matzutt và cộng sự (2021); cấu trúc ma trận khối (Block Matrix) của Kuhn và cộng sự (2022); và giải pháp kết hợp ML của Pranto và cộng sự (2022).
  2. Giải pháp mở rộng Layer-2: Nghiên cứu của Thibault và cộng sự (2022) về rollups; Sguanci và cộng sự (2021) phân tích mở rộng và thanh toán vi mô; Zhou và cộng sự (2020) phân cấp giải pháp mở rộng; Donno và cộng sự (2022) so sánh chuyên sâu giữa Optimistic Rollups và Validity Rollups.
  3. Ứng dụng máy học phát hiện gian lận: Khảo sát công trình của Kilic và cộng sự (2022) đạt độ chính xác trên 97% trong việc phát hiện địa chỉ bị cấm trên Ethereum; Bhowmik và cộng sự (2021) sử dụng các mô hình RF, SVM, XGBoost để nhận diện gian lận.

Điểm nổi bật của chương là xây dựng các bảng đối sánh tổng hợp (Bảng 2.1, 2.2, 2.3 và 2.4). Tác giả đề xuất tiêu chuẩn định lượng để so sánh: Phí Gas chia thành Thấp (< 50K GWei), Trung bình (50K - 300K GWei), Cao (> 300K GWei); Độ trễ chia thành Thấp (< 5 giây), Trung bình (5 - 12 giây), Cao (> 12 giây). Qua đó chứng minh giải pháp đề xuất là hệ thống duy nhất tích hợp đầy đủ cả Layer-2, tệp phân tán, kiểm soát quyền truy cập và AI/ML.

Chương 3. Cơ sở lý thuyết

Chương 3 trình bày chi tiết nền tảng lý thuyết phục vụ việc xây dựng đề tài:

  • Trình bày kiến trúc blockchain (Block, Chain, Distributed Ledger, P2P, Consensus Mechanism, Cryptography), 5 thuộc tính cơ bản (bất biến, phân tán, phi tập trung, bảo mật, minh bạch) và các thuật toán PoW, PoS, PoA, PoH.
  • Phân tích cơ chế hoạt động của Ethereum, EVM và ngôn ngữ lập trình hợp đồng thông minh.
  • Phân tích chi tiết Blockchain Trilemma và các tầng mở rộng từ Layer-0 đến Layer-3; cơ chế vận hành của 5 giải pháp Layer-2 phổ biến: State Channels, Sidechains, Plasma, Rollups (Zk-Rollups, Optimistic Rollups) và Validium.
  • Đi sâu vào kiến trúc Optimistic Rollups và nền tảng Arbitrum: vai trò của Sequencer, Validator, Challenger; nguyên lý nén calldata; khoảng thời gian thử thách 7 ngày; giao thức bisection protocol.
  • Khảo sát và phân loại các kỹ thuật thu hồi: UTXO (BTCert), CRL (Blockcerts), RSA Accumulator, Soft Forking, Ethereum Smart Contract, CoinPrune, Block Matrix, Chameleon Hash kết hợp kỹ thuật chia sẻ bí mật Shamir Secret Sharing.
  • Trình bày nguyên lý hệ thống lưu trữ phân tán IPFS, cùng lý thuyết các mô hình học máy Random Forest và XGBoost trong bài toán phân loại gian lận.

Chương 4. Phương pháp đề xuất

Chương 4 thiết kế chi tiết giải pháp kỹ thuật cho hệ thống:

  • Trình bày tổng quan kiến trúc phân tầng kết hợp giữa hợp đồng thông minh Layer-1, giải pháp Layer-2 Rollups và hệ thống lưu trữ tệp phân tán IPFS.
  • Xây dựng cơ chế thu hồi chứng chỉ số bằng hợp đồng thông minh: cơ chế cập nhật trạng thái biến phân quyền off-chain nhằm bảo toàn dữ liệu gốc nhưng vô hiệu hóa khả năng sử dụng của chứng chỉ.
  • Chi tiết hóa quy trình nghiệp vụ thu hồi tăng cường bởi Optimistic Rollups theo hai luồng: thu hồi từ yêu cầu của Holder và thu hồi chủ động từ Issuer.
  • Thiết kế mô-đun phát hiện gian lận: quy trình thu thập dữ liệu giao dịch địa chỉ ví từ mạng Ethereum, lựa chọn và trích xuất các vector đặc trưng, áp dụng kỹ thuật cân bằng dữ liệu SMOTE để xử lý mất cân bằng nhãn và cấu hình kiến trúc huấn luyện mô hình học máy.

