Tổng quan luận án

Hệ thống điều khiển giám sát và thu thập dữ liệu (SCADA) cùng hệ thống điều khiển phân tán (DCS) đóng vai trò thiết yếu trong việc vận hành và quản lý các cơ sở hạ tầng công nghiệp trọng yếu như mạng lưới điện, hệ thống phân phối nước và đường ống dẫn khí. Quá trình chuyển đổi từ môi trường mạng cô lập sang môi trường mở với việc áp dụng các giao thức mạng chuẩn hóa (Ethernet, TCP/IP, Modbus-TCP/IP, kết nối không dây WLAN, WiMAX) đã làm gia tăng các nguy cơ an toàn thông tin trên cả hạ tầng truyền thông và các trung tâm điều khiển.

Khoảng trống nghiên cứu được tác giả xác định xuất phát từ sự xuất hiện của các hình thức tấn công mới vào tính toàn vẹn dữ liệu, đặc biệt là hình thức tấn công tuyến tính (cyber linear attack) tại cấp trường. Dạng tấn công này có khả năng làm sai lệch dữ liệu đo lường truyền từ cảm biến về bộ điều khiển nhưng vẫn vượt qua được các thuật toán phát hiện bất thường truyền thống như phương pháp đo độ chênh Kullback - Leibler (K-L). Bên cạnh đó, các nghiên cứu trước đây chưa đánh giá đầy đủ khả năng phát hiện dạng tấn công tuyến tính của các thuật toán thống kê chuỗi thời gian cổ điển khi K-L bị vượt qua, cũng như cần các mô hình học máy có hiệu năng cao hơn để nhận dạng các dạng xâm nhập SCADA phức tạp.

Mục tiêu và nhiệm vụ nghiên cứu của luận án bao gồm:

  1. Đánh giá mức độ ảnh hưởng của tấn công tuyến tính lên hệ thống điều khiển thông qua hiệp phương sai của sai số ước lượng trong bộ ước lượng từ xa sử dụng bộ lọc Kalman.
  2. Khảo sát và đánh giá khả năng phát hiện tấn công tuyến tính của các phương pháp phát hiện bất thường trong chuỗi dữ liệu gồm CHI2, CUSUM, WL CUSUM và FMA khi phương pháp K-L bị vượt qua.
  3. Xác định các khoảng ngưỡng phát hiện và phân tích các yếu tố ảnh hưởng (trọng số, khoảng thời gian tấn công) đến hiệu năng của phương pháp FMA trên các đối tượng mô phỏng.
  4. Xây dựng và tối ưu hóa mô hình nhận dạng xâm nhập dựa trên kỹ thuật học máy kết hợp (mô hình xếp chồng - Stacking Ensemble) nhằm phân loại tấn công nhị phân (2 nhãn) và tấn công đa lớp (8 nhãn) trên bộ dữ liệu mạng công nghiệp chuẩn.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: An toàn thông tin và bảo đảm tính toàn vẹn dữ liệu trong hệ thống điều khiển công nghiệp; tấn công tuyến tính vào kênh truyền cảm biến; mô hình học máy nhận dạng xâm nhập mạng SCADA.
  • Phạm vi nghiên cứu:
    • Về mặt lý thuyết và mô phỏng: Tập trung vào các điểm tấn công A9 (tín hiệu điều khiển đến cơ cấu chấp hành) và A10 (tín hiệu phản hồi từ cảm biến về bộ điều khiển); khảo sát trên mô hình hệ thống một vào một ra (Scalar/SISO), hệ thống nhiều vào nhiều ra (MIMO) và mô hình công nghệ bình trộn nhiệt.
    • Về mặt thực nghiệm dữ liệu: Sử dụng bộ dữ liệu đường ống dẫn khí Turnipseed công bố năm 2015 bởi Phòng thí nghiệm SCADA thuộc Đại học bang Mississippi (Hoa Kỳ).

