Chương 1. Tổng quan một framework SGAN-IDS sử dung GAN và sử dung cơ chế tự chú ý kết hợp với mạng sinh đối kháng để tạo các mẫu đối kháng vượt qua các mô hình học máy IDS. Trong nghiên cứu này, chúng tôi dé xuất một mô hình sAoEGAN (self-Attention on Explanation Generative Adversarial Network) có khả nang vận dụng cơ chế tự chú ý vào giải thích của XAI hằm mục đích sinh ra các mẫu đối kháng chất lượng cao để huấn luyện một mô hình IDS đạt được tính bền vững cao và có khả năng diễn giải. Do đó, bên cạnh dé xuất một mô hình mạng sinh đối kháng mới, chúng tôi cũng phát triển một bộ khung để huấn luyện mô hình IDS để chúng có khả năng tự kháng được các mẫu đối kháng.
12 Mục tiêu nghiên cứu Để xây dựng được một thống IDS hiệu quả và bền vững trước các loại tấn công, chúng tôi xin dé ra một số mục tiêu nghiên cứu để có thé đáp ứng được kỳ vọng mong đợi: ¢ Áp dụng mô hình học sâu: Tăng cường khả năng phát hiện tan công của IDS thông qua việc áp dụng kiến trúc mô hình học sâu. e Nâng cao mức độ tin cậy vào dự đoán của black-box model: Sử dụng các phương pháp XAI để cung cấp khả năng giải thích các quyết định của mô hình. e Giải quyết sự mắt cân bằng dữ liệu: Sử dung mô hình GAN để cân bang lại số mẫu dữ liệu thay vì các phương pháp truyền thống như SMOTE, nhằm cải thiện hiệu suất của mô hình học sâu. * Bén vững trước các mẫu tấn công đối kháng: Tìm hiểu các phương pháp tạo mẫu đối kháng phổ biến và huấn luyện mô hình IDS có thể phát hiện ra chúng.
© Dé xuất mô hình AoE-GAN: Kết hợp cơ chế tự chú ý (self-Attention) vào XAI trong mô hình GAN để sinh ra các mẫu đối kháng chất lượng cao, từ đó huấn luyện mô hình IDS đạt được tính bền vững cao và khả năng diễn giải.3 Đối tượng nghiên cứu ¢ Hệ thống phát hiện xâm nhập (IDS). ¢ Mô hình học sâu (Deep Learning). * Cơ chế tự chú ý (Self-Attention). e Explainable Artificial Intelligence (XA]).
¢ Generative Adversarial Network (GAN). ¢ Tan công mẫu đối kháng (Adversarial Attack).4 Pham vi nghiên cứu Trích xuất các thuộc tính quan trọng của mẫu dữ liệu, được dùng để tạo ra mẫu dữ liệu mới mang nét đặc trưng của mẫu dữ liệu gốc, góp phan làm cân bằng dữ liệu và tăng tính bền vững của hệ thống IDS. Dé xác định mức độ hiệu quả của IDS, chúng tôi sử dụng các loại tấn cống đối kháng để kiểm tra.5 Cấu trúc khóa luận tốt nghiệp Chúng tôi xin trình bày nội dung của Luận án theo cấu trúc như sau: © Chương 2: Các nghiên cứu liên quan và cơ sở lý thuyết © Chương 3: Đề xuất phương pháp và kiến trúc của mô hình huấn luyện IDS. ¢ Chương 4: Thực nghiệm và kết quả huấn luyện.
© Chương 5: Kết luận và hướng phát triển của đề tài. Chương 2 Cơ sở lý thuyết Tóm tắt chương Ở chương này, chúng tôi sẽ trình bày các cơ sở lý thuyết quan trọng trong khóa luận của nhóm chúng tôi, bao gồm tổng quan về học sâu, mạng sinh đối kháng, các tan công đồi kháng, các trí tuệ nhân tao khả giải trình và cơ chế tự chú ý.1 Tổng quan về học sâu - Deep Learning Mô hình học sâu hiện đang được sử dụng rất phổ biến, đặc biệt trong các bài toán tự động hóa và giải quyết những van dé phức tạp một cách logic và hiệu quả như thị giác máy tính và xử lý ngôn ngữ tự nhiên,. Một ví dụ điển hình là ChatGPT, có khả năng cung cấp câu trả lời trong nhiều lĩnh vực khác nhau. Nhờ những ưu điểm vượt trội, học sâu đã được ứng dụng rộng rãi trong lĩnh vực an toàn thông tin, đặc biệt là trong hệ thống phát hiện xâm nhập.
