Bối cảnh và vấn đề nghiên cứu

Theo số liệu được nhóm tác giả trích dẫn từ các báo cáo chuyên ngành, số lượng thiết bị kết nối mạng Internet đã ghi nhận sự tăng trưởng nhanh chóng: từ 2 tỷ thiết bị vào năm 2006 lên tới mốc 200 tỷ thiết bị vào năm 2020. Sự bùng nổ này bắt nguồn chủ yếu từ sự gia tăng của các thiết bị di động và thiết bị Internet vạn vật (IoT). Các thiết bị IoT ngày càng giữ vai trò thiết yếu trong nhiều ngành công nghiệp trọng điểm như y tế, sản xuất công nghiệp, thương mại, logistics và an toàn thông tin thông qua việc cung cấp các dịch vụ quản lý kho bãi, giám sát máy móc, theo dõi sức khỏe bệnh nhân và phát hiện bất thường mạng.

Mặc dù vậy, vấn đề bảo mật và quyền riêng tư trên các mạng IoT đang đối mặt với nhiều rào cản do phần cứng và dung lượng năng lượng của các thiết bị này bị giới hạn nghiêm ngặt. Hệ quả là các giải pháp bảo mật truyền thống khó có thể triển khai trực tiếp trên từng thiết bị, dẫn đến hàng loạt nguy cơ an toàn thông tin như rò rỉ dữ liệu (data leakage), tấn công từ chối dịch vụ và từ chối dịch vụ phân tán (DoS/DDoS), hay giả dạng định danh (spoofing).

Để giảm thiểu các rủi ro trên, việc triển khai hệ thống phát hiện xâm nhập (Intrusion Detection System - IDS) tại các cổng kết nối mạng (network gateway) được xem là giải pháp khả thi. IDS có thể vận hành theo hai hướng tiếp cận chính:

  • Tiếp cận dựa trên tập luật/chữ ký (Signature-based): So khớp lưu lượng với cơ sở dữ liệu các dấu hiệu tấn công đã biết. Phương pháp này tiêu tốn nhiều thời gian, nhân lực chuyên môn để cập nhật chữ ký và không có khả năng phát hiện các cuộc tấn công chưa từng công bố (0-day).
  • Tiếp cận dựa trên sự bất thường (Anomaly-based): Ứng dụng trí tuệ nhân tạo để xây dựng mô hình hành vi lưu lượng bình thường, từ đó cảnh báo khi phát hiện lưu lượng có tính chất bất thường.

Từ phân tích thực trạng của các hệ thống anomaly-based IDS dành cho mạng IoT, tác giả đã chỉ ra 6 vấn đề nghiên cứu cốt lõi cần giải quyết:

  1. Kiến trúc hạ tầng IDS hiện nay chưa tận dụng được năng lực tính toán của các thiết bị biên (đặc biệt là edge gateway), dẫn đến áp lực xử lý tập trung quá lớn lên máy chủ đám mây.
  2. Thiếu cơ chế nhận dạng loại thiết bị mạng. Do các thiết bị IoT đa dạng về chủng loại, cấu hình phần cứng, giao thức mạng và mẫu hình hành vi lưu lượng, việc không nhận diện loại thiết bị làm giảm độ chính xác của các mô hình phát hiện bất thường.
  3. Hạn chế về khả năng nhận diện đa dạng các loại hình tấn công, khi phần lớn các hệ thống IDS cho IoT chỉ tập trung phát hiện tấn công DoS/DDoS và giả mạo định danh.
  4. Nguy cơ từ các cuộc tấn công đối kháng (adversarial attacks) nhắm vào chính mô hình trí tuệ nhân tạo. Những can thiệp tinh vi vào mẫu dữ liệu khiến mô hình phân loại bị nhầm lẫn nghiêm trọng mà mắt thường hoặc cơ chế kiểm tra thông thường không nhận biết được.
  5. Sự phụ thuộc vào việc gán tham số thủ công (đặc biệt là giá trị độ lệch tối đa - offset) khi xây dựng các mô hình cây quyết định chống tấn công đối kháng, gây lãng phí tài nguyên và khó đạt được ngưỡng tối ưu trong thực tế.
  6. Hầu hết các mô hình cây quyết định kháng tấn công đối kháng hiện hành chỉ xử lý được bài toán phân loại nhị phân (binary classification), chưa đáp ứng được yêu cầu phân loại đa lớp (multiclass classification) để chỉ ra cụ thể hình thức tấn công.

