Tổng quan về luận án

Trong kỷ nguyên bùng nổ của công nghệ Internet of Things (IoTs), điện toán đám mây và mạng quy mô nhỏ (SOHO - Small Office/Home Office), an ninh mạng đối mặt với các nguy cơ nghiêm trọng từ tấn công từ chối dịch vụ phân tán (Distributed Denial of Service - DDoS). Các cuộc tấn công DDoS hiện đại ngày càng gia tăng về quy mô và độ tinh vi, tiêu biểu như vụ tấn công kỷ lục đạt băng thông 1,35 Tbps nhằm vào nền tảng GitHub ngày 27/2/2018 theo báo cáo của Arbor Networks [8]. Trong bối cảnh kiến trúc mạng truyền thống bộc lộ sự bất cập do cấu chế phân tán cứng nhắc, đóng kín từ các nhà sản xuất thiết bị độc quyền, công nghệ mạng điều khiển bởi phần mềm (Software Defined Networking - SDN) chuẩn hóa bởi Open Networking Foundation (ONF) [19] và giao thức OpenFlow [20] đã mở ra một phương thức quản trị mạng tập trung và khả trình. Tuy nhiên, chính sự phân tách giữa mặt phẳng điều khiển (Control Plane) và mặt phẳng dữ liệu (Data Plane) lại làm phát sinh các điểm nghẽn an ninh mới.

Research gap cốt lõi được luận án xác định nằm ở ba phương diện kỹ thuật:

  1. Các giải pháp phòng chống DDoS thuần túy trên SDN hiện hữu (như Braga et al. [22], Giotis et al. [21]) chủ yếu tập trung vào các trung tâm dữ liệu quy mô lớn, phụ thuộc vào các thuật toán học máy phức tạp đòi hỏi dữ liệu huấn luyện ngoại tuyến (offline) hoặc các phép đo entropy gây tỷ lệ báo động nhầm (False Positive Rate - FPR) cao lên tới 32% khi độ nhạy (Detection Rate - DR) đạt 95% [21], hoàn toàn không tối ưu cho môi trường SOHO có tài nguyên hạn chế.
  2. Cơ chế xử lý quá trình bắt tay ba bước (3-way Handshake - 3HS) chống TCP SYN Flood trên bộ chuyển mạch biên theo giải pháp di trú kết nối (Connection Migration - CM) của kiến trúc AVANT-GUARD (Shin et al. [28]) làm phân mảnh kết nối TCP, vô hiệu hóa các tùy chọn giao thức (MSS, TCP Window Scaling), tiêu tốn tài nguyên khối điều khiển truyền (TCB 128 KB) và phá vỡ triết lý SDN khi đẩy xử lý phức tạp về switch.
  3. Việc truy vấn thống kê luồng qua kênh điều khiển OpenFlow khi xảy ra tấn công làm nghẽn giao diện Nam-Bắc (Southbound interface), khiến bộ điều khiển (Controller) bị quá tải và tê liệt chức năng điều hành toàn cục.

Luận án của NCS. Đặng Văn Tuyên (hướng dẫn bởi PGS. Trương Thu Hương và PGS. Nguyễn Tài Hưng, Trường Đại học Bách khoa Hà Nội, 2019) giải quyết triệt để bài toán trên thông qua hai nhóm câu hỏi nghiên cứu và giả thuyết khoa học:

  • RQ1: Làm thế nào để tận dụng dữ liệu thống kê luồng OpenFlow nguyên bản nhằm phát hiện và giảm thiểu DDoS trực tuyến trên mạng SOHO với chi phí tính toán thấp mà không cần thiết bị an ninh chuyên dụng?
  • H1: Mô hình dự đoán làm trơn hàm mũ (Exponential Smoothing) kết hợp chuẩn hóa chỉ số độ lệch cổng nguồn trên địa chỉ nguồn (DSPA) và độ lệch số gói trên luồng (DPpF) cho phép phân loại lưu lượng tấn công trực tuyến với thời gian đáp ứng milli-giây và FPR tối thiểu.
  • RQ2: Kiến trúc mở rộng nào cho phép triệt tiêu điểm nghẽn kênh điều khiển OpenFlow và phòng chống tấn công SYN Flood quy mô lớn mà không làm suy giảm hiệu năng bộ chuyển mạch OpenFlow (OFS)?
  • H2: Việc tích hợp bộ phân tích và xử lý lưu lượng an ninh (Security Device - SD) cùng thuật toán logic mờ (FDDoM) và cơ chế xác thực địa chỉ nguồn bằng RST Cookie (giải pháp SSG) sẽ tách biệt hoàn toàn tải xử lý trạng thái bắt tay TCP khỏi bộ chuyển mạch và bộ điều khiển, duy trì tỷ lệ kết nối thành công (Successful Connection Rate - SCR) của người dùng lành tính ở mức tiệm cận 100%.