Tổng quan tài liệu và vị trí của luận án

Trong luận án, tác giả điểm lại lịch sử các sự kiện tấn công điển hình vào các hệ thống điều khiển công nghiệp trên thế giới và tại Việt Nam:

  • Sự cố sâu máy tính Slammer tấn công hệ thống máy tính tại nhà máy điện hạt nhân Davis-Besse Ohio (2003), khai thác lỗ hổng MS-SQL làm tê liệt hệ thống giám sát an toàn trong gần 5 giờ.
  • Sâu máy tính Stuxnet (2010) tấn công phần mềm Siemens Step7 và phá hoại các bộ điều khiển lập trình PLC.
  • Các biến thể của Stuxnet như sâu Duqu (2011) do CrySyS Lab phát hiện và mã độc gián điệp Flame (2012) do Kaspersky phân tích.
  • Vụ xâm nhập mạng công ty Telvent tại Canada (2012) đánh cắp tập tin dự án Oasys SCADA.
  • Mã độc Triton/Trisis (2017) tấn công hệ thống kiểm soát an toàn tại một nhà máy công nghiệp ở Trung Đông.
  • Sự cố lây nhiễm mã độc tại nhà máy sản xuất bán dẫn TSMC ở Đài Loan (2018) gây thiệt hại ước tính 170 triệu USD.
  • Tấn công mạng vào công ty sản xuất nhôm Norsk Hydro ở Mỹ (2019) gây phát sinh chi phí 52 triệu USD.
  • Mã độc Industroyer tấn công hệ thống trạm biến áp cao áp tại Ukraine (2022) do nhóm tin tặc Voodoo Bear thực hiện.
  • Sự cố tấn công phá hủy hệ thống máy chủ và lộ thông tin khách hàng tại Tổng công ty Hàng không Việt Nam (2016).

Về mặt học thuật, luận án phân loại các hướng nghiên cứu hiện nay thành hai nhóm chính:

  1. Nghiên cứu các phương pháp phát hiện bất thường chuỗi dữ liệu: Các phương pháp phát hiện điểm thay đổi tuần tự khi đã biết thông số kỳ vọng và phương sai (FSS, CHI2, CUSUM, WL CUSUM, FMA) hoặc khi chưa biết thông số (GLR, WLR). Tác giả dẫn chứng nghiên cứu của nhóm tác giả tại Đại học Công nghệ Hồng Kông và Đại học Đông Bắc (Thẩm Dương, Trung Quốc) về cơ chế toán học của tấn công tuyến tính và việc tấn công này vượt qua thuật toán kiểm định K-L. Ngoài ra, một nhóm nghiên cứu tại Học viện Kỹ thuật Mật mã đã ứng dụng CUSUM để phát hiện các dạng tấn công đột ngột (surge attack), tấn công phân cực (bias attack), tấn công hình học (geometric attack) trên đối tượng SISO.
  2. Nghiên cứu ứng dụng học máy phát hiện xâm nhập dữ liệu SCADA: Các công trình sử dụng kỹ thuật học máy truyền thống và các kiến trúc mạng nơ-ron học sâu trên các bộ dữ liệu mô phỏng SCADA, tiêu biểu là bộ dữ liệu đường ống dẫn khí do Turnipseed cùng các cộng sự tại Đại học bang Mississippi công bố năm 2015.

Vị trí của luận án: Luận án kế thừa mô hình tấn công tuyến tính từ các công bố quốc tế để tiến hành nghiên cứu khả năng phát hiện của bốn thuật toán CHI2, CUSUM, WL CUSUM, FMA khi K-L bị vượt qua, đồng thời phát triển mô hình Stacking Ensemble kết hợp các bộ phân loại cơ sở và bộ phân loại meta nhằm cải thiện độ chính xác nhận dạng trên bộ dữ liệu Turnipseed.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết

Hệ thống điều khiển công nghiệp được mô tả trong không gian trạng thái thời gian rời rạc: $$\begin{cases} x_{k+1} = A x_k + B u_k + F d_k + w_k; \quad x_0 = x(0) \ y_k = C x_k + D u_k + G d_k + v_k \end{cases}$$

Trong đó $x_k \in \mathbb{R}^n$ là vector trạng thái, $u_k \in \mathbb{R}^p$ là vector tín hiệu điều khiển, $d_k \in \mathbb{R}^q$ là vector nhiễu ngoài, $y_k \in \mathbb{R}^m$ là vector tín hiệu đo từ cảm biến; $w_k \sim \mathcal{N}(0, Q)$ và $v_k \sim \mathcal{N}(0, R)$ là các vector nhiễu trắng của quá trình và cảm biến; $A, B, F, C, D, G$ là các ma trận hệ thống đã biết.