Các hệ thống IDS truyền thống, tức không sử dụng mô hình học máy, có điểm yếu là không thể phát hiện được các dạng tan công mới hoặc phức tạp, điều này không phù hợp trong bối cảnh hiện nay khi các dang tan công 0-day và các kỹ thuật tan công liên tục được cải tiến. Vì vậy, học sâu được áp dụng nhằm giúp IDS không chỉ phát hiện được các loại tấn công mạng đã biết mà còn có thể nhận diện các dạng tan công mới hoặc biến tau, đảm bảo hiệu suất phòng thủ của hệ thống. Lây ý tưởng từ kiến trúc và hoạt động của hệ thần kinh con người, mô hình học sâu bao gồm nhiều nơ-ron liên kết với nhau để mô phỏng cách não bộ xử lý thông tin đầu vào. Với cách tiếp cận này, mô hình có khả năng học hỏi và phân tích các đặc trưng quan trọng của dir liệu, từ đó đưa ra kết quả đầu ra phù 8 Chương 2.
Cơ sở lý thuyết HINH 2.1: Mang DNN hợp. Có nhiều loại mô hình hoc sâu được phat triển để giải quyết các van dé va bài toán khác nhau, bao gồm Deep Neural Network (DNN), Convolutional neural network (CNN), Long short term memory (LSTM) hay Recurrent Neural Network (RNN),. Mô hình Deep Neural Network Mô hình DNN là mô hình cho phép học và trích xuất di liệu thông qua một mạng lưới gồm nhiều lớp khác nhau, bao gồm lớp đầu vào, các lớp ẩn và lớp đầu ra. Một lớp gồm môt hoặc nhiều nút, gọi là unit, có nhiệm vụ lưu trữ và xử lý dữ liệu được đưa vào chúng.
DNN có nhiều ưu điểm quan trọng, giúp nó trở thành mô hình được sử dụng khá phổ biến hiện nay. Như là khả năng học các biễu điễn phức tạp cả dữ liệu, cho phép hiểu và nắm bắt các mối quan hệ phi tuyến tính và không tuyến tính của tập dir liệu; Hiệu suất tốt trên tập dữ liệu lớn và xử lý các dang dữ liệu phi cau trúc như văn bản, âm thanh,. Tama [29] sử dung mô hình DNN để phân loại tan công trong môi trường IoI và đánh giá hiệu suất mô hình dựa trên tap dữ liệu CIDDS-001 và UNSW-NBI5. Jia [13] sử dụng DNN với 4 lớp hidden cho hệ thống IDS để phân loại các loại tấn công trong tập dữ liệu KDD Cup 99 và NSL-KDD.
Cơ sở lý thuyết Theo hình 2.1, các hình tròn biểu thị các unit của từng lớp. Màu vàng thuộc về lớp đầu vào, màu xanh thuộc về các lớp ẩn, và màu đỏ thuộc là của lớp đầu ra. Mỗi lớp thực hiện các nhiệm vụ khác nhau trong mô hình. Lớp đầu vào tiếp nhận các đặc trưng hoặc dữ liệu đầu vào, với mỗi unit tương ứng với một đặc trưng của dữ liệu.