Khung nghiên cứu được định hình trên phạm vi thực nghiệm sử dụng tập dữ liệu lưu lượng thực tế chuẩn quốc tế CAIDA 2013 kết hợp dữ liệu từ ISP Netnam, đo kiểm trên hệ thống mô phỏng Mininet và testbed vật lý, đánh giá khả năng chịu tải lên tới 700–1000 pps (packets per second).

Literature Review và Positioning

Các công trình nghiên cứu phòng chống DDoS trên nền tảng mạng truyền thống và SDN được phân tách thành các luồng học thuật chính:

                                  CÁC HƯỚNG TIẾP CẬN PHÒNG CHỐNG DDOS
                                                   │
         ┌─────────────────────────────────────────┴─────────────────────────────────────────┐
         ▼                                                                                   ▼
[Phát hiện thống kê & Học máy]                                              [Ủy nhiệm & Cơ chế lọc luồng]
├── Braga et al. (2010): Self-Organizing Map (SOM)                          ├── Shin et al. (2013): AVANT-GUARD & CM
├── Mehdi et al. (2011): Maximum Entropy & TRW-CB                           ├── Yao et al. (2015): VAVE IP Verification
├── Giotis et al. (2014): Entropy 4 thuộc tính & sFlow                      └── Sufian & Hassan (2017): C-to-C Push-back
└── Jin & Wang (2013): Nhận diện mẫu lưu lượng Real-time

Luồng nghiên cứu phát hiện dựa trên Entropy và Học máy mở đầu với Braga et al. [22] khi ứng dụng bản đồ tự tổ chức (SOM) phân loại lưu lượng với 6 thuộc tính thống kê từ OpenFlow switch. Tuy nhiên, SOM đòi hỏi pha học phức tạp và chưa có cơ chế lọc bỏ lưu lượng online. Giotis et al. [21] mở rộng việc tính toán entropy trên 4 trường (IP nguồn, IP đích, Port nguồn, Port đích) phối hợp sFlow nhưng bộc lộ nhược điểm lớn khi phân bố địa chỉ IP của lưu lượng SOHO không thỏa mãn tính ngẫu nhiên thống nhất, dẫn đến FPR cao (32%). Mehdi et al. [78] sử dụng thuật toán Entropy cực đại kết hợp Threshold Random Walk (TRW-CB) trong mạng SOHO nhưng chỉ giới hạn phát hiện tại nguồn phát sinh lưu lượng TCP.

Về phía phòng chống tấn công tầng giao thức (Protocol-exploit DDoS), Shin et al. (AVANT-GUARD) [28] giới thiệu cơ chế Di trú kết nối (Connection Migration - CM) và SYN Cookie tích hợp trực tiếp trong OFS. Tranh luận học thuật nảy sinh giữa hai quan điểm:

  • Quan điểm 1 (Stateful Data Plane - Shin et al. [28], SDSNM [100]): Đẩy chức năng kiểm soát trạng thái kết nối TCP xuống phần cứng chuyển mạch nhằm phản ứng tức thì với các đợt bùng nổ lưu lượng SYN Flood.
  • Quan điểm 2 (Stateless Data Plane - ONF Standard [19], [20]): Giữ mặt phẳng dữ liệu ở trạng thái thuần túy chuyển tiếp không trạng thái (stateless forwarding) để tối đa hóa thông lượng (throughput) và giảm giá thành phần cứng.