Khóa luận xác định 6 mục tiêu nghiên cứu cụ thể:

  1. Tìm hiểu về trí tuệ nhân tạo và ứng dụng AI vào IDS; xác định mô hình AI có độ chính xác cao mà không tiêu tốn nhiều tài nguyên phần cứng của thiết bị IoT.
  2. Xây dựng và thử nghiệm kiến trúc hệ thống IDS gồm nhiều giai đoạn cho mạng IoT.
  3. Tìm hiểu phương thức tấn công đối kháng và đánh giá mức độ ảnh hưởng của chúng đối với mô hình cây quyết định trong IDS.
  4. Tìm hiểu và thử nghiệm mô hình cây quyết định có khả năng chống lại các cuộc tấn công đối kháng trên IDS.
  5. Xây dựng và thử nghiệm thuật toán tự động tìm kiếm giá trị offset trong quá trình huấn luyện cây quyết định kháng tấn công đối kháng.
  6. Xây dựng và thử nghiệm kiến trúc hệ thống IDS nhiều giai đoạn hoàn chỉnh sử dụng cây quyết định chống tấn công đối kháng (MidSiot-NG).

Đối tượng và phạm vi nghiên cứu của đề tài được phân định:

  • Đối tượng nghiên cứu: Kiến trúc hệ thống IDS nhiều giai đoạn cho mạng IoT (hỗ trợ phân loại nhị phân và đa lớp, kháng tấn công đối kháng); thuật toán xây dựng mô hình cây quyết định chống tấn công đối kháng; thuật toán tự động xác định tham số offset.
  • Phạm vi nghiên cứu: Các thuật toán trí tuệ nhân tạo ứng dụng trong IDS mạng IoT; mô hình cây quyết định kháng tấn công đối kháng; kiến trúc hệ thống IDS phân tán nhiều giai đoạn vận hành trên các luồng dữ liệu mạng dạng bảng (tabular network flows).

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và phân loại kỹ thuật

Khóa luận hệ thống hóa các kiến thức nền tảng về hệ thống phát hiện xâm nhập và kỹ thuật học máy đối kháng:

  • Phân loại IDS: Hệ thống phát hiện xâm nhập mạng (NIDS) đặt tại các phân vùng trọng yếu để quan sát toàn bộ luồng mạng; Hệ thống phát hiện xâm nhập máy chủ (HIDS) giám sát trực tiếp các tiến trình và tệp tin trên máy tính đầu cuối; Phương thức phát hiện dựa trên chữ ký (Signature-based) và dựa trên sự bất thường (Anomaly-based). Ưu điểm của IDS là khả năng kiểm tra gói tin sâu theo từng giao thức (TCP, UDP), nhận diện vi phạm cấu trúc gói và cung cấp thông tin loại hình tấn công; nhược điểm là không trực tiếp ngăn chặn luồng tấn công, dễ dự đoán sai (false positives/false negatives) và khó xử lý gói tin bị mã hóa.
  • Mô hình Cây quyết định (Decision Tree): Thuật toán học có giám sát dựa trên cấu trúc phân nhánh gồm các nút quyết định (Decision Node) và nút lá (Leaf Node). Khóa luận sử dụng thuật toán CART (Classification and Regression Tree) với chỉ số độ tinh khiết Gini (Gini impurity) để tìm điểm cắt tối ưu tại mỗi nút phân nhánh: $$G(Q_m, \theta) = \frac{N_m^{left}}{N_m} H(Q_m^{left}(\theta)) + \frac{N_m^{right}}{N_m} H(Q_m^{right}(\theta))$$ Với hàm impurity Gini tính theo xác suất phân phối nhãn $p_{mk}$: $$H(Q_m) = -\sum_{k} p_{mk} \log(p_{mk})$$
  • Lý thuyết tấn công đối kháng (Adversarial Attacks):
    • Theo phương thức can thiệp: Tấn công đầu độc (Poisoning attack - thao túng dữ liệu huấn luyện); Tấn công trốn tránh (Evasion attack - chỉnh sửa dữ liệu ở pha suy luận để đánh lừa mô hình đã triển khai); Tấn công trích xuất thông tin (Exploratory attack - đánh cắp tham số hoặc dữ liệu huấn luyện).
    • Theo mức độ hiểu biết mô hình: Tấn công hộp trắng (Whitebox attack) khi kẻ tấn công nắm toàn bộ cấu trúc và tham số mô hình thông qua các giải thuật như L-BFGS, FGSM (Fast Gradient Sign Method) hoặc Jacobian-based; Tấn công hộp đen (Blackbox attack) chia thành 3 biến thể: không thích ứng (non-adaptive), thích ứng (adaptive) và giới hạn (strict).

