Bối cảnh và vấn đề nghiên cứu

Sự bùng nổ của Internet vạn vật (IoT) trong thập niên gần đây đã mở ra nhiều tiện ích cho đời sống, đồng thời tạo ra bề mặt tấn công mạng rộng lớn. Các tổ chức tội phạm khai thác lỗ hổng bảo mật của cơ sở hạ tầng IoT để chiếm quyền truy cập trái phép, đánh cắp dữ liệu nhạy cảm hoặc phát động các cuộc tấn công từ chối dịch vụ phân tán (DDoS) quy mô lớn. Trước thực trạng đó, hệ thống phát hiện xâm nhập dựa trên học máy (ML-based IDS) nổi lên như một hướng tiếp cận có triển vọng, song việc tập trung dữ liệu về một máy chủ để huấn luyện mô hình lại kéo theo các rủi ro về quyền riêng tư và an toàn dữ liệu.

Phương pháp học liên kết (Federated Learning — FL) ra đời nhằm cân bằng giữa hiệu suất huấn luyện và quyền riêng tư dữ liệu, song kiến trúc máy chủ tập trung của FL lại tạo ra Điểm chết duy nhất (Single Point-of-Failure), khiến toàn hệ thống dễ bị tấn công hoặc quá tải. Song song đó, các cá thể free-rider — những thực thể tham gia mạng nhưng không cống hiến tài nguyên huấn luyện mà vẫn hưởng lợi từ mô hình toàn cầu — ảnh hưởng nghiêm trọng đến tính công bằng và uy tín của hệ thống đào tạo phi tập trung. Các phương pháp phát hiện free-rider hiện có chủ yếu phụ thuộc vào máy chủ tập trung và chưa xử lý được các hình thức tấn công tinh vi hơn như sử dụng trọng số giả (delta weights, random weights kết hợp nhiễu Gaussian).

Ba mục tiêu nghiên cứu của khóa luận được xác định như sau:

  1. Xây dựng hệ thống phát hiện xâm nhập (IDS) dựa trên học máy sử dụng Federated Learning, đảm bảo tính bảo mật, sẵn sàng và quyền riêng tư của tập dữ liệu đào tạo.
  2. Nghiên cứu và triển khai hệ thống cộng tác phát hiện xâm nhập phi tập trung (Decentralized Federated Learning System — DFL) để loại bỏ Single Point-of-Failure, phân tán khối lượng công việc và tăng tính đa dạng dữ liệu.
  3. Kết hợp mạng Blockchain với DFL nhằm tăng hiệu suất phát hiện tấn công mạng, đặc biệt giải quyết vấn đề phát hiện và loại bỏ các cá thể free-rider.

Đối tượng nghiên cứu là bộ khung Decentralized Federated Learning tích hợp Blockchain và mô-đun phát hiện free-rider, tập trung vào khả năng tái tạo và phân nhóm các tham số mô hình cục bộ. Bộ khung này có khả năng ứng dụng cho bất kỳ mô hình học máy nào sử dụng phương pháp học liên kết. Phạm vi thực nghiệm được giới hạn trên hai bộ dữ liệu IoT Network Intrusion (MQTTset và NF-ToN-IoT-v2) với môi trường huấn luyện phi tập trung, thực hiện tại Trường Đại học Công nghệ Thông tin — ĐHQG TP. Hồ Chí Minh, công bố năm 2024.

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và các mô hình sử dụng

Khóa luận xây dựng trên một tập hợp các khái niệm và công nghệ nền tảng:

  • Intrusion Detection System (IDS): phân loại gồm Network-based IDS (NIDS), Host-based IDS (HIDS), Signature-based IDS, Anomaly-based IDS và Hybrid IDS.
  • Federated Learning (FL): phân loại theo Horizontal FL, Vertical FL và Federated Transfer Learning; các thuật toán tổng hợp FedAvg, FedMA và FedDist.
  • Decentralized Federated Learning (DFL): kiến trúc loại bỏ máy chủ tập trung, các nút giao tiếp theo mô hình ngang hàng (peer-to-peer).
  • InterPlanetary File System (IPFS): giao thức lưu trữ phân tán dựa trên nội dung (content-addressed), sử dụng cấu trúc Merkle DAG và hàm băm SHA-256 để định danh dữ liệu qua CID.
  • Blockchain — Hyperledger Fabric: nền tảng blockchain doanh nghiệp mã nguồn mở (Apache 2.0), permissioned, phiên bản 2.x, hỗ trợ Smart Contract (Chaincode) viết bằng Golang, JavaScript, TypeScript, Java. Cơ chế đồng thuận sử dụng: Raft Orderer. Các thành phần chính gồm Endorser Peer, Committer Peer, Orderer Node, Certificate Authority (CA), Membership Service Provider (MSP), Chaincode và Ledger.
  • Deep Autoencoder (DAG): bộ tự mã hóa sâu dùng để trích xuất Low Dimension Representation (LDR) và tính Reconstruction Error từ trọng số mô hình cục bộ.
  • Gaussian Mixture Model (GMM): mô hình hỗn hợp Gaussian dùng để biểu diễn phân phối của các vector đặc trưng kết hợp từ LDR và Reconstruction Error, tính điểm năng lượng (energy score) cho từng mô hình tham gia.
  • Mô hình đề xuất DFL-DAGMM: tích hợp Deep Autoencoder và GMM thành mô-đun phát hiện free-rider trong môi trường DFL.
  • Thuật toán tổng hợp FedAvg+ with momentum: biến thể của FedAvg được đề xuất để tổng hợp mô hình toàn cầu trong môi trường phi tập trung.

Phương pháp nghiên cứu

Khóa luận áp dụng phương pháp thiết kế hệ thống kết hợp thực nghiệm:

  1. Nghiên cứu tổng quan tài liệu về IDS, FL, DFL, IPFS, Blockchain và các phương pháp phát hiện free-rider.
  2. Thiết kế kiến trúc DFL-DAGMM, xây dựng và triển khai hệ thống thực nghiệm.
  3. Phát triển các kịch bản thực nghiệm đào tạo phi tập trung với nhiều tỷ lệ free-rider (m = 5%, 10%, 15%, 20%) trên hai bộ dữ liệu.
  4. Thu thập số liệu, đánh giá hiệu suất theo các tiêu chí Accuracy, Recall và các chỉ số liên quan.

Nguồn dữ liệu

Bộ dữ liệu Đặc điểm
MQTTset (tăng cường) Lưu lượng IoT giao thức MQTT, có augmentation
NF-ToN-IoT-v2 NetFlow-based, chứa nhiều loại tấn công IoT

Dữ liệu huấn luyện DAGMM được sinh tổng hợp từ hai bộ trên phục vụ riêng cho quá trình huấn luyện mô-đun phát hiện free-rider.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương mở đầu trình bày bối cảnh hình thành đề tài: sự phát triển của IoT kéo theo nhu cầu cấp bách về hệ thống IDS hiệu quả; FL là giải pháp cân bằng quyền riêng tư và hiệu suất nhưng còn tồn tại Single Point-of-Failure và lỗ hổng liên quan đến free-rider. Từ đó khóa luận xác định ba mục tiêu nghiên cứu và đề xuất mô hình DFL-DAGMM — hệ thống học liên kết phi tập trung kết hợp IPFS, Blockchain Hyperledger Fabric, Deep Autoencoder và Gaussian Mixture Model.

Chương 2: Cơ sở lý thuyết

Chương này cung cấp nền tảng lý thuyết toàn diện cho đề tài, gồm:

  • Phân loại và nguyên lý hoạt động của IDS (NIDS, HIDS, Signature-based, Anomaly-based, Hybrid).
  • Vòng đời huấn luyện mô hình học máy (tiền xử lý, lựa chọn thuật toán, huấn luyện, đánh giá, tối ưu, triển khai).
  • Mô hình FL và ba loại chính (Horizontal, Vertical, Federated Transfer Learning); các thuật toán tổng hợp FedAvg, FedMA, FedDist; vấn đề Single Point-of-Failure của máy chủ tập trung.
  • IPFS: nguyên lý content-addressed, cấu trúc Merkle DAG, quá trình chuyển đổi tệp thành CID thông qua SHA-256.
  • DFL: kiến trúc peer-to-peer, lợi ích và thách thức (đồng bộ hóa, hợp nhất mô hình, quản lý bên không tin cậy).
  • Phân loại free-rider trong FL: Random weights, Delta weights (trọng số Delta), Gaussian noise addition; phương pháp phòng chống hiện có (Predict model, Clustering).
  • Blockchain: phân loại Public/Private/Hybrid; cơ chế PoW, PoS, DPoS; cấu trúc Block/Chain/Miner. Hyperledger Fabric: các thành phần Endorser, Committer, Orderer, CA, MSP, Chaincode, Ledger; cấu trúc Channel; luồng giao dịch từ Client SDK qua Endorsement Peer đến Ordering Service.
  • Deep Autoencoder (mạng nén Encoder + mạng giải mã Decoder): phương pháp trích xuất LDR và Reconstruction Error.
  • Gaussian Mixture Model: các thành phần chính, quá trình hoạt động và công thức tính energy score.

Chương 3: Phương pháp thực hiện

Đây là chương trọng tâm, trình bày kiến trúc và phương pháp đề xuất:

Mô hình mối đe dọa: xác định hai chiến lược tấn công của free-rider — (1) sử dụng trọng số mô hình ngẫu nhiên và (2) sử dụng trọng số từ vòng đào tạo trước (tiền huấn luyện). Kẻ tấn công được giả định có kinh nghiệm đào tạo mô hình trước đó.

Kiến trúc tổng quan DFL-DAGMM: loại bỏ máy chủ tập trung, tích hợp IPFS làm hạ tầng lưu trữ phi tập trung, Hyperledger Fabric làm lớp đồng thuận và lưu trữ bất biến, Deep Autoencoder + GMM làm mô-đun phát hiện free-rider.

Thuật toán FedAvg+ with momentum: biến thể tổng hợp mô hình toàn cầu có tích hợp momentum, được sử dụng trong bước tổng hợp cục bộ tại mỗi nút.

Cấu trúc mạng Hyperledger Fabric: mô tả luồng thực thi cơ bản gồm ba bước — Client SDK gửi yêu cầu, Endorsement Peer xác thực và phản hồi, SDK gửi transaction đến Orderer Service.

Thuật toán phát hiện free-rider DAGMM: Deep Autoencoder trích xuất LDR và Reconstruction Error; GMM biểu diễn phân phối vector đặc trưng và tính energy score; ngưỡng (threshold) phân cụm mô hình thành hai nhóm — nhóm bình thường được lưu lên Blockchain để tổng hợp mô hình toàn cầu, nhóm free-rider bị loại bỏ.

Luồng hoạt động chi tiết DFL-DAGMM: mô tả toàn bộ vòng đào tạo từ khởi tạo, đào tạo cục bộ, trao đổi trọng số qua IPFS, phát hiện free-rider bằng DAGMM, ghi kết quả lên Blockchain, đến tổng hợp mô hình toàn cầu.

Chương 4: Hiện thực và đánh giá, thảo luận

Chương trình bày toàn bộ quá trình hiện thực hóa và kết quả thực nghiệm:

Bộ dữ liệu: MQTTset (tăng cường) và NF-ToN-IoT-v2 được chia thành các phần huấn luyện/kiểm tra theo phân phối phi IID (non-IID) để mô phỏng môi trường DFL thực tế. Tập dữ liệu huấn luyện DAGMM được sinh tổng hợp từ hai bộ trên.

Cấu trúc các mô hình học máy được thực nghiệm:

Mô hình Cấu trúc
MLP 5 lớp Multi-Layer Perceptron 5 layers
MLP 4 lớp Multi-Layer Perceptron 4 layers
Deep Autoencoder Encoder + Decoder (bảng 4.8)
Gaussian Mixture Model Cấu trúc theo bảng 4.9

Kết quả thực nghiệm được đánh giá theo bốn kịch bản: (1) hiệu suất cơ sở DFL trên hai bộ dữ liệu; (2) phát hiện selfish free-riders (free-rider ích kỷ); (3) phát hiện anonymous free-riders (free-rider ẩn danh); (4) đánh giá hiệu suất Blockchain.