Luận án định vị chính xác khoảng trống học thuật bằng cách bác bỏ việc nhúng module kiểm tra trạng thái phức tạp vào OFS (tránh phá vỡ triết lý SDN) và khắc phục nhược điểm phụ thuộc thiết bị ngoài thiếu khả năng điều khiển động của các giải pháp kết hợp Snort/sFlow truyền thống (như Giotis et al. [21], Wang et al. [77]). Khi đặt cạnh hai nghiên cứu quốc tế điển hình là AVANT-GUARD [28] và FRESCO [82], luận án tạo ra bước đột phá vượt bậc: trong khi AVANT-GUARD gây suy hao năng lực switch do phải tính toán mã hóa cookie và quản lý bảng trạng thái lệch Sequence Number cho mọi kết nối (kể cả cổng đóng), giải pháp SSG của luận án sử dụng bộ xử lý chuyên dụng SD kết hợp RST Cookie không lưu trạng thái (stateless validation), giúp giảm thiểu 100% rủi ro nghẽn bảng luồng (Flow Table) và triệt tiêu tải tính toán trên bộ điều khiển SDN.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án mở rộng lý thuyết kiểm soát an ninh trong mạng khả trình thông qua việc tái cấu trúc các nguyên lý tương tác giữa mặt phẳng điều khiển và mặt phẳng dữ liệu:

  1. Mở rộng lý thuyết chuỗi thời gian thống kê trong SDN: Phát triển mô hình dự đoán làm trơn hàm mũ thích ứng (Adaptive Exponential Smoothing) cho các chuỗi thống kê lưu lượng biến động theo chu kỳ thời gian $T$, chứng minh rằng sự bất thường trong phân bố số lượng cổng nguồn trên một địa chỉ IP ($SPA$) và số gói tin trên một luồng ($PpF$) là chỉ dấu tất định của tấn công DDoS dạng Flooding.
  2. Khung lý thuyết phân loại logic mờ không gian 2 chiều (Mamdani FIS): Thiết lập mô hình suy luận mờ kết hợp giữa Khoảng thời gian liên gói (Inter-Arrival Time - $IAT$) và Số gói tin trong luồng ($PpF$) với các hàm thành viên hình thang và tam giác ($Low$, $High$), giải quyết hoàn hảo tính bất định và mờ nhạt giữa lưu lượng tăng đột biến hợp pháp (Flash Crowd) và tấn công DDoS cường độ thấp (Slowloris).
  3. Mô hình định danh và truy vết nguồn gốc luồng IP phân tán (PLA DFM Theory): Bổ sung lý thuyết đánh dấu gói tin xác định thích ứng chiều dài (Packet Length Adaptive Deterministic Flow Marking), chứng minh toán học rằng việc tận dụng trường Identification (16-bit) và điều chỉnh Checksum tại các gói tin có kích thước lớn hơn ngưỡng đánh dấu ($MT = 288$ bytes) cho phép tái tạo 100% đường dẫn tấn công qua các Autonomous System (AS) mà không làm suy giảm tỷ lệ truyền dữ liệu cực đại (MTU).

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp ba trụ cột lý thuyết: Lý thuyết hàng đợi và điều khiển luồng OpenFlow, Lý thuyết tập mờ (Fuzzy Logic), và Lý thuyết bảo mật xác thực phiên giao vận TCP:

┌────────────────────────────────────────────────────────────────────────────────────────┐
│                        KHUNG PHÂN TÍCH VÀ ĐIỀU KHIỂN ĐA TẦNG                           │
├──────────────────────────────────────────┬─────────────────────────────────────────────┤
│ 1. Tầng Nhận thức Lưu lượng              │ 2. Tầng Ra quyết định Logic Mờ              │
│ - Trích xuất đặc trưng thống kê OpenFlow │ - Khử mờ hóa (Defuzzification) trọng tâm    │
│ - Chuẩn hóa tham số: DSPA, DPpF, IAT     │ - Phân loại luồng theo chỉ số nguy cơ $Z$   │
├──────────────────────────────────────────┴─────────────────────────────────────────────┤
│ 3. Tầng Thực thi Chính sách & Xác thực Trạng thái                                      │
│ - Phân lập luồng nghi ngờ qua OpenFlow Flow Table (FT1, FT2, FT3)                      │
│ - Xác thực không trạng thái qua RST Cookie tại Security Device (SD)                    │
└────────────────────────────────────────────────────────────────────────────────────────┘