Bộ lọc Kalman trạng thái ổn định được dùng để tạo phần dư: $$\begin{cases} \hat{x}_{k+1} = A \hat{x}_k + K (y_k - \hat{y}_k) \ \hat{y}_k = C \hat{x}_k \end{cases}$$ Với $K = P C^T (C P C^T + R)^{-1}$ là độ lợi Kalman, và $P$ là ma trận hiệp phương sai sai số ước lượng ở trạng thái ổn định thỏa mãn phương trình Riccati: $$P = A P A^T - (A P C^T)(C P C^T + R)^{-1} C P A^T + Q$$

Khi không bị tấn công, phần dư $z_k = y_k - \hat{y}_k = y_k - C \hat{x}_k$ tuân theo phân bố chuẩn $z_k \sim \mathcal{N}(0, \Sigma)$ với $\Sigma = C P C^T + R$. Khi có tấn công tuyến tính, phần dư bị biến đổi thành: $$\tilde{z}_k = T_k z_k + b_k$$ Trong đó $T_k \in \mathbb{R}^{m \times m}$ là ma trận tùy ý và $b_k \sim \mathcal{N}(0, \Sigma_k)$ là biến ngẫu nhiên dạng Gaussian. Điều kiện để tấn công vượt qua bộ phát hiện K-L là $\Sigma_k - T_k \Sigma T_k^T \ge 0$.

Trong trường hợp hệ thống không biết đủ thông số, các tham số kỳ vọng mẫu $\overline{X}$ và phương sai mẫu điều chỉnh $S^2$ được ước lượng thông qua phân bố Student $t(n-1)$ và phân bố Chi-squared $\chi^2(n-1)$: $$T = \frac{\overline{X} - \mu}{S / \sqrt{n}} \sim t(n-1); \quad \chi^2 = \frac{(n-1)S^2}{\sigma^2} \sim \chi^2(n-1)$$

Phương pháp nghiên cứu

  1. Phương pháp thống kê phát hiện chuỗi dữ liệu bất thường:

    • FSS (Fixed Size Sample): Dò tìm theo khung mẫu có kích thước cố định.
    • CHI2 ($\chi^2$ - Chi-squared): Dựa trên hàm mật độ phân bố Chi-squared của bình phương phần dư chuẩn hóa.
    • CUSUM (Cumulative Sum): Tính tổng tích lũy của tỷ lệ hợp lý (Log-Likelihood Ratio - LLR) $S_i^k$.
    • WL CUSUM (Window Limited CUSUM): Giới hạn cửa sổ quan sát thời gian của CUSUM.
    • FMA (Finite Moving Average): Sử dụng trung bình trượt hữu hạn có trọng số $\gamma$ trên cửa sổ trượt $L$.

  2. Phương pháp học máy và mô hình xếp chồng (Stacking Ensemble):

    • Bộ phân loại cấp cơ sở (Level-1): Kết hợp các thuật toán học máy cây quyết định gồm Random Forest (RF), Light Gradient Boosting Machine (LightGBM) và eXtreme Gradient Boosting (XGBoost), hoặc kết hợp các kiến trúc mạng nơ-ron: Mạng nơ-ron nhiều lớp truyền thẳng (MLP), mạng tích chập (CNN), mạng hồi quy (RNN), mạng nơ-ron có bộ nhớ ngắn hạn dài (LSTM) và mạng hồi quy với nút cổng (GRU).
    • Bộ phân loại cấp meta (Meta-learner): Sử dụng mạng MLP hoặc Random Forest để tổng hợp kết quả dự đoán từ các mô hình cấp một.
    • Kỹ thuật tối ưu: Đánh giá chéo (Cross-Validation) kết hợp tìm kiếm ngẫu nhiên (Randomized Search) để tinh chỉnh siêu tham số.

Nguồn tư liệu và dữ liệu

Bộ dữ liệu đường ống dẫn khí của Turnipseed (2015) gồm 17 trường đặc trưng và 2 loại nhãn (phân loại 2 nhãn và phân loại 8 nhãn). Bộ dữ liệu chứa các bản ghi hoạt động bình thường và 7 dạng tấn công:

  • Tấn công chèn đáp ứng tinh vi (Complex Malicious Response Injection - NMRI).
  • Tấn công thay đổi trạng thái (Malicious State Command Injection - MSCI).
  • Tấn công thay đổi thông số (Malicious Parameter Command Injection - MPCI).
  • Tấn công giả mạo mã hàm (Malicious Function Code Injection - MFCI).
  • Tấn công do thám (Reconnaissance - Recon).
  • Tấn công từ chối dịch vụ (Denial of Service - DoS).
  • Hoạt động bình thường (Normal).

