MỞ ĐẦU Email là một trong những phương tiện truyền thông phổ biến nhất hiện nay, mỗi ngày trên thế giới có hàng tỉ các email được gửi đi nhưng trong số đó hơn một nửa là dạng thư rác (email spam). Email spam là các email được gửi đi với số lượng lớn nhằm mục đích quảng cáo, ăn cắp thông tin, lây lan virus… Đây là những email mà người nhận không hề mong đợi. Có nhiều kỹ thuật lọc thư rác khác nhau như: Blacklisting, Whitelisting, Heuristic filtering, Challenge/ Response, Throttling, Address obfuscation, Collaborative filtering,…Tuy nhiên, đa số các phần mềm chống thư rác là dựa trên header của thư hoặc địa chỉ từ người gửi nhằm tăng tốc độ. Các phương pháp học máy gần đây được quan tâm nhiều vì chúng có khả năng thích nghi cao với sự tiến hóa của thư rác như phương pháp dựa trên xác suất Naïve Bayes, phương pháp học máy vectơ hỗ trợ (Support vector machine), phương pháp phân loại dựa trên láng giềng gần nhất (k-nearest neighbors).
Hệ miễn dịch nhân tạo là một hệ thống thích nghi lấy ý tưởng của học thuyết miễn dịch và những chức năng, nguyên tắc, mô hình miễn dịch quan sát được, áp dụng giải các bài toán thực tế. Nó có nhiều ứng dụng khác nhau, nhưng chủ yếu được áp dụng vào lĩnh vực an ninh mạng và an ninh máy tính. Với lý do trên, đề tài “Hệ miễn dịch nhân tạo và ứng dụng cho lọc thư rác” tập trung nghiên cứu về hệ miễn dịch nhân tạo và ứng dụng một số kỹ thuật cải tiến thuật toán miễn dịch áp dụng cho bài toán lọc thư rác để có thể áp dụng cho không gian dữ liệu lớn. Đối tƣợng và phạm vi nghiên cứu - Nghiên cứu lý thuyết về hệ miễn dịch sinh học và hệ miễn dịch nhân tạo Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 2 - ng dụng hệ miễn dịch nhân tạo vào quá trình lọc thư rác - Đánh giá hiệu suất của phương pháp đề xuất với một số cách tiếp cận học máy khác như Naive Bayes, Support Vector Machine, … Nội dung chính của đề tài - Tìm hiểu, đánh giá ưu nhược điểm của một số phương pháp lọc thư rác.
- Nghiên cứu ứng dụng hệ miễn dịch nhân tạo trong quá trình huấn luyện dữ liệu và lọc thư rác. - Lập trình thử nghiệm lọc thư rác ứng dụng Hệ miễn dịch nhân tạo. - So sánh phương pháp sử dụng hệ miễn dịch nhân tạo với một số phương pháp khác. Kết quả chính của đề tài đã được nhóm tác giả công bố trong một bài báo đăng trên tạp chí Khoa học và Công nghệ của Đại học Thái nguyên (số 135 (05), 2015, trang 185).
Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 3 Chƣơng 1 NGHI N CỨU T NG QUAN VỀ THƢ RÁC Một trong những dịch vụ mà Internet mang lại đó là dịch vụ thư điện tử, đây là phương tiện giao tiếp rất đơn giản, tiện lợi, rẻ và hiệu quả giữa mọi người. Tuy nhiên chính vì những lợi ích của dịch vụ thư điện tử mang lại mà số lượng thư trao đổi trên Internet ngày càng tăng, và hầu hết trong số những thư đó là thư rác (email spam). Thư rác thường được gửi với số lượng rất lớn, không được người dùng mong đợi, với nhiều mục đích khác nhau như: quảng cáo, đính kèm virus, gây phiền toái khó chịu cho người dùng, làm giảm tốc độ truyền internet và tốc độ xử lý của email server, gây thiệt hại rất lớn về kinh tế. Chương này sẽ khái quát các vấn đề về thư rác, ảnh hưởng của thư rác trong cuộc sống và các phương pháp ngăn chặn thư rác.
Các khái niệm và kết quả trong chương này được tham khảo trong [1], [2], [3], [4], [6], [8]. Giới thiệu về thƣ rác 1. Lịch sử Có thể chia lịch sử của thư rác thành 3 giai đoạn sau: 1. Giai đoạn thứ nhất – những năm đầu của thư rác Nhiều ý kiến cho rằng thư rác đầu tiên được phát tán trên mạng diện rộng là vào năm 1978, đó là một quảng cáo từ Digital Equipment Corporation (DEC).
Do dịch vụ thư điện tử lúc này chưa phát triển nên người phát tán thư rác (spammer) này phải đánh thủ công các địa chỉ thư điện tử muốn gửi và chỉ có khoảng 320 trong tổng số các địa chỉ thư điện tử mà spammer muốn gửi nhận được thư rác này trong lần phát tán đầu tiên. Vào 1988 xuất hiện kiểu Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 4 thư rác khác là thư rác lừa đảo (như lừa đảo làm việc từ thiện, lừa đảo về kiếm tiền). Giai đoạn thứ hai – thư rác được gửi thông qua phần mềm Đầu thập niên 1990, với sự phát triển của Internet mang đến vấn nạn là số lượng thư rác tăng lên nhanh chóng. Lúc này các spammer dùng các phần mềm để tự động việc gửi thư điện tử đến một danh sách các địa chỉ.