Nguồn dữ liệu thực nghiệm

Nghiên cứu sử dụng 3 bộ dữ liệu lưu lượng mạng IoT chuẩn:

  1. IoTID20: Chứa dữ liệu của các thiết bị nhà thông minh (loa thông minh SKT NUGU, camera Wifi EZVIZ) cùng các thiết bị ngoại vi (External devices). Bao gồm 4 nhóm tấn công lớn và 7 nhãn tấn công chi tiết: Normal, DoS Syn Flooding, Mirai Brute Force, Mirai UDP Flooding, Scan HTTP Flooding.
  2. CIC-IDS-2017: Bao gồm lưu lượng từ 12 loại thiết bị dán nhãn theo hệ điều hành và kiến trúc (Ubuntu 14.4 64bit, Ubuntu Server 12 Public, Web Server 16 Public, Windows 7 Pro 64bit, Windows 8.1 64bit, Windows Vista 64bit, Windows 10,...) cùng thiết bị ngoại vi. Dữ liệu ghi nhận 6 hình thức tấn công: DoS/DDoS, SSH-Patator, Web Attack-Brute Force, Web Attack-Sql Injection, Web Attack-XSS, Heartbleed.
  3. BOT-IoT: Gồm 5 loại thiết bị IoT và thiết bị ngoại vi (Ubuntu Mobile, Metasploitable, Ubuntu Server, Windows 7), ghi nhận 3 nhóm tấn công mạng botnet: DoS/DDoS TCP, DoS/DDoS UDP và Reconnaissance.

Quy trình tiền xử lý và phương pháp nghiên cứu

  • Trích xuất đặc trưng: Sử dụng công cụ mã nguồn mở CICFlowMeter bằng Java để đọc các tệp bắt gói tin pcap thô và tính toán 84 đặc trưng lưu lượng mạng theo hai chiều (chuyển tiếp và nhận lại). Nhóm tác giả đã trực tiếp tùy chỉnh mã nguồn của CICFlowMeter để phục vụ việc trích xuất và gán nhãn loại thiết bị mạng.
  • Lọc đặc trưng: Loại bỏ toàn bộ các trường định danh như địa chỉ MAC, địa chỉ IP, timestamp và ID nhằm tránh hiện tượng quá khớp (overfitting). Áp dụng hệ số tương quan tuyến tính Pearson (Pearson's correlation coefficient) trong pha huấn luyện để đánh giá mức độ quan trọng; toàn bộ các thuộc tính có hệ số nhỏ hơn 0 đều bị loại bỏ, đưa số lượng đặc trưng huấn luyện về 40 thuộc tính.
  • Cân bằng dữ liệu (Class Balancing): Triển khai kỹ thuật lấy mẫu lại (resampling) thông qua thuật toán Random Undersampling (RU) kết hợp kỹ thuật tăng cường mẫu thiểu số bán tổng hợp Synthetic Minority Oversampling (RU-SMOTE) để cân bằng phân bố mẫu tấn công không đồng đều giữa các lớp.
  • Công cụ hỗ trợ: Xây dựng trên nền tảng Python với các thư viện Scikit-learn (Sklearn), PyTorch; các framework tạo tấn công đối kháng gồm Adversarial Robustness Toolbox (ART), Foolbox và CleverHans. Mô hình học sâu cho dữ liệu dạng bảng cũng được khảo nghiệm bổ sung gồm TabNet và SAINT.
  • Chỉ số đánh giá: Độ chính xác (Accuracy), Độ chuẩn xác (Precision - $P$), Độ thu hồi (Recall - $R$), Giá trị điều hòa $F$-measure ($F1$), cùng Macro-average F1-score ($MacroAvgF1$) tính toán trên các lớp phân loại.