Các lớp ẩn là thành phần chính và quan trọng nhất của mô hình, nơi mô hình sẽ học và trích xuất các thông tin trừu tượng hoặc biểu diễn phức tạp của dt liệu. Càng nhiều lớp ẩn, kha năng học của mô hình càng tăng. Cuối cùng, lớp đầu ra sẽ đưa ra kết quả dự đoán hoặc phân loại cho dữ liệu đã học. Dựa vào số lượng unit trong lớp này, mô hình có thể được chia làm 2 loại: mô hình phân loại nhị phân (có 1 hoặc 2 unit) và mô hình phân loại đa lớp (có ít nhất 3 unit trở lên).2 Mạng sinh đối kháng GAN (Generative Adver- sarial Network) Được đề xuất bởi GoodFellow [11], phương pháp này đã chứng minh tính hữu ích của nó trong việc tạo ra dữ liệu mới với đặc điểm của dữ liệu gốc.
Kế thừa ý tưởng từ lý thuyết trò chơi hai người tổng không, kiến trúc cơ bản của GAN bao gồm hai mô hình: bộ sinh G và bộ phân biệt D. Trong đó, G có nhiệm vụ tạo ra các mẫu dữ liệu mới mang các đặc trưng của dữ liệu gốc, trong khi D, thường là mô hình phân loại nhị phân, đóng vai trò xác định liệu dữ liệu đầu vào có phải là thật hay được tạo ra bởi G. Mục tiêu chính của G là tạo ra các mẫu dữ liệu mà có thể đánh lừa D. Trong khi đó, mục tiêu của D là cé gắng phát hiện được mẫu dữ liệu nào là do G tạo ra.
Quá trình này sẽ kết thúc khi D không còn khả năng phân biệt được mẫu dữ liệu gốc và mẫu dữ liệu do G tạo ra. Để quá trình này diễn ra một cách tối ưu nhất - tức là tạo ra kết quả có lợi cho bên còn lại, thì mỗi mô hình cần phải tìm phương pháp tối ưu để khắc chế lẫn nhau, nên quá trình này còn được gọi là bài toán trò chơi minimax, được biểu diễn qua công thức. min max V(D, 6) = Ex~p¿„„(x)[log D(x)] + Ez-. Cơ sở lý thuyết Trong đó, Pgata là phân phối của mẫu dữ liệu that, Pz là phân phối của mẫu nhiễu, và Pg là phân phối của mẫu dữ liệu do G tạo ra.
D(x) đại diện cho mức độ tự tin của D đối với mẫu diz liệu x là mẫu thật, D(G(z)) là mức độ tự tin của D đối với mẫu dữ liệu là do G tạo ra. Để phân biệt giữa mau diz liệu thật và mẫu do G tao ra, ta cần tối đa hóa D(x) và tối thiểu hóa D(G(z)). Khi Pg = Paata, tức là cả hai phân phối này sẽ tiền đến sự cân bằng, khi đó D sẽ không còn khả năng phân biệt được giữa các mẫu dữ liệu thật và mẫu được tạo ra bởi G. Kết quả là G sẽ học được cách tạo ra các mẫu dữ liệu mới một cách hiệu quả từ không gian nhiễu mà không cần thông tin từ dữ liệu thật.
Wasserstein GAN Gradient Penalty (WGAN-GP) Mặc dù phương pháp mang sinh đối kháng trên cho thấy hiệu quả trong việc tạo ra dữ liệu mới mang đặc trưng của dữ liệu thật. Tuy nhiên, quá trình huấn luyện chúng lại xảy ra một van đẻ, dẫn đến quá trình này trở nên khó kiểm soát va không ổn định. Một trong các van dé là sự cân bằng giữa bộ sinh Gvà bộ phân biệt D. Nếu D trở nên quá tốt, tức là nó có thể hoàn toàn phân biệt được dữ liệu thật và giả, vì thé độ dốc của D gần như bằng 0, khiến G không tìm thấy thông tin cần thiết để tạo ra dữ liệu mới, làm cho quá trình huấn luyện chậm lại và kém hiệu quả.
Ngược lại, néu G trở nên quá tốt, tức là có thể tao ra dữ liệu hoàn toàn đánh lừa được D, khi này G có thể ngừng học, từ đó không tạo ra các dạng dữ liệu phong phú hơn, dẫn đến hiện tượng mô hình bị “sụp đổ”. Do đó WGAN được phát triển để giải quyết các van dé trên.