Kết quả chi tiết được tổng hợp qua 21 bảng số liệu, bao gồm hiệu suất trước và sau khi loại bỏ free-rider ở các tỷ lệ m = 5%, 10%, 15%, 20% trên cả hai mô hình MLP 5 lớp và MLP 4 lớp, hai bộ dữ liệu MQTTset và NF-ToN-IoT-v2.

Kiến trúc triển khai: trình bày mô hình đề xuất triển khai DFL-DAGMM vào hệ thống mạng thực tế, gồm hai giai đoạn — tiền xử lý lưu lượng mạng và đào tạo/sử dụng ML-based IDS.

Thiết kế và triển khai

Kiến trúc hệ thống

DFL-DAGMM được xây dựng theo kiến trúc ba lớp:

  1. Lớp học máy phi tập trung: các nút tham gia huấn luyện mô hình MLP cục bộ bằng dữ liệu riêng, trao đổi trọng số qua IPFS theo mô hình PubSub.
  2. Lớp phát hiện free-rider (DAGMM): mạng nén (Encoder) trích xuất LDR; mạng giải mã (Decoder) tính Reconstruction Error; mạng ước tính (Estimation Network) dự đoán tham số GMM; GMM tính energy score; threshold phân loại mô hình lành tính/độc hại.
  3. Lớp đồng thuận và lưu trữ (Hyperledger Fabric): các mô hình được xác nhận là lành tính được lưu trữ bất biến trên Ledger thông qua Chaincode, đảm bảo tính minh bạch và toàn vẹn.

Công nghệ sử dụng

  • IPFS (giao thức lưu trữ phân tán, Merkle DAG, SHA-256, CID)
  • Hyperledger Fabric (phiên bản 2.x, Raft Orderer, Chaincode, CA, MSP)
  • Deep Autoencoder: kiến trúc Encoder–Decoder được mô tả chi tiết tại bảng 4.8
  • Gaussian Mixture Model: cấu trúc theo bảng 4.9
  • Mô hình học máy IDS: MLP 5 lớp (bảng 4.6) và MLP 4 lớp (bảng 4.7)
  • Thuật toán tổng hợp: FedAvg+ with momentum

Kiểm thử

Thực nghiệm được thiết kế theo bốn kịch bản độc lập, đánh giá theo chỉ số Recall (chỉ số Recall của MLP 4 lớp và MLP 5 lớp được so sánh đồ thị theo bối cảnh) và Accuracy. Tỷ lệ free-rider biến thiên từ 5% đến 20% để kiểm tra tính bền vững của hệ thống ở nhiều mức độ ô nhiễm khác nhau.

Kết quả và đóng góp

Kết quả chính

Khóa luận báo cáo hiệu suất theo 21 bảng số liệu tổng hợp. Một số kết quả có trong văn bản:

  • Hiệu suất cơ sở DFL (Bảng 4.10): mô hình MLP 5 lớp và MLP 4 lớp đạt được ngưỡng hiệu suất cơ sở trên cả MQTTset và NF-ToN-IoT-v2 trước khi có sự can thiệp của free-rider.
  • Phát hiện selfish free-rider (Bảng 4.11–4.18): sau khi áp dụng DFL-DAGMM, hiệu suất (Recall) của mô hình MLP 5 lớp và MLP 4 lớp được cải thiện ở tất cả bốn tỷ lệ m = 5%, 10%, 15%, 20% so với trước khi loại bỏ free-rider.
  • Phát hiện anonymous free-rider (Bảng 4.19): Accuracy phát hiện free-rider với các tỷ lệ khác nhau được báo cáo trên cả hai mô hình MLP với hai bộ dữ liệu.
  • Phát hiện random free-rider (Bảng 4.20–4.21): hiệu suất phát hiện random free-rider trên MLP 5 lớp với MQTTset và NF-ToN-IoT-v2.