Thiết kế và triển khai kiến trúc MidSiot và MidSiot-NG

Hệ thống được thiết kế theo cấu trúc phân tán nhiều giai đoạn, phân tách nhiệm vụ giữa cổng cục bộ (Home Gateway) và cổng nhà cung cấp dịch vụ mạng (ISP Gateway).

Thành phần Vị trí triển khai Nhiệm vụ chính Mô hình thuật toán áp dụng
Giai đoạn 1 Local Home Gateway Nhận diện chủng loại thiết bị IoT dựa trên luồng mạng cục bộ Cây quyết định phân loại đa lớp (Device Classifier)
Giai đoạn 2 ISP Gateway Phân loại luồng dữ liệu là bình thường hay độc hại cho từng thiết bị Tập hợp các cây quyết định nhị phân riêng cho từng loại thiết bị
Giai đoạn 3 ISP Gateway Xác định chính xác loại hình tấn công cụ thể Cây quyết định phân loại đa lớp (Attack Type Classifier)
MidSiot-NG Home & ISP Gateway Kháng tấn công đối kháng, tự động dò offset, phân loại đa lớp Robust Decision Tree + Tabular DL (TabNet, SAINT)

Luồng xử lý chi tiết qua các giai đoạn

  1. Giai đoạn 1 (Device Type Classifier): Bắt gói tin thô tại mạng cục bộ, trích xuất dòng mạng qua công cụ CICFlowMeter tùy biến, lọc 40 đặc trưng qua Pearson Correlation. Mô hình cây quyết định chạy trực tiếp trên Local Gateway để dự đoán nhãn thiết bị (ví dụ: camera Ezviz, loa Nugu hay Ubuntu Server). Việc đặt giai đoạn 1 tại biên giúp giảm tải cho đám mây và hạn chế hiện tượng trộn lẫn lưu lượng giữa nhiều mạng gây mất thông tin hành vi riêng của từng thiết bị.
  2. Giai đoạn 2 (Malicious / Benign Classifier): Local Gateway chuyển tiếp các thuộc tính đã xử lý cùng nhãn thiết bị lên ISP Gateway. Tại đây, hệ thống nạp mô hình phát hiện bất thường chuyên biệt tương ứng với thiết bị đó. Nếu luồng mạng được xác định là bình thường (Benign), hệ thống sẽ bỏ qua; nếu là độc hại (Malicious), luồng dữ liệu tiếp tục chuyển tiếp sang giai đoạn 3.
  3. Giai đoạn 3 (Attack Type Classifier): ISP Gateway nạp mô hình đa lớp tương ứng để xác định chính xác kiểu tấn công đang diễn ra (chẳng hạn: Syn Flooding, Mirai Brute Force, UDP Flooding). Kết quả phân loại được gửi về bộ quản lý hành động (Action Manager) tại Local Gateway để ghi nhật ký, ngắt luồng lưu lượng của thiết bị đang bị hại và phát cảnh báo đến quản trị viên.

Cơ chế nâng cấp MidSiot-NG

Ở phiên bản cải tiến MidSiot-NG (Next Generation), các tác giả xử lý lỗ hổng của cây quyết định thông thường trước các mẫu tấn công trốn tránh (evasion attack) do công cụ ART sinh ra. Hệ thống xây dựng thuật toán tìm điểm phân nhánh tối ưu trong trường hợp xấu nhất (worst-case split point), thuật toán tự động dò tìm độ lệch tấn công cực đại (offset optimization) thay vì gán tĩnh, và mở rộng cấu trúc cây để hỗ trợ bài toán phân loại đa lớp có tính năng kháng tấn công đối kháng.

Nội dung chính theo từng chương

CHƯƠNG 1. Tên đề tài

Chương mở đầu tập trung trình bày bối cảnh bùng nổ thiết bị kết nối IoT (đạt 200 tỷ thiết bị vào năm 2020) và các rủi ro bảo mật nghiêm trọng do tài nguyên phần cứng giới hạn. Tác giả phân tích những hạn chế của các hệ thống IDS truyền thống, từ đó thiết lập 6 vấn đề khoa học cần giải quyết. Chương này công bố chi tiết 6 mục tiêu đề tài, xác định đối tượng nghiên cứu (kiến trúc đa giai đoạn, giải thuật cây quyết định kháng đối kháng, thuật toán tìm offset) và phạm vi nghiên cứu thực nghiệm trên dữ liệu lưu lượng mạng IoT.