Ví dụ về thư rác phát tán qua các phần mềm tự động là thư rác Jesus và thư rác Cantel và Siegel. Vào 1995 Jeff Slaton – tự nhận mình là “vua thư rác”, ông là một trong những người đầu tiên kiếm lợi nhuận từ các thư rác mà ông gửi đi, ông còn ép buộc các nạn nhân của mình trả phí nếu không muốn nhận thư rác. Việc làm của ông tạo ra ý tưởng cho các công ty thương mại là thuê những người như Jeff Slaton để phát tán thư điện tử với mục đích là quảng cáo giúp họ. Giai đoạn thứ ba – phần mềm chống thư rác chống lại các phần mềm gửi thư rác Vào 1996 xuất hiện các phần mềm chống thư rác đầu tiên như: Spamblock, Internet Death Penalty, tuy nhiên vẫn không làm giảm sự phát triển của thư rác.
Các địa chỉ thư điện tử của người dùng được rao bán cho các công ty, tổ chức muốn thực hiện quảng cáo trên thư điện tử. Và từ 1997 đến nay sự phát triển của thư rác đã vượt quá sự kiểm soát, một thống kê cho thấy 97% tổng số thư điện tử được gửi trên mạng là các thư không mong muốn nhận từ người dùng. Định nghĩa Có nhiều tranh cãi về việc đâu là định nghĩa chính xác của thư rác (email SPAM), bởi vì thư rác mang tính cá nhân hóa nên khó mà nói lên được hết ý nghĩa của thư rác. Nhiều ý kiến cho rằng thư rác là những “thư điện tử (email) Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 5 không mong muốn”.
Định nghĩa này cũng không thực sự chính xác, như một nhân viên nhận những thư điện tử về công việc từ sếp của họ, đây là những thư điện tử người nhân viên không mong muốn nhưng chúng không phải là thư rác. Lại có ý kiến khác cho rằng thư rác là những “thư điện tử thương mại không được yêu cầu từ phía người nhận” - những thư này bao gồm các thư điện tử quảng cáo về các sản phẩm và thư điện tử lừa gạt. Nhưng định nghĩa này cũng không thực sự chính xác, nó làm mọi người nghĩ rằng thư rác giống như là thư đáng bỏ đi (junk mail). Sau đó có ý kiến cho rằng thư rác là “số lượng lớn thư điện tử không yêu cầu” và trong số đó các thư điện tử quảng cáo, thương mại chiếm đa số, đây có lẽ là định nghĩa gần đúng với ý nghĩa của thư rác nhất.
[6] Hình vẽ sau sẽ thể hiện rõ định nghĩa của thư rác: Tất cả thư điện tử Thư điện tử không mong muốn Thư rác Thư quảng cáo thương mại Hình 1.1: So sánh thƣ rác với các thƣ điện tử khác. Mục đích chính gửi thư rác Thư rác được gửi với các mục đích chính như sau: - Quảng cáo sản phẩm, dịch vụ, … của tổ chức, công ty thương mại nào đó. - Lợi dụng sự cả tin của người dùng để lừa gạt họ, như các hình thức kiếm tiền trực tuyến, … - Gửi kèm virus trong tập tin kèm theo của thư điện tử, từ đó đưa virus vào máy nạn nhân và hệ thống mạng mà nạn nhân sử dụng. Sau đó lấy Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 6 cắp các thông tin quan trọng của nạn nhân và hệ thống.
- Nói xấu, xuyên tạc ai đó, tuyên truyền những điều sai trái về chính trị. Các đặc tính của thư rác - Thư rác chứa các đặc tính cơ bản sau: Thư rác mang tính tương đối vì thư mang tính cá nhân, có thể một thư điện tử là vô bổ với người này nhưng lại có ích với người khác. Ví dụ một thư điện tử quảng cáo/ rao vặt cho một sản phẩm cụ thể có thể được một số người quan tâm nhưng những người còn lại xem đó là rác. Tính bất biến trong một thư rác thể hiện ở những từ, cụm từ hầu như không thay đổi trong những lần gửi thư.
- Đặc tính phần header của thư rác [8] Địa chỉ thư điện tử của người nhận sẽ không thể hiện ở trường “To:” hoặc “Cc:”, vì địa chỉ này sẽ được ẩn trong trường “Bcc:”, spammer thực hiện hành động này để giấu số lượng lớn các địa chỉ thư điện tử mà spammer muốn gửi thư rác. Để nội dung trống hoặc thiếu trường “To:”. Trường “To:” thể hiện một địa chỉ thư điện tử không hợp lệ. Nội dung trường “From:” giống trường “To:”. Thiếu trường “From:”.
Định danh - ID của thư điện tử bị thiếu hoặc là ID giả. Trường “Bcc:” có tồn tại, vì ở các thư điện tử thông thường trường này thường không xuất hiện. Trường “X-mailer” – là trường thể hiện tên phần mềm dùng để gửi thư Số hóa bởi Trung tâm Học liệu – ĐHTN http://www.vn LUAN VAN CHAT LUONG download : add luanvanchat@agmail.com 7 điện tử, nếu trường này bao gồm tên của phần mềm gửi thư rác quen thuộc thì có thể xác định được là thư rác hay không. X-UIDL header: là một định danh duy nhất được sử dụng bởi các giao thức POP để lấy thư điện tử từ một máy chủ mail.
Nó thường được thêm vào giữa các máy chủ mail của người nhận và phần mềm thư điện tử của người nhận, nếu thư đến tại các máy chủ mail mà xuất hiện trường này thì là thư rác. Tồn tại các dòng mã lệnh hoặc khoảng trắng tuần tự. Ví dụ như thêm mã lệnh trên chủ đề của thư và dùng khoảng trắng để giấu. Tồn tại các dòng mã HTML không đúng quy tắc.