Nội dung chính theo từng chương

Chương 1: Tổng quan vấn đề an toàn thông tin trong hệ thống điều khiển công nghiệp

Chương 1 hệ thống hóa toàn diện cấu trúc, các điểm tấn công, lỗ hổng bảo mật và các dạng tấn công điển hình trong hệ thống điều khiển công nghiệp (SCADA/DCS):

Cấu trúc 3 cấp của hệ thống điều khiển công nghiệp:

  • Cấp giám sát điều khiển: Gồm SCADA server, Communication server, Builder server (ví dụ phần mềm WinCC/STEP7), Diagnostic server, Application server, giao diện người - máy HMI, Database server và nhân viên vận hành (Operators).
  • Cấp điều khiển: Gồm thiết bị đầu cuối chủ (MTU), thiết bị đầu cuối hiện trường (RTU), bộ điều khiển logic lập trình (PLC) và thiết bị điện tử thông minh (IED).
  • Cấp chấp hành: Các cảm biến và cơ cấu chấp hành vật lý.
  • Hệ thống mạng truyền thông: Mạng toàn doanh nghiệp (Corporate network), mạng quá trình (Process network), mạng hiện trường (Field network) và mạng của đơn vị cung cấp giải pháp (Vendor network).

Các điểm có khả năng bị tấn công (A0 đến A10):

  • Điểm A0: Tấn công vật lý vào hạ tầng cáp truyền thông, cảm biến hoặc cơ cấu chấp hành.
  • Điểm A1: Tấn công thông qua các ứng dụng webserver quản lý.
  • Điểm A2: Tấn công nội bộ bằng thiết bị lưu trữ USB vào mạng doanh nghiệp.
  • Điểm A3: Cắm USB trực tiếp vào máy tính trung tâm điều khiển để làm tê liệt các máy chủ builder, communication, database, diagnostic, application.
  • Điểm A4, A5, A6: Tấn công vào các kênh truyền thông giữa trung tâm điều khiển và các trạm (A4), giữa MTU và PLC/RTU (A5, A6) thông qua khai thác lỗ hổng Modbus, DNP3, Ethernet.
  • Điểm A7, A8: Khai thác kết nối bảo trì từ xa của nhà thầu (A7) và truy cập thiết bị đầu cuối hiện trường (A8).
  • Điểm A9, A10: Tấn công vào các liên kết truyền tín hiệu không an toàn (không dây, radio, vệ tinh) giữa bộ điều khiển và cơ cấu chấp hành (A9) hoặc tín hiệu đo từ cảm biến về bộ điều khiển (A10).

Phân loại lỗ hổng an ninh:

  1. Lỗ hổng kiến trúc: Chuyển dịch từ môi trường cô lập sang môi trường mở, kết nối mạng xí nghiệp và internet.
  2. Lỗ hổng chính sách bảo mật: Xung đột giữa phần mềm quét virus và tính khả dụng thời gian thực.
  3. Lỗ hổng phần cứng và phần mềm: Tràn bộ nhớ đệm, lỗi truy vấn SQL (MS-SQL), lỗi định dạng chuỗi.
  4. Lỗ hổng giao thức truyền thông: Thiếu cơ chế xác thực nguồn gốc, mã hóa và chống phát lại trong Modbus, DNP3, Ethernet/IP.
  5. Lỗ hổng khác: Các mối đe dọa từ tội phạm mạng có tổ chức hoặc các nhóm được tài trợ.

Các dạng tấn công điển hình:

  • Tấn công từ chối dịch vụ (DoS): Được mô tả theo 3 chiến lược toán học:
    • Dạng 1: $\tilde{z}_k = 0$ khi $k \in \mathcal{T}_a$.
    • Dạng 2 (DoS hoàn hảo): $\tilde{z}k = z{k_0-1}$ khi $k \in \mathcal{T}_a$.
    • Dạng 3 (DoS không hoàn hảo): $\tilde{z}_k = \lambda_k z_k$ với $\lambda_k \in {0, 1}$.
  • Tấn công từ chối dịch vụ phân tán (DDoS): Phân chia thành kiến trúc tấn công trực tiếp (sử dụng mạng botnet Zombie qua máy điều khiển Handler tấn công ngập lụt nạn nhân) và kiến trúc tấn công gián tiếp/phản chiếu (gửi gói tin giả mạo IP nạn nhân đến các máy chủ phản xạ Reflector).
  • Tấn công tính toàn vẹn:
    • Tấn công đơn giản: Tấn công Min-max ($\tilde{z}k = z{\min}$ hoặc $\tilde{z}k = z{\max}$), tấn công mở rộng ($\tilde{z}_k = \alpha_k z_k$), tấn công bổ sung ($\tilde{z}_k = z_k + a_k^z$).
    • Tấn công âm thầm: Tấn công lặp lại (Replay attack), tấn công đột ngột (Surge attack), tấn công động lực - điểm không (Zero-dynamics attack) và tấn công tuyến tính (Cyber linear attack).