CHƯƠNG 2. Hệ thống phát hiện xâm nhập

Chương 2 cung cấp cơ sở lý luận học thuật toàn diện. Tác giả phân tích các mô hình IDS phổ biến (NIDS, HIDS, Signature-based, Anomaly-based), nêu bật các ưu và nhược điểm khi vận hành trong thực tế. Tiếp đó, chương khái quát cấu trúc ba cấp độ của trí tuệ nhân tạo (ANI, AGI, ASI), các phương thức học máy (Supervised, Unsupervised, Semi-supervised, Reinforcement Learning) và mô hình học sâu. Phần trọng tâm của chương đi sâu vào thuật toán Cây quyết định (Decision Tree), kỹ thuật tấn công đối kháng (phân loại theo Poisoning, Evasion, Exploratory; tấn công Whitebox, Blackbox) và khảo sát các bộ công cụ mã nguồn mở gồm Sklearn, PyTorch, CICFlowMeter, ART, Foolbox, CleverHans.

CHƯƠNG 3. GIỚI THIỆU MÔ HÌNH MidSiot

Chương 3 trình bày chi tiết kiến trúc đề xuất ban đầu của hệ thống MidSiot gồm 3 giai đoạn phân tán giữa Home Gateway và ISP Gateway. Nội dung chương mô tả phương pháp trích xuất dữ liệu bằng CICFlowMeter, kỹ thuật loại bỏ thuộc tính định danh và lọc 40 đặc trưng qua hệ số tương quan Pearson. Tác giả trình bày kết quả thực nghiệm lựa chọn thuật toán trên bộ dữ liệu IoTID20: mô hình Cây quyết định vượt trội hoàn toàn về tốc độ huấn luyện lẫn độ chính xác phân loại nhị phân (99.49%) so với các giải thuật SVM, KNN, MLP, LSTM. Chương này đồng thời trình bày các công thức toán học phân nhánh CART, tiêu chuẩn Gini, phương pháp đánh giá (Precision, Recall, F-measure, Accuracy, MacroAvgF1) và kỹ thuật cân bằng dữ liệu RU-SMOTE.

CHƯƠNG 4. PHÁT TRIỂN MidSiot ĐỂ CÓ KHẢ NĂNG CHỐNG LẠI CÁC CUỘC TẤN CÔNG ĐỐI KHÁNG

Chương 4 là phần đóng góp kỹ thuật trọng tâm của khóa luận. Tác giả tiến hành thực nghiệm tấn công đối kháng bằng công cụ ART lên cây quyết định chuẩn trên cả 3 bộ dữ liệu (IoTID20, CIC-IDS-2017, BOT-IoT), chứng minh độ chính xác bị sụt giảm nghiêm trọng khi xuất hiện các mẫu dữ liệu bị nhiễu (adversarial samples). Từ đó, tác giả đề xuất thuật toán xây dựng mô hình cây quyết định kháng tấn công đối kháng, phát triển giải thuật tìm điểm phân nhánh tối ưu trong trường hợp tệ nhất và thuật toán tự động tối ưu hóa tham số offset. Chương cũng giải quyết bài toán mở rộng khả năng kháng đối kháng từ phân loại nhị phân sang phân loại đa lớp, đồng thời thực nghiệm so sánh với các mô hình học sâu hiện đại cho dữ liệu bảng như TabNet và SAINT.

CHƯƠNG 5. THỰC NGHIỆM VÀ ĐÁNH GIÁ

Chương 5 thiết lập ngữ cảnh thực nghiệm hoàn chỉnh để kiểm thử mô hình tổng quan MidSiot-NG. Các ma trận nhầm lẫn (confusion matrix) được phân tích chi tiết cho từng giai đoạn và từng thiết bị cụ thể (như camera Ezviz, loa Nugu, máy chủ Web Server 16, Ubuntu Server, Windows 7, Metasploitable) trước và sau khi có tấn công đối kháng. Kết quả kiểm thử khẳng định MidSiot-NG duy trì được độ chính xác phân loại cao và tính ổn định bền vững dưới nhiều kịch bản tấn công đối kháng khác nhau.