Chương 5. Đánh giá thực nghiệm và Triển khai hệ thống

Chương 5 hiện thực hóa các nội dung nghiên cứu qua thực nghiệm định lượng và phát triển phần mềm:

  • Thiết lập thông số môi trường mạng thực nghiệm và phương pháp kiểm thử cho cả giải pháp Layer-2 và mô-đun phát hiện gian lận.
  • Đánh giá thực nghiệm Layer-2: Đo đạc chi phí gas và độ trễ của các yêu cầu thu hồi chứng chỉ trên chuỗi chính Ethereum so với mạng Arbitrum.
  • Đánh giá thực nghiệm học máy: So sánh hiệu năng giữa các thuật toán Random Forest, XGBoost và các mô hình cơ sở; phân tích đường cong ROC, đường cong Precision-Recall và hiệu suất học tập của thuật toán XGBoost.
  • Triển khai hệ thống thực tế: Đặc tả sơ đồ Use-case cho hai tác nhân chính (Holder và Issuer), cấu hình triển khai và trình bày chi tiết giao diện người dùng qua 13 màn hình chức năng.

Chương 6. Kết quả đạt được và Hướng phát triển

Chương kết luận tổng kết các kết quả đạt được về mặt giải pháp kiến trúc, mức độ tối ưu chi phí, độ trễ và độ chính xác của mô hình học máy. Tác giả thẳng thắn chỉ ra những điểm còn tồn tại trong nghiên cứu và đề xuất các hướng phát triển kỹ thuật tiếp theo.

Kết quả và đóng góp

Kết quả định lượng từ thực nghiệm

Nghiên cứu đã tiến hành đo đạc thực nghiệm chi tiết và ghi nhận các con số kết quả sau:

  • Tối ưu hóa hiệu năng và chi phí bằng Layer-2: Việc ứng dụng giải pháp Optimistic Rollups trên nền tảng Arbitrum cho thao tác thu hồi chứng chỉ đã giúp giảm 61,92% chi phí giao dịch (phí gas) và độ trễ so với việc thực thi trực tiếp trên mạng chính Ethereum Layer-1.
  • Hiệu suất mô hình học máy phát hiện gian lận: Mô hình XGBoost (sau khi xử lý cân bằng dữ liệu bằng SMOTE) đạt kết quả phân loại vượt trội với điểm F1-Score đạt 99,42% và diện tích dưới đường cong ROC (AUC) đạt mức gần như hoàn hảo, vượt qua các mô hình so sánh khác trong việc nhận diện các địa chỉ ví có nguy cơ gian lận trên Ethereum.

Bảng tổng hợp đối sánh hệ thống đề xuất với các nghiên cứu trước

Dưới đây là bảng tổng hợp các tính năng và thông số kỹ thuật giữa hệ thống đề xuất và các công trình nghiên cứu đã được công bố (tổng hợp từ Bảng 2.3 và Bảng 2.4 trong khóa luận):

Hệ thống / Công trình Nền tảng Phương pháp thu hồi Tệp phân tán Quản lý quyền ML/AI Giải pháp Layer-2 Phí Gas Độ trễ
[16] (2017) Bitcoin UTXO - Có - - Cao -
[17] (2018) Bitcoin - Có Có - - - -
[18] (2019) Ethereum Smart Contract - Có - - Cao Trung bình
[4] (SmartCert, 2020) Ethereum Smart Contract Có Có - - Trung bình Trung bình
[19] (2021) Ethereum - Có Có - - Cao Trung bình
[20] (2022) Ethereum - - Có Có - - -
[21] (2018) Bitcoin, Ethereum List Có Có - - - -
[22] (2019) Bitcoin, Ethereum Open Badges - Có - - - -
[3] (2020) Bitcoin, Ethereum Hash Link Có Có - - - -
Hệ thống đề xuất Arbitrum, Ethereum Smart Contract Có (IPFS) Có Có (XGBoost) Có (Optimistic Rollups) Thấp (< 50K GWei) Thấp (< 5s)