Chương 2: Tổng quan tấn công tuyến tính và một số phương pháp phát hiện tấn công tính toàn vẹn dữ liệu

Chương 2 trình bày cơ sở toán học của tấn công tuyến tính và đánh giá định lượng mức độ ảnh hưởng của nó so với các dạng tấn công khác:

Đánh giá mức độ ảnh hưởng qua ma trận hiệp phương sai sai số ước lượng: Xét hệ thống vô hướng ($m = 1$), ma trận hiệp phương sai của sai số ước lượng trong bộ ước lượng từ xa khi có tấn công thỏa mãn: $$\tilde{P}k = A P{k-1} A^T + Q + (1 - 2 T_k) \Sigma$$ Trong đó $\Sigma = C P C^T + R$. Tác giả so sánh 4 trường hợp:

  1. Trường hợp 1 ($T_k = 1, b_k = 0$ - không tấn công): $\tilde{P}k = A P{k-1} A^T + Q - \Sigma$.
  2. Trường hợp 2 (Tấn công DoS $\tilde{z}_k = 0$): $\tilde{P}k = A P{k-1} A^T + Q$. Hiệp phương sai tăng thêm một lượng $\Sigma$.
  3. Trường hợp 3 (Tấn công tuyến tính tối ưu $T_k = -1, b_k = 0$, tương ứng $\tilde{z}_k = -z_k$): $\tilde{P}k = A P{k-1} A^T + Q + 3\Sigma$. Hiệp phương sai tăng thêm một lượng $3\Sigma$.
  4. Trường hợp 4 (Tấn công phân bố chuẩn $\tilde{z}_k \sim \mathcal{N}(0, \Sigma)$, với $T_k = 0, b_k \sim \mathcal{N}(0, \Sigma)$): $\tilde{P}k = A P{k-1} A^T + Q + \Sigma$.
Dạng tấn công Tham số tấn công Biểu thức phần dư $\tilde{z}_k$ Mức tăng hiệp phương sai $\tilde{P}_k$
Không bị tấn công $T_k = 1, b_k = 0$ $z_k$ 0 (trạng thái chuẩn $P$)
Tấn công từ chối dịch vụ (DoS) Không áp dụng $0$ $+\Sigma$
Tấn công phân bố chuẩn $T_k = 0, b_k \sim \mathcal{N}(0, \Sigma)$ $\mathcal{N}(0, \Sigma)$ $+\Sigma$
Tấn công tuyến tính tối ưu $T_k = -1, b_k = 0$ $-z_k$ $+3\Sigma$

Kết quả chứng minh tấn công tuyến tính tại điểm tối ưu $T_k = -1$ (hoặc $T_k = -I$ đối với hệ đa biến $m > 1$) làm tăng hiệp phương sai sai số ước lượng lớn nhất ($3\Sigma$), gây sai lệch tín hiệu và thiệt hại nghiêm trọng nhất cho hệ thống.

Kiểm chứng bằng mô phỏng:

  • Hệ thống vô hướng ổn định: Thiết lập $A = 0{,}2; Q = 1; R = 1$. Mô phỏng các khoảng thời gian $[0; 20], [40; 60], [80; 100]$ (bình thường); $[20; 40]$ (tấn công DoS $\tilde{z}_k = 0$); $[60; 80]$ (tấn công tuyến tính $\tilde{z}_k = -z_k$); $[100; 120]$ (tấn công phân bố chuẩn). Kết quả cho thấy trong khoảng $[60; 80]$, ước lượng trạng thái $\hat{x}_k$ bám sát giá trị thực $x_k$ nhưng ma trận hiệp phương sai $\tilde{P}_k$ tăng vọt lên mức cao nhất.
  • Hệ thống vô hướng không ổn định: Thiết lập $A = 1{,}02; C = 1{,}2; Q = 1; R = 1$. Kết quả đồ thị kiểm chứng sự gia tăng tương tự của $\tilde{P}_k$ dưới tác động của tấn công tuyến tính.