CHƯƠNG 6. TỔNG KẾT VÀ HƯỚNG PHÁT TRIỂN

Chương cuối cùng tổng kết các kết quả đạt được của khóa luận: xây dựng thành công kiến trúc IDS 3 giai đoạn phân tán, phát triển giải thuật cây quyết định tự động tìm offset có khả năng kháng tấn công đối kháng phân loại đa lớp, và kiểm chứng hiệu quả trên 3 bộ dữ liệu thực tế. Tác giả cũng chỉ ra các hướng phát triển mở rộng cho hệ thống trong tương lai.

Kết quả và đóng góp

Kết quả thử nghiệm lựa chọn thuật toán

Trong Chương 3, nhóm tác giả tiến hành chạy thử nghiệm so sánh các giải thuật học máy và học sâu phổ biến trên tập dữ liệu IoTID20 nhằm chọn ra mô hình tối ưu cho nút mạng biên:

Thuật toán Cấu hình tham số Kết quả phân loại nhị phân Thời gian huấn luyện / Ghi chú
Decision Tree Criterion: Entropy 99.49% Tối ưu, hoàn thành nhanh, khả thi trên phần cứng IoT
Linear SVM Kernel: Linear - Vượt quá 2 giờ huấn luyện (không hoàn thành)
Quadratic SVM Kernel: Poly; Gamma: Auto - Vượt quá 2 giờ huấn luyện (không hoàn thành)
KNN n_neighbors: 5 Đạt kết quả khả quan Chi phí bộ nhớ và thời gian dự đoán cao hơn DT
Linear Discriminant Analysis Mặc định Thấp hơn DT -
Quadratic Discriminant Analysis Mặc định Thấp hơn DT -
Multilayer Perceptron (MLP) Input & Layer 1: 50 neurons (ReLU); Output: Sigmoid Thấp hơn DT Thời gian huấn luyện lớn
LSTM Input & LSTM Layer: 50 neurons; Output: Sigmoid Thấp hơn DT Chi phí tính toán lớn, vượt quá 2 giờ

Hiệu năng tổng thể của kiến trúc MidSiot và MidSiot-NG

  • Độ chính xác nhận diện tổng thể: Trên mô hình 3 giai đoạn ban đầu, MidSiot đạt độ chính xác trung bình khoảng 99.68% trong việc nhận dạng thiết bị và phân loại các hình thức tấn công phổ biến trên cả 3 bộ dữ liệu IoTID20, CIC-IDS-2017 và BOT-IoT.
  • Khả năng phòng thủ đối kháng: Dưới tác động của các cuộc tấn công hộp trắng sinh bởi thư viện ART, mô hình cây quyết định truyền thống bị suy giảm mạnh về F1-score và Accuracy (thể hiện rõ qua sự sai lệch tại các ma trận nhầm lẫn ở giai đoạn 2 và 3). Mô hình cải tiến MidSiot-NG với cơ chế tìm điểm phân nhánh tối ưu trong trường hợp tệ nhất đã phục hồi và duy trì độ chính xác ổn định trước các biến thiên nhiễu dữ liệu.
  • Hiệu quả của giải thuật tự động tìm offset: Loại bỏ hoàn toàn sự can thiệp thủ công của con người khi thiết lập độ lệch tối đa cho từng thuộc tính mạng, giúp mô hình thích ứng linh hoạt với các biên độ nhiễu khác nhau mà kẻ tấn công tạo ra.

Đóng góp học thuật và kỹ thuật của đề tài

  1. Đề xuất kiến trúc IDS 3 giai đoạn phân tán kết hợp giữa Home Gateway và ISP Gateway, giải quyết bài toán quá tải tính toán tập trung và hạn chế suy giảm độ chính xác do gộp dữ liệu nhiều mạng.
  2. Xây dựng phương pháp kết hợp việc phân loại loại thiết bị IoT ở giai đoạn 1 làm tiền đề nâng cao độ chính xác phát hiện bất thường cho các giai đoạn kế tiếp.
  3. Phát triển thành công thuật toán xây dựng mô hình cây quyết định có khả năng chống lại các cuộc tấn công đối kháng hỗ trợ phân loại đa lớp.
  4. Đề xuất giải thuật tối ưu hóa tự động tìm kiếm tham số offset trong quá trình huấn luyện cây quyết định kháng đối kháng.