Ghi chú theo văn bản: Ký hiệu - chỉ thông tin không được tác giả công bố hoặc không có sẵn; dấu Có biểu thị tính năng tồn tại. Tiêu chí Phí Gas: Thấp (< 50K GWei), Trung bình (50K - 300K GWei), Cao (> 300K GWei). Tiêu chí Độ trễ: Thấp (< 5 giây), Trung bình (5 - 12 giây), Cao (> 12 giây).

Đóng góp kỹ thuật của đề tài

  1. Đề xuất một mô hình kiến trúc kết hợp sáng tạo giữa hợp đồng thông minh Layer-1 và giải pháp Layer-2 Optimistic Rollups (Arbitrum) nhằm giải quyết bài toán nút thắt cổ chai về chi phí và tốc độ của thao tác thu hồi chứng chỉ trên blockchain.
  2. Tích hợp thành công mô-đun trí tuệ nhân tạo (học máy XGBoost kết hợp SMOTE) vào hệ thống quản lý chứng chỉ, giúp tự động sàng lọc và phát hiện sớm các địa chỉ ví có hành vi bất thường hoặc nằm trong danh sách cấm trên mạng Ethereum.
  3. Thiết kế và triển khai hoàn chỉnh một ứng dụng phần mềm thực tế với 13 giao diện chức năng, giải quyết trọn vẹn cả hai quy trình nghiệp vụ: thu hồi chủ động từ cơ quan cấp phát (Issuer) và thu hồi theo yêu cầu của người sở hữu chứng chỉ (Holder).

Hạn chế và hướng nghiên cứu tiếp

Khóa luận thẳng thắn nêu ra các hạn chế kỹ thuật hiện tại dựa trên phạm vi nghiên cứu:

  • Độ trễ của thời gian thử thách Layer-2: Do đặc trưng cốt lõi của giao thức Optimistic Rollups trên Arbitrum, khoảng thời gian thử thách (Challenge Time) để giải quyết gian lận kéo dài khoảng 7 ngày. Điều này dẫn đến việc chốt trạng thái bất biến cuối cùng trên Layer-1 hoặc các thao tác rút tài sản liên quan phải chịu một khoảng thời gian chờ nhất định.
  • Hạn chế về nguồn lực và môi trường thực nghiệm: Do giới hạn về mặt thời gian, kinh phí và kinh nghiệm thực tế, quy mô thử nghiệm mạng lưới mới chỉ được thực hiện trên môi trường giả lập/testnet, chưa được kiểm thử trong điều kiện tải cao liên tục của mạng sản xuất (mainnet) với hàng triệu bản ghi.
  • Sự phụ thuộc dữ liệu của mô-đun AI: Hiệu năng của mô hình phát hiện gian lận phụ thuộc nhiều vào tập dữ liệu lịch sử các địa chỉ cấm trên Ethereum; chưa có cơ chế tự động cập nhật trọng số mô hình trực tuyến (online learning) khi xuất hiện các phương thức gian lận mới.

Hướng nghiên cứu tiếp theo được tác giả đề xuất:

  • Nghiên cứu cơ chế tối ưu hóa thời gian thử thách hoặc tích hợp song song các giải pháp ZK-Rollups nhằm rút ngắn thời gian xác thực trạng thái.
  • Mở rộng kiến trúc hệ thống để hỗ trợ các tiêu chuẩn chứng chỉ số tiên tiến như Chứng chỉ có thể xác minh (Verifiable Credentials - VC) và chuẩn Open Badges nhằm tăng khả năng liên thông quốc tế.
  • Nâng cấp mô-đun máy học với các tập dữ liệu hành vi lớn hơn và nghiên cứu tích hợp cơ chế học liên kết (Federated Learning) nhằm gia tăng tính bảo mật dữ liệu người dùng.