Chương 3: Nghiên cứu khả năng phát hiện tấn công tuyến tính của các phương pháp Chi-squared, CUSUM, WL CUSUM, FMA

Chương 3 triển khai thử nghiệm thực nghiệm và đánh giá so sánh khả năng phát hiện tấn công tuyến tính của bốn thuật toán (CHI2, CUSUM, WL CUSUM, FMA) khi phương pháp kiểm định độ chênh Kullback - Leibler (K-L) bị vượt qua:

Đối tượng khảo sát:

  1. Đối tượng thứ nhất: Mô hình hệ thống MIMO không gian trạng thái rời rạc với các thông số chưa biết và chịu tác động của nhiễu ngẫu nhiên.
  2. Đối tượng thứ hai: Hệ thống công nghệ bình trộn nhiệt với các thông số vật lý: lưu lượng nước nóng $F_1$, lưu lượng nước bổ sung $F_2$, lưu lượng đầu ra $F_3$, nhiệt độ nước nóng $T_1$, nhiệt độ nước bổ sung $T_2$, nhiệt độ trong bình $T_3$, chiều cao mức nước $H$, khối lượng riêng của nước $\rho = 1000\text{ kg/m}^3$, thể tích $V$, chiều dài bình $L$, bán kính bình $R$.

Các kết quả phát hiện và phân tích thực nghiệm:

  • Khi tấn công tuyến tính vượt qua ngưỡng kiểm tra K-L ($\Delta \le 2 \min \lambda_i$), các phương pháp CHI2, CUSUM, WL CUSUM và FMA đóng vai trò như một tầng phát hiện thứ hai trong chuỗi bảo vệ an toàn thông tin.
  • Phương pháp FMA cho hiệu năng phát hiện tấn công tuyến tính cao hơn so với CHI2, CUSUM và WL CUSUM trên cả hai đối tượng thử nghiệm.
  • Khảo sát các yếu tố ảnh hưởng trong phương pháp FMA:
    • Ảnh hưởng của khoảng thời gian tấn công ($L$): Khi $L$ tăng lên, xác suất phát hiện đúng ($P_D$) tăng và xác suất cảnh báo sai thời điểm ($P_{md}$) giảm rõ rệt.
    • Ảnh hưởng của vector trọng số ($\gamma$): Việc lựa chọn phân bố trọng số hợp lý giúp rút ngắn thời gian cảnh báo phát hiện $T_{FMA}$.
  • Khoảng ngưỡng phát hiện: Luận án xác định miền ngưỡng phát hiện hiệu quả $h$ cho các phương pháp CUSUM và CHI2 khi K-L bị vượt qua ứng với các giá trị ngưỡng $\Delta \in {0{,}1; 0{,}5; 1{,}0; 2{,}0; 2{,}5; 5{,}0}$ và các giá trị ngưỡng $h$ tương ứng (như $h = 0{,}1; 3{,}4; 5{,}3$).

Chương 4: Nghiên cứu, áp dụng kỹ thuật học máy nhằm nâng cao chất lượng nhận dạng xâm nhập, tấn công tính toàn vẹn dữ liệu vào hệ thống điều khiển công nghiệp

Chương 4 tập trung xây dựng và đánh giá các mô hình học máy trên bộ dữ liệu đường ống dẫn khí Turnipseed:

Kiến trúc các mô hình đề xuất:

  • Mô hình 1 (Stacking kết hợp các mạng nơ-ron): Tầng cơ sở sử dụng các mạng MLP, CNN, LSTM, GRU, RNN. Tầng phân loại meta sử dụng MLP hoặc Random Forest (RF).
  • Mô hình 2 (Stacking kết hợp học máy cơ bản): Tầng cơ sở kết hợp 3 mô hình cây tăng cường và rừng ngẫu nhiên gồm Random Forest (RF), Light Gradient Boosting Machine (LightGBM) và eXtreme Gradient Boosting (XGBoost). Tầng phân loại meta sử dụng mạng MLP kết hợp kỹ thuật tinh chỉnh (fine-tuning) và tìm kiếm ngẫu nhiên siêu tham số thông qua đánh giá chéo (Cross-Validation).
Bài toán phân loại Mô hình đề xuất Bộ phân loại cấp 1 (Base-level) Bộ phân loại cấp Meta (Meta-learner) Độ chính xác (Accuracy)
Phân loại nhị phân (2 nhãn) Mô hình Stacking RF + LightGBM + XGBoost MLP (tinh chỉnh) 99,72%
Phân loại đa lớp (8 nhãn) Mô hình Stacking RF + LightGBM + XGBoost MLP (tinh chỉnh) 99,62%