Hạn chế và hướng nghiên cứu tiếp

Dựa trên các phân tích kỹ thuật trong văn bản, tác giả ghi nhận một số hạn chế mang tính hệ thống:

  • Tính phụ thuộc tuần tự giữa các giai đoạn: Do kiến trúc MidSiot vận hành theo chuỗi liên kết 3 giai đoạn, sai số tại giai đoạn trước sẽ lan truyền trực tiếp sang các giai đoạn sau. Nếu giai đoạn 1 nhận diện sai loại thiết bị IoT, mô hình giai đoạn 2 sẽ nạp sai bộ phân loại hành vi; tương tự, nếu giai đoạn 2 dự đoán nhầm luồng mạng an toàn thành độc hại, giai đoạn 3 sẽ phân loại sai và phát sinh cảnh báo giả.
  • Xử lý lưu lượng mã hóa: Hệ thống trích xuất đặc trưng dựa trên các gói tin thô thông qua CICFlowMeter; do đó, việc phân tích gặp giới hạn đối với các luồng dữ liệu bị mã hóa hoàn toàn nội dung hoặc cấu trúc.
  • Hiệu năng của mô hình học sâu trên dữ liệu bảng: Mặc dù khóa luận đã khảo sát các mô hình học sâu hiện đại như TabNet và SAINT (Chương 4), chi phí tính toán và mức độ phức tạp khi triển khai trên phần cứng thiết bị biên vẫn là rào cản so với cây quyết định.

Hướng nghiên cứu tiếp theo được tác giả định hình:

  • Tối ưu hóa thuật toán để giảm thiểu sự phụ thuộc sai số dây chuyền giữa các giai đoạn phân loại.
  • Mở rộng nghiên cứu cơ chế phòng thủ đối kháng trên các kiến trúc học sâu dạng bảng (TabNet, SAINT) trong các môi trường mạng quy mô lớn hơn.
  • Thử nghiệm triển khai thực tế trên các thiết bị phần cứng cổng biên vật lý để đo lường độ trễ mạng thực tế.

Giá trị tham khảo

Báo cáo khóa luận là tài liệu học thuật có giá trị tham khảo cao đối với:

  • Sinh viên và học viên chuyên ngành An toàn thông tin, Mạng máy tính và Khoa học dữ liệu: Tài liệu cung cấp hướng dẫn chi tiết về quy trình xử lý dữ liệu luồng mạng, từ việc sử dụng và can thiệp mã nguồn CICFlowMeter, kỹ thuật loại bỏ thuộc tính định danh, lọc đặc trưng bằng Pearson Correlation đến phương pháp xử lý mất cân bằng nhãn bằng RU-SMOTE.
  • Kỹ sư và nhà nghiên cứu an ninh mạng IoT: Cung cấp giải pháp tham khảo về mô hình phân tán biên - đám mây (Edge-Cloud), giúp giảm tải băng thông và tối ưu hóa tài nguyên tính toán giữa cổng cục bộ và máy chủ ISP.
  • Nhà nghiên cứu về bảo mật máy học (Adversarial Machine Learning): Nội dung Chương 4 là tài liệu chuyên sâu về cơ chế tấn công đối kháng trên dữ liệu dạng bảng, thuật toán toán học xây dựng cây quyết định kháng nhiễu và giải thuật tự động hóa tham số offset.

Câu hỏi thường gặp

1. Tại sao kiến trúc MidSiot lại phân chia giai đoạn 1 tại Local Gateway và giai đoạn 2, 3 tại ISP Gateway?

Việc phân chia xuất phát từ hai lý do: (1) Local Gateway có năng lực tính toán phù hợp để xử lý tác vụ nhận diện thiết bị cục bộ, giúp chia sẻ gánh nặng tính toán cho đám mây; (2) Nếu đưa việc nhận dạng thiết bị lên máy chủ ISP, việc gộp lưu lượng từ hàng loạt mạng IoT khác nhau sẽ làm lu mờ các mẫu hình lưu lượng riêng biệt của từng thiết bị, dẫn đến suy giảm độ chính xác phân loại. Việc xử lý giai đoạn 1 tại biên giúp cô lập không gian thiết bị nhỏ và chuẩn xác hơn.