Giá trị tham khảo

Tài liệu khóa luận tốt nghiệp này mang lại giá trị học thuật và ứng dụng thực tiễn rõ nét:

  • Đối tượng thụ hưởng:
    • Sinh viên và học viên cao học: Thuộc các ngành Công nghệ thông tin, Kỹ thuật phần mềm, An toàn thông tin và Hệ thống thông tin đang làm đồ án, khóa luận hoặc đề tài nghiên cứu về ứng dụng Blockchain hoặc Machine Learning.
    • Các kỹ sư và lập trình viên Blockchain: Những người đang tìm kiếm giải pháp giải quyết bài toán chi phí giao dịch cao và tắc nghẽn mạng trên Ethereum thông qua Layer-2 Rollups (đặc biệt là Arbitrum).
    • Các nhà quản lý giáo dục và doanh nghiệp phần mềm: Đang có định hướng xây dựng các hệ sinh thái cấp phát, lưu trữ và xác thực văn bằng chứng chỉ số phi tập trung.
  • Các phần nội dung đáng tham khảo nhất:
    • Mục tổng quan và phân loại 8 kỹ thuật thu hồi dữ liệu trên chuỗi khối tại Chương 2 và Chương 3 (cung cấp cơ sở lý luận chi tiết về các giải pháp Isolation, Modification, Preventive).
    • Kiến trúc tích hợp giải pháp mở rộng quy mô Layer-2 Arbitrum cho hợp đồng thông minh tại Chương 4.
    • Quy trình tiền xử lý mất cân bằng nhãn bằng kỹ thuật SMOTE và cấu hình thực nghiệm mô hình XGBoost đạt chỉ số F1 99,42% tại Chương 5.

Câu hỏi thường gặp

1. Tại sao khóa luận lại lựa chọn giải pháp Optimistic Rollups thay vì ZK-Rollups hay thực hiện trực tiếp trên Layer-1 Ethereum?

Thực hiện thu hồi trực tiếp trên chuỗi chính Ethereum (Layer-1) đòi hỏi chi phí gas rất lớn và thời gian xác nhận giao dịch lâu do giới hạn thông lượng của mạng. Trong khi đó, việc ứng dụng Optimistic Rollups (trên nền tảng Arbitrum) cho phép di chuyển các phép tính toán và cập nhật trạng thái ra ngoài chuỗi (off-chain), gom hàng trăm giao dịch vào một lô (batch) rồi nén dưới dạng calldata đẩy về Ethereum. So với ZK-Rollups, Optimistic Rollups có độ tương thích EVM cao hơn, chi phí triển khai thấp hơn và mạng Arbitrum đã có hệ sinh thái phát triển ổn định từ cuối năm 2021, giúp hệ thống cắt giảm được 61,92% chi phí gas và độ trễ.

2. Thao tác thu hồi chứng chỉ trên hệ thống có làm thay đổi hay phá vỡ cấu trúc chuỗi khối bất biến của Ethereum không?

Không. Hệ thống áp dụng kỹ thuật thu hồi thuộc nhóm Cô lập (Isolation) thông qua hợp đồng thông minh. Bản thân tệp dữ liệu chứng chỉ gốc lưu trữ trên IPFS và các giao dịch cấp phát đã ghi vào khối dữ liệu blockchain đều được giữ nguyên vẹn. Thao tác thu hồi bản chất là việc thực thi phương thức trong hợp đồng thông minh để thay đổi biến trạng thái (state variable) của mã định danh chứng chỉ đó từ valid sang revoked. Khi người dùng xác minh, hệ thống kiểm tra biến trạng thái này để thông báo chứng chỉ không còn khả dụng, hoàn toàn không vi phạm tính bất biến của sổ cái.

3. Cơ chế xử lý tranh chấp và vai trò của khoảng thời gian thử thách (Challenge Time) 7 ngày trong hệ thống hoạt động như thế nào?