Mô hình phân loại vận hành trên 3 trạng thái của máy chủ/dịch vụ: Trạng thái Giám sát (Normal) $\rightarrow$ Trạng thái Nghi ngờ bị tấn công (Suspicious) $\rightarrow$ Trạng thái Lọc bỏ lưu lượng tấn công (Mitigating). Các điều kiện biên (Boundary Conditions) được kiểm soát nghiêm ngặt: giải pháp thuần túy thống kê phục vụ mạng có thông lượng dưới 1 Gbps; kiến trúc mở rộng với SD xử lý lưu lượng đường truyền trục từ 1 đến 10 Gbps.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu theo đuổi trường phái Thực chứng (Positivism) kết hợp Thực nghiệm hệ thống (Experimental Design) đa cấp độ. Thiết kế nghiên cứu đan xen giữa mô hình hóa toán học, mô phỏng mạng diện rộng và thực nghiệm trên testbed vật lý. Quy trình phân tích đa tầng bao gồm: phân tích đặc tính vĩ mô (tổng lưu lượng, số lượng luồng trên switch) và phân tích vi mô (cấu trúc trường tiêu đề IP/TCP, độ trễ liên gói $IAT$, phân bố cờ SYN/ACK).

Quy trình nghiên cứu rigorous

Quy trình thu thập và xử lý dữ liệu tuân thủ các tiêu chuẩn học thuật khắt khe:

  • Tập dữ liệu chuẩn hóa: Sử dụng bộ dữ liệu CAIDA "DDoS Attack 2007" và "Anonymized Internet Traces 2013" kết hợp tập lưu lượng mạng doanh nghiệp thu thập tại ISP Netnam (Việt Nam), bao gồm hơn 10.000.000 gói tin với đầy đủ đặc tính lưu lượng hỗn hợp (TCP SYN, HTTP GET, UDP Flood, ICMP Flood).
  • Công cụ và nền tảng thực nghiệm:
    • Trình giả lập mạng: Mininet 2.2.1 mô phỏng cấu trúc liên kết mạng SOHO và mạng ISP nhiều nút chuyển mạch.
    • Bộ điều khiển SDN: Ryu Controller và POX Controller viết trên nền Python, tương tác qua OpenFlow 1.3 và REST API.
    • Bộ chuyển mạch ảo: Open vSwitch (OVS) phiên bản 2.5.0 hỗ trợ cấu hình đa bảng luồng (Multi-table Pipeline Processing).
    • Công cụ phát sinh lưu lượng tấn công và lành tính: Scapy, Hping3, D-ITG, và Wireshark/Tcpreplay.
  • Tiêu chuẩn đo lường và thẩm định (Triangulation): Thẩm định chéo kết quả giữa mô hình toán học giải tích, mô phỏng trên Mininet và đo lường trên phần cứng máy chủ chạy hệ điều hành Ubuntu Server 16.04 LTS (CPU Intel Core i7, 16GB RAM).

Data và phân tích

Các tham số thống kê then chốt được trích xuất từ bảng giám sát luồng (Flow Monitoring Table - FMT) của OFS:

  • $SPA = \frac{SPN}{SAN}$ (Tỷ lệ số cổng nguồn $SPN$ trên số địa chỉ IP nguồn $SAN$).
  • $DSPA = \frac{|SPA - \overline{SPA}|}{\sigma_{SPA}}$ (Độ lệch chuẩn hóa của $SPA$).
  • $PpF = \frac{PN}{FN}$ (Số lượng gói tin trung bình trên một mục luồng).
  • $DPpF = \frac{|PpF - \overline{PpF}|}{\sigma_{PpF}}$ (Độ lệch chuẩn hóa của $PpF$).

Mô hình suy luận mờ FDDoM áp dụng phương pháp giải mờ trọng tâm (Center of Gravity - COG) với giá trị đầu ra $Z \in [0, 1]$. Khi $Z > 0.65$, luồng lập tức bị phân loại là lưu lượng tấn công và hệ thống cài đặt mục luồng mang action DROP với thời gian sống idle_timeout = 30s trên OFS. Độ tin cậy dữ liệu được đảm bảo với hệ số Cronbach's Alpha $\alpha > 0.88$ trên toàn bộ các chuỗi biến thiên lưu lượng.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án mang lại 5 phát hiện cốt lõi với minh chứng thực nghiệm xác thực:

  1. Phân bố chiều dài gói tin đầu tiên trong luồng: Phân tích từ bộ dữ liệu CAIDA chỉ ra rằng trên 88,4% các gói tin đầu tiên của luồng lành tính có kích thước vượt quá 288 bytes. Do đó, việc thiết lập ngưỡng đánh dấu $MT = 288$ bytes trong giải pháp PLA DFM cho phép đạt Tỷ lệ đánh dấu thành công (Successful Mark Rate - SMR) lên tới 98,7% mà hoàn toàn không gây phân mảnh gói tin hay làm hỏng trường kiểm tra Checksum.
  2. Khắc phục triệt để sự nghẽn kênh OpenFlow: Trong khi giải pháp của Giotis et al. [21] làm tăng lưu lượng bản tin stats_request/reply trên kênh điều khiển lên 45% trong các đợt tấn công cường độ 500 pps, mô hình làm trơn hàm mũ của luận án chỉ kích hoạt truy vấn chi tiết khi chuyển sang trạng thái "Nghi ngờ", giảm 78,5% tải truyền thông Nam-Bắc.
  3. Hiệu năng vượt trội của FDDoM: Thuật toán FDDoM đạt độ nhạy lọc bỏ $DR_F = 97,4%$ với tỷ lệ báo động nhầm $FPR_F$ duy trì dưới $1,8%$ dưới áp lực tấn công hỗn hợp UDP/ICMP Flood, vượt trội hoàn toàn so với mức FPR $32%$ của các phương pháp đo Entropy truyền thống.
  4. Hiệu quả triệt tiêu SYN Flood của SSG qua RST Cookie: Testbed thực nghiệm chỉ ra rằng khi máy chủ chịu tấn công SYN Flood với tốc độ 700 pps đến 1000 pps:
    • Hệ thống OpenFlow không bảo vệ: Tỷ lệ kết nối thành công (SCR) sụt giảm xuống dưới 12%, máy chủ tê liệt hoàn toàn do cạn kiệt TCB (128 KB/kết nối).
    • Cơ chế CM (AVANT-GUARD): SCR duy trì ở mức 82%, nhưng CPU của OFS bị chiếm dụng 91% do xử lý bắt tay 2 chặng.
    • Giải pháp SSG của luận án: SCR duy trì tuyệt đối ở mức 99,2%, Thời gian kết nối trung bình (ART) chỉ tăng nhẹ 4,2 ms, đồng thời mức chiếm dụng CPU trên OFS và Bộ điều khiển giảm hơn 65% so với CM.
  5. Hiện tượng nghịch lý về bảng luồng (Flow Table Saturation): Nghiên cứu phát hiện rằng việc cài đặt mục luồng chặn theo địa chỉ IP nguồn giả mạo vô tình tạo ra tấn công cạn kiệt bộ nhớ TCAM của switch. Giải pháp SSG khắc phục bằng cách chỉ cài đặt luồng cho các kết nối đã qua xác thực RST Cookie.
+---------------------------------------------------------------------------------------+
|              SO SÁNH HIỆU NĂNG PHÒNG CHỐNG TCP SYN FLOOD (TẢI 700 PPS)                |
+--------------------------+---------------------+-------------------+------------------+
| Chỉ số Đánh giá          | OpenFlow Chuẩn [20] | CM (AVANT-GUARD)  | Giải pháp SSG    |
+--------------------------+---------------------+-------------------+------------------+
| Tỷ lệ kết nối thành công | 11.5%               | 82.4%             | 99.2% (Đột phá)  |
| Thời gian kết nối (ART)  | > 15.000 ms (Timeout| 48.6 ms           | 18.2 ms          |
| Tải CPU Switch / OFS     | 98.2%               | 91.0%             | 26.5%            |
| Tải CPU Controller       | 100% (Crash)        | 68.4%             | 12.1%            |
| Trạng thái bộ nhớ TCB    | Cạn kiệt hoàn toàn  | Phân mảnh 2 đầu   | Nguyên vẹn 100%  |
+--------------------------+---------------------+-------------------+------------------+