2. Thuật toán học máy nào được chọn làm mô hình cốt lõi cho MidSiot và lý do là gì?

Thuật toán Cây quyết định (Decision Tree - CART) sử dụng tiêu chuẩn Gini/Entropy được chọn làm mô hình cốt lõi. Trong các thử nghiệm so sánh với Linear SVM, Quadratic SVM, KNN, LDA, QDA, MLP và LSTM trên tập dữ liệu IoTID20, Cây quyết định đạt độ chính xác nhị phân cao nhất (99.49%), thời gian huấn luyện cực ngắn (các mô hình SVM và LSTM đều vượt quá giới hạn 2 giờ) và cấu trúc cây phân nhánh nhẹ, phù hợp triển khai trên các thiết bị phần cứng IoT hạn chế tài nguyên.

3. Quy trình tiền xử lý và giảm chiều dữ liệu mạng trong khóa luận diễn ra như thế nào?

Dữ liệu mạng được thu thập dưới dạng tệp pcap, sau đó chuyển thành các dòng mạng (network flows) với 84 đặc trưng qua công cụ CICFlowMeter. Tác giả tiến hành loại bỏ toàn bộ các trường định danh (địa chỉ IP, địa chỉ MAC, timestamp, ID) để chống overfitting. Tiếp đó, hệ số tương quan Pearson được áp dụng để tính toán độ tương quan tuyến tính của từng đặc trưng; toàn bộ thuộc tính có hệ số nhỏ hơn 0 bị loại bỏ, giữ lại đúng 40 thuộc tính mạng tối ưu nhất để huấn luyện mô hình.

4. Vấn đề lớn nhất của các mô hình cây quyết định kháng tấn công đối kháng trước đây là gì và nhóm tác giả đã xử lý thế nào?

Hai hạn chế lớn nhất trước đây là: (1) Các mô hình cây quyết định kháng đối kháng chỉ hỗ trợ bài toán phân loại nhị phân; (2) Tham số độ lệch tối đa (offset) phải gán tĩnh thủ công, trong khi thực tế không thể biết trước kẻ tấn công sẽ can thiệp với biên độ nhiễu bao nhiêu. Nhóm tác giả đã phát triển thuật toán tự động tối ưu hóa điểm phân nhánh trong trường hợp xấu nhất, thiết lập giải thuật tự động dò tìm giá trị offset tối ưu, và mở rộng cấu trúc giải thuật để thực hiện thành công bài toán phân loại đa lớp kháng tấn công đối kháng.

5. Khóa luận sử dụng các bộ dữ liệu nào và đối tượng thiết bị cụ thể trong các bộ dữ liệu đó là gì?

Khóa luận sử dụng 3 bộ dữ liệu:

  • IoTID20: Gồm thiết bị nhà thông minh SKT NUGU, camera EZVIZ Wifi và các thiết bị ngoại vi.
  • CIC-IDS-2017: Gồm 12 chủng loại thiết bị được gán nhãn theo hệ điều hành/kiến trúc như Ubuntu 14.4 64bit, Ubuntu Server 12 Public, Web Server 16 Public, Windows 7 Pro 64bit, Windows 8.1 64bit, Windows Vista 64bit, Windows 10 và các thiết bị ngoại vi.
  • BOT-IoT: Gồm 5 loại thiết bị gồm Ubuntu Mobile, Metasploitable, Ubuntu Server, Windows 7 và các thiết bị ngoại vi.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Đạt Thịnh và Hồ Xuân Ninh đã giải quyết thành công bài toán phát hiện xâm nhập cho mạng IoT thông qua đề xuất kiến trúc hệ thống 3 giai đoạn MidSiot phân tán giữa cổng biên cục bộ và cổng ISP. Công trình tạo ra bước phát triển quan trọng khi nâng cấp lên phiên bản MidSiot-NG, tích hợp giải thuật cây quyết định có khả năng tự động tối ưu hóa tham số offset và kháng các cuộc tấn công đối kháng trên bài toán phân loại đa lớp. Kết quả thực nghiệm toàn diện trên 3 bộ dữ liệu IoTID20, CIC-IDS-2017 và BOT-IoT với độ chính xác đạt xấp xỉ 99.68% đã khẳng định tính khả thi kỹ thuật và giá trị ứng dụng thực tiễn của giải pháp trong việc bảo vệ hạ tầng mạng Internet vạn vật.