Kết quả thực nghiệm trên tập kiểm tra của bộ dữ liệu Turnipseed cho thấy mô hình Stacking kết hợp RF, LightGBM, XGBoost với bộ meta MLP đạt độ chính xác 99,72% đối với bài toán nhận dạng 2 nhãn (bình thường / bị tấn công) và đạt 99,62% đối với bài toán phân loại đa lớp 8 nhãn (phân biệt chính xác giữa hoạt động bình thường và 7 dạng tấn công: NMRI, MSCI, MPCI, MFCI, Recon, DoS). Kết quả này vượt trội hơn so với các mô hình học máy đơn lẻ và các công bố trước đây trên cùng bộ dữ liệu.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và khoa học

  1. Phân tích và chứng minh định lượng mức độ ảnh hưởng của tấn công tuyến tính lên ma trận hiệp phương sai sai số ước lượng của bộ lọc Kalman ở trạng thái xác lập, chỉ ra rằng tấn công tuyến tính tối ưu làm tăng hiệp phương sai thêm một lượng $3\Sigma$, lớn hơn so với tấn công từ chối dịch vụ (DoS) và tấn công phân bố chuẩn.
  2. Chứng minh khả năng phát hiện tấn công tuyến tính của các phương pháp CHI2, CUSUM, WL CUSUM và FMA khi kiểu tấn công này vượt qua thuật toán phát hiện Kullback - Leibler (K-L); đề xuất việc sử dụng các phương pháp này như một tầng phát hiện bổ trợ phía sau bộ lọc Kalman.
  3. Xác định quy luật ảnh hưởng của các tham số trọng số $\gamma$, độ dài cửa sổ $L$ và xác định các khoảng ngưỡng phát hiện $h$ cho các thuật toán CUSUM, CHI2, FMA trên các hệ thống SISO, MIMO và hệ bình trộn nhiệt.

Đóng góp về mặt thực tiễn và giải pháp đề xuất

  1. Đề xuất cấu trúc mô hình nhận dạng xâm nhập Stacking Ensemble kết hợp các bộ phân loại cơ sở (Random Forest, LightGBM, XGBoost) với bộ phân loại meta MLP được tối ưu hóa siêu tham số.
  2. Đạt độ chính xác nhận dạng 99,72% (phân loại nhị phân) và 99,62% (phân loại 8 nhãn) trên bộ dữ liệu đường ống dẫn khí công nghiệp Turnipseed, cung cấp giải pháp kỹ thuật có độ tin cậy cao cho việc phát hiện các hành vi tấn công mạng vào hệ thống SCADA.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế: Các khảo sát về tấn công tuyến tính và các thuật toán phát hiện chuỗi dữ liệu (CHI2, CUSUM, WL CUSUM, FMA) chủ yếu được thực hiện thông qua mô hình toán học và mô phỏng số trên phần mềm; mô hình nhận dạng xâm nhập học máy được kiểm chứng trên bộ dữ liệu đường ống dẫn khí Turnipseed công bố năm 2015 mà chưa được triển khai trực tiếp trên phần cứng và môi trường mạng SCADA/DCS thời gian thực tại các nhà máy đang vận hành.
  • Hướng nghiên cứu tiếp:
    • Triển khai thử nghiệm các thuật toán phát hiện chuỗi dữ liệu và mô hình học máy Stacking trên các hệ thống điều khiển công nghiệp vật lý thực tế (kết nối trực tiếp với PLC, MTU, RTU).
    • Nghiên cứu mở rộng các dạng tấn công phối hợp phức tạp hơn giữa tấn công tính toàn vẹn dữ liệu và tấn công từ chối dịch vụ trên diện rộng.

Giá trị tham khảo

Luận án là tài liệu tham khảo hữu ích cho các nhóm đối tượng:

  • Nghiên cứu sinh và học viên cao học ngành Kỹ thuật Điều khiển - Tự động hóa, An toàn thông tin, Khoa học máy tính: Tham khảo phương pháp mô hình hóa toán học các dạng tấn công mạng vào hệ thống điều khiển, kỹ thuật tạo phần dư bằng bộ lọc Kalman và phương pháp xây dựng mô hình Stacking Ensemble xử lý dữ liệu chuỗi thời gian.
  • Giảng viên và nhà nghiên cứu: Sử dụng các chương 2, 3, 4 làm học liệu giảng dạy chuyên đề an toàn mạng công nghiệp, hệ thống SCADA/DCS và các thuật toán kiểm định thống kê phát hiện bất thường.
  • Kỹ sư vận hành và chuyên gia an toàn thông tin công nghiệp: Tham khảo cấu trúc 11 điểm tấn công (A0 - A10), các lỗ hổng giao thức Modbus/DNP3 và giải pháp xây dựng kiến trúc phân tầng phát hiện xâm nhập để bảo vệ cơ sở hạ tầng trọng yếu (điện lực, dầu khí, hóa chất).