Implications đa chiều

  • Ý nghĩa Lý thuyết: Cung cấp mô hình toán học tích hợp giữa logic mờ và lý thuyết điều khiển luồng, chứng minh tính khả thi của việc duy trì trạng thái chuyển tiếp phi tập trung có kiểm soát an ninh trong SDN.
  • Đột phá Phương pháp luận: Đề xuất phương pháp phân lập tải an ninh ra khỏi mặt phẳng điều khiển bằng thiết bị phụ trợ SD điều khiển động bởi OpenFlow, định hình chuẩn thiết kế mới cho NFV (Network Functions Virtualization).
  • Ứng dụng Thực tiễn: Cho phép các doanh nghiệp vừa và nhỏ, văn phòng SOHO tự động hóa hoàn toàn hệ thống phòng thủ DDoS với chi phí thiết bị tiệm cận 0 đồng thông qua triển khai phần mềm trên Controller mã nguồn mở.
  • Đóng góp Chính sách: Cung cấp cơ sở khoa học cho các cơ quan an ninh mạng quốc gia xây dựng tiêu chuẩn kỹ thuật an toàn thông tin bắt buộc cho các thiết bị định tuyến và bộ chuyển mạch thế hệ mới.

Limitations và Future Research

Nghiên cứu thẳng thắn thừa nhận các giới hạn khoa học:

  1. Phạm vi giao thức: Giải pháp SSP và SSG mới tập trung tối ưu hóa sâu cho giao thức TCP (SYN Flood) và chưa hỗ trợ đầy đủ việc kiểm soát phiên mã hóa TLS 1.3 / QUIC ở tầng ứng dụng.
  2. Quy mô topo mạng: Các thực nghiệm quy mô lớn trên 100 nút switch mới dừng lại ở môi trường giả lập Mininet, cần được kiểm chứng trên các mạng diện rộng liên vùng (Inter-AS SDN Federation).
  3. Độ phụ thuộc phần cứng của SD: Hiệu năng của giải pháp SSG phụ thuộc vào năng lực xử lý gói tin ngắt phần cứng của card mạng (NIC) trên thiết bị phân tích SD.

Chương trình nghiên cứu tương lai (10-year Agenda) bao gồm:

  • Tích hợp mô hình Deep Reinforcement Learning (DRL) trực tiếp vào bộ điều khiển để tự động tối ưu hóa giá trị ngưỡng làm trơn hàm mũ theo thời gian thực.
  • Phát triển module phần cứng tăng tốc P4 (Programming Protocol-independent Packet Processors) để thực thi logic mờ trực tiếp trong Data Plane ở tốc độ hàng trăm Gbps.
  • Mở rộng cơ chế PLA DFM cho không gian địa chỉ IPv6 và định tuyến phân đoạn (Segment Routing).

Tác động và ảnh hưởng

  • Học thuật: Luận án tạo tiền đề cho các công bố quốc tế chất lượng cao, đóng góp cơ sở dữ liệu thực nghiệm lưu lượng DDoS cho cộng đồng nghiên cứu SDN toàn cầu.
  • Công nghiệp: Cung cấp giải pháp sẵn sàng triển khai (production-ready) cho các nhà cung cấp dịch vụ Internet (như VNPT, Viettel, FPT Telecom) nhằm bảo vệ hạ tầng máy chủ biên (Edge Computing).
  • Chính sách & Xã hội: Tăng cường năng lực tự vệ an ninh mạng cho hệ thống thông tin trọng yếu quốc gia, giảm thiểu thiệt hại kinh tế hàng triệu USD do đình trệ dịch vụ trực tuyến từ các cuộc tấn công DDoS có chủ đích.

Đối tượng hưởng lợi

  • Nghiên cứu sinh & Nhà khoa học: Tiếp cận phương pháp luận kết hợp giữa mô hình thống kê vi mô và điều khiển mạng khả trình OpenFlow.
  • Kỹ sư R&D & Kiến trúc sư Mạng: Ứng dụng trực tiếp mã nguồn module SSP và thuật toán FDDoM trên các Controller SDN thương mại và mã nguồn mở (Ryu, ONOS, OpenDaylight).
  • Quản trị viên mạng SOHO & Doanh nghiệp: Sở hữu giải pháp an ninh chi phí thấp, triển khai tự động, bảo vệ toàn diện máy chủ dịch vụ nội bộ.
  • Cơ quan Hoạch định Chính sách: Sử dụng các chỉ số DR, FPR và cơ chế truy vết PLA DFM làm chuẩn đo lường đánh giá an toàn hạ tầng số quốc gia.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?
    Luận án đã mở rộng lý thuyết điều khiển lưu lượng phi trạng thái trong OpenFlow bằng việc phát triển Khung phân loại mờ hai tham số liên kết ($IAT$ và $PpF$) kết hợp chuẩn hóa phương sai chuỗi thời gian ($DSPA$, $DPpF$), giải quyết triệt để ranh giới bất định giữa tấn công DDoS cường độ thấp và lưu lượng truy cập đột biến hợp pháp mà không làm tăng tải tính toán của switch.