Optimistic Rollups vận hành theo nguyên lý "lạc quan", tức mặc định rằng mọi giao dịch ngoài chuỗi do Sequencer gửi lên chuỗi chính đều hợp lệ mà không cần gửi kèm bằng chứng xác minh ngay lập tức. Sau khi cam kết trạng thái (state commitment) được đăng tải lên Ethereum, hệ thống sẽ kích hoạt khoảng thời gian thử thách kéo dài 7 ngày. Trong khoảng thời gian này, bất kỳ nút mạng nào cũng có thể đóng vai trò Challenger để gửi bằng chứng gian lận (Fraud Proof). Arbitrum sử dụng giao thức phân đôi (bisection protocol) để bóc tách khối dữ liệu và định vị điểm sai lệch. Nếu gian lận được chứng minh, giao dịch bị đảo ngược và Sequencer bị phạt; nếu sau 7 ngày không có khiếu nại, trạng thái mới chính thức được coi là bất biến.

4. Mô-đun phát hiện gian lận giải quyết bài toán mất cân bằng dữ liệu nhãn bằng phương pháp nào và hiệu năng ra sao?

Trong dữ liệu giao dịch thực tế trên mạng blockchain, số lượng địa chỉ ví gian lận hoặc bị cấm chiếm tỷ lệ rất nhỏ so với số lượng địa chỉ ví thông thường, gây ra hiện tượng mất cân bằng nhãn nghiêm trọng. Khóa luận đã áp dụng kỹ thuật tái lấy mẫu SMOTE (Synthetic Minority Over-sampling Technique) để sinh thêm các mẫu tổng hợp cho lớp thiểu số (gian lận). Kết hợp với thuật toán XGBoost và phương pháp kiểm định chéo k-fold, mô hình đã đạt được điểm F1-Score là 99,42% và chỉ số diện tích dưới đường cong ROC (AUC) đạt mức gần như hoàn hảo.

5. Khóa luận thiết lập tiêu chuẩn định lượng như thế nào để phân loại chi phí Gas và Độ trễ giữa các hệ thống?

Do các công trình nghiên cứu trước đây chưa có tiêu chuẩn chung để đo lường, nhóm tác giả đã đề xuất phân chia định lượng thành ba mức cụ thể:

  • Về chi phí Gas: Thấp (dưới 50K GWei/chứng chỉ), Trung bình (từ 50K đến 300K GWei/chứng chỉ) và Cao (trên 300K GWei/chứng chỉ).
  • Về Độ trễ giao dịch: Thấp (dưới 5 giây), Trung bình (từ 5 đến 12 giây) và Cao (trên 12 giây). Dựa trên tiêu chuẩn này, hệ thống đề xuất của khóa luận đạt cả hai tiêu chí là Phí Gas Thấp và Độ trễ Thấp nhờ việc xử lý off-chain qua Arbitrum.

Kết luận

Khóa luận tốt nghiệp của sinh viên Phạm Đức Khánh và Huỳnh Gia Phú đã giải quyết thành công bài toán thu hồi chứng chỉ học thuật trên blockchain mà vẫn bảo toàn tính bất biến và toàn vẹn của dữ liệu. Bằng việc kết hợp hợp đồng thông minh với giải pháp Layer-2 Optimistic Rollups trên nền tảng Arbitrum, hệ thống đã tối ưu hóa hiệu năng rõ rệt khi giảm 61,92% chi phí gas và độ trễ giao dịch so với việc xử lý trực tiếp trên Ethereum Layer-1. Đồng thời, việc tích hợp mô-đun máy học XGBoost đạt điểm F1 99,42% giúp hệ thống chủ động nhận diện và cảnh báo sớm các địa chỉ ví có nguy cơ gian lận. Đây là một công trình nghiên cứu có thiết kế kỹ thuật bài bản, số liệu thực nghiệm minh bạch và mang giá trị ứng dụng thực tiễn cao cho việc quản trị văn bằng số trong kỷ nguyên chuyển đổi số.