Câu hỏi thường gặp

1. Tấn công tuyến tính trong hệ thống điều khiển công nghiệp là gì và được biểu diễn bằng công thức nào?

Tấn công tuyến tính là dạng tấn công vào tính toàn vẹn dữ liệu ở cấp trường (kênh truyền cảm biến), làm biến đổi phần dư $\tilde{z}_k$ theo phương trình: $$\tilde{z}_k = T_k z_k + b_k$$ Trong đó $T_k \in \mathbb{R}^{m \times m}$ là ma trận tùy ý và $b_k \sim \mathcal{N}(0, \Sigma_k)$ là biến ngẫu nhiên dạng Gaussian. Tấn công đạt mức độ phá hoại tối ưu khi $T_k = -I$ và $b_k = 0$, làm tăng ma trận hiệp phương sai sai số ước lượng trong bộ ước lượng từ xa thêm một lượng $3\Sigma$.

2. Vì sao tấn công tuyến tính có thể vượt qua phương pháp phát hiện Kullback - Leibler (K-L)?

Phương pháp K-L phát hiện tấn công dựa trên sự sai khác giữa phân bố xác suất của dữ liệu khi bình thường và khi bị tấn công. Khi kẻ tấn công thiết kế ma trận $T_k$ và ma trận hiệp phương sai $\Sigma_k$ thỏa mãn điều kiện $\Sigma_k - T_k \Sigma T_k^T \ge 0$ với ngưỡng $\Delta \le 2 \min \lambda_i$, độ chênh lệch phân bố xác suất nằm trong phạm vi cho phép của bộ kiểm định K-L, khiến thuật toán K-L không kích hoạt cảnh báo.

3. Trong bốn phương pháp CHI2, CUSUM, WL CUSUM và FMA, phương pháp nào phát hiện tấn công tuyến tính hiệu quả nhất?

Kết quả mô phỏng trên cả hệ thống MIMO và hệ thống bình trộn nhiệt trong luận án chỉ ra rằng phương pháp FMA (Finite Moving Average) có khả năng phát hiện tấn công tuyến tính tốt hơn so với CHI2, CUSUM và WL CUSUM, thể hiện qua xác suất phát hiện đúng cao hơn và thời gian trễ cảnh báo ngắn hơn khi tối ưu hóa khoảng thời gian tấn công $L$ và vector trọng số $\gamma$.

4. Cấu trúc mô hình học máy Stacking được đề xuất trong luận án gồm những thành phần nào và đạt kết quả ra sao?

Mô hình gồm hai tầng:

  • Tầng cấp 1 (Base-level): Kết hợp 3 thuật toán Random Forest, LightGBM và XGBoost.
  • Tầng cấp meta (Meta-learner): Sử dụng mạng nơ-ron truyền thẳng đa tầng (MLP) kết hợp tinh chỉnh siêu tham số qua đánh giá chéo. Khi thử nghiệm trên bộ dữ liệu đường ống dẫn khí Turnipseed, mô hình đạt độ chính xác 99,72% đối với phân loại 2 nhãn và 99,62% đối với phân loại 8 nhãn.

Kết luận

Luận án của tác giả Nguyễn Đức Dương đã giải quyết hai vấn đề cốt lõi trong an toàn thông tin hệ thống điều khiển công nghiệp: đánh giá khả năng phát hiện tấn công tuyến tính của các thuật toán thống kê chuỗi thời gian khi phương pháp K-L bị vượt qua, và phát triển mô hình Stacking Ensemble nâng cao độ chính xác nhận dạng xâm nhập mạng SCADA. Các kết quả lý thuyết và mô phỏng đã chứng minh tính hiệu quả của phương pháp FMA trong việc phát hiện tấn công tuyến tính, đồng thời xác lập mô hình học máy đạt độ chính xác 99,72% (2 nhãn) và 99,62% (8 nhãn) trên bộ dữ liệu chuẩn quốc tế Turnipseed. Công trình đóng góp cơ sở khoa học và giải pháp kỹ thuật thiết thực phục vụ công tác bảo đảm an toàn thông tin cho các hệ thống SCADA và DCS trong thực tế.