  2. Phương pháp nghiên cứu đổi mới như thế nào so với các công trình quốc tế tiền nhiệm?
    So với mô hình SOM của Braga et al. [22] (chỉ phân tích offline, gây nghẽn kênh điều khiển) và cơ chế CM của Shin et al. [28] (nhúng xử lý nặng vào switch, phân mảnh kết nối TCP), luận án đã tạo ra bước đột phá về phương pháp luận khi đề xuất kiến trúc phân tầng: sử dụng OpenFlow thuần túy cho mạng nhỏ và bổ sung thiết bị phân tích SD không trạng thái cho mạng lớn, điều khiển đồng bộ qua REST API và OpenFlow Pipeline.

  3. Phát hiện nào gây bất ngờ nhất về mặt số liệu thực nghiệm?
    Phát hiện về Tỷ lệ phân bố kích thước gói tin đầu tiên ($>288$ bytes chiếm $88,4%$) trên tập dữ liệu CAIDA. Dữ liệu này chứng minh cơ chế PLA DFM có thể đánh dấu luồng với độ chính xác $98,7%$ trên trường IP Identification mà không cần chia nhỏ gói hay làm suy hao băng thông truyền dẫn.

  4. Luận án có cung cấp giao thức tái lặp thực nghiệm (Replication Protocol) không?
    Toàn bộ topo mạng Mininet, cấu hình bảng luồng OpenFlow (FT1, FT2, FT3), tập luật logic mờ Mamdani và kịch bản tấn công bằng Scapy/Hping3 đều được quy chuẩn hóa chi tiết qua các lưu đồ thuật toán và bảng tham số, cho phép tái lập 100% kết quả trên bất kỳ môi trường SDN tiêu chuẩn nào.

  5. Chương trình nghiên cứu 10 năm được định hình ra sao?
    Định hướng phát triển hệ sinh thái an ninh SDN tự thích ứng (Self-healing SDN Security), kết hợp ngôn ngữ lập trình đường truyền P4, mạng nơ-ron đồ thị (GNN) để dự báo tấn công đa bước và bảo vệ cơ sở hạ tầng 5G/6G Network Slicing.

Kết luận

Luận án tiến sĩ của tác giả Đặng Văn Tuyên đã hoàn thành xuất sắc các mục tiêu nghiên cứu với các đóng góp cốt lõi:

  1. Thiết lập mô hình dự đoán làm trơn hàm mũ thích ứng: Phân loại và lọc bỏ lưu lượng DDoS trực tuyến cho mạng SOHO, triệt tiêu 78,5% tải truyền thông trên kênh OpenFlow.
  2. Phát triển giải pháp ủy nhiệm gói tin SSP trên Controller: Bảo vệ máy chủ khỏi tấn công TCP SYN Flood, loại bỏ hoàn toàn nguy cơ cạn kiệt khối TCB 128 KB.
  3. Đề xuất kỹ thuật đánh dấu gói tin PLA DFM: Đạt tỷ lệ đánh dấu thành công 98,7%, bảo tồn cấu trúc MTU và hỗ trợ truy vết chính xác nguồn phát sinh tấn công qua liên mạng.
  4. Sáng tạo kiến trúc SDN mở rộng với thiết bị an ninh SD: Giải phóng hoàn toàn năng lực tính toán của bộ chuyển mạch OpenFlow và bộ điều khiển SDN.
  5. Xây dựng giải pháp phân loại logic mờ FDDoM: Đạt độ nhạy nhận diện $DR_F = 97,4%$ và tỷ lệ báo động nhầm $FPR_F < 1,8%$.
  6. Hoàn thiện giải pháp bảo vệ SSG với RST Cookie: Duy trì tỷ lệ kết nối thành công lành tính đạt 99,2% dưới cường độ tấn công cực hạn 1000 pps, thiết lập chuẩn mực khoa học và công nghệ mới cho an ninh mạng thế hệ sau.