Giải pháp đề xuất

  • Thay thế máy chủ tập trung bằng tổ hợp IPFS + Hyperledger Fabric, giải quyết triệt để Single Point-of-Failure.
  • Mô-đun DAGMM phát hiện free-rider bằng cách phân tích phân phối LDR và Reconstruction Error thay vì dựa vào lịch sử hành vi, qua đó xử lý được cả các hình thức tấn công tinh vi (delta weights, random weights với nhiễu Gaussian).
  • Thuật toán FedAvg+ with momentum cải thiện tốc độ hội tụ mô hình toàn cầu trong môi trường phi tập trung.
  • Kiến trúc đề xuất có khả năng áp dụng cho bất kỳ mô hình học máy nào sử dụng Federated Learning, không giới hạn ở IDS.

Đóng góp so với nghiên cứu trước

Theo tác giả, các nghiên cứu trước về phát hiện free-rider trong FL chủ yếu phụ thuộc vào máy chủ tập trung và tập trung vào lịch sử hành vi, chưa giải quyết được các cá thể sử dụng trọng số giả tinh vi để qua mặt cơ chế giám sát. Khóa luận này đóng góp một mô hình kết hợp DFL + IPFS + Hyperledger Fabric + DAGMM hoạt động trong điều kiện phi tập trung hoàn toàn, với dữ liệu phân phối không đồng nhất (non-IID), đồng thời đề xuất ngưỡng phân cụm dựa trên energy score thay vì phân tích hành vi.

Hạn chế và hướng nghiên cứu tiếp

Theo văn bản, Chương 5 ghi nhận các hướng phát triển tiếp theo, bao gồm:

  • Mở rộng khả năng phát hiện các hình thức tấn công free-rider phức tạp hơn ngoài random weights và delta weights.
  • Nghiên cứu và tối ưu hóa thêm bộ khung DFL-DAGMM để cải thiện hiệu suất trên các kiểu dữ liệu phân phối khác nhau.
  • Triển khai thử nghiệm trên môi trường thực tế với số lượng nút tham gia lớn hơn.

Ngoài ra, do phạm vi nghiên cứu giới hạn trên hai bộ dữ liệu MQTTset và NF-ToN-IoT-v2 với mô hình MLP, tính tổng quát của kết quả trên các kiến trúc học máy khác (CNN, RNN, Transformer-based) và các bộ dữ liệu IoT đa dạng hơn cần được kiểm chứng thêm. Chi phí tính toán và độ trễ của lớp Blockchain trong môi trường mạng thực tế cũng là yếu tố cần đánh giá chi tiết hơn.

Giá trị tham khảo

Khóa luận phù hợp làm tài liệu tham khảo cho các đối tượng sau:

  • Sinh viên ngành An toàn thông tin và Khoa học máy tính đang nghiên cứu về Federated Learning, hệ thống phát hiện xâm nhập, hoặc ứng dụng Blockchain trong học máy.
  • Nghiên cứu sinh và người làm đề tài về bảo mật IoT, phát hiện bất thường mạng (network anomaly detection), hoặc cơ chế công bằng trong hệ thống học máy phân tán.
  • Kỹ sư hệ thống quan tâm đến việc tích hợp Hyperledger Fabric và IPFS vào hạ tầng huấn luyện mô hình phi tập trung.

Các phần đáng tham khảo nhất gồm: Chương 3 (phương pháp xây dựng mô hình DAGMM và luồng hoạt động DFL-DAGMM), Chương 4 (thiết kế thực nghiệm với nhiều tỷ lệ free-rider và cấu trúc bộ dữ liệu), và phần tổng quan về Hyperledger Fabric tại Chương 2 (cơ sở lý thuyết về các thành phần mạng và cơ chế đồng thuận).

Câu hỏi thường gặp

1. DFL-DAGMM phát hiện free-rider theo cơ chế cụ thể nào? Mô-đun DAGMM sử dụng Deep Autoencoder để trích xuất Low Dimension Representation (LDR) và tính Reconstruction Error từ trọng số mô hình cục bộ của từng bên tham gia. Hai đại lượng này được kết hợp thành vector đặc trưng, đưa vào Gaussian Mixture Model để biểu diễn phân phối và tính điểm năng lượng (energy score). Một ngưỡng (threshold) được tính toán trước để phân cụm các mô hình thành hai nhóm; nhóm có energy score bình thường được giữ lại và lưu lên Blockchain, nhóm còn lại bị loại bỏ khỏi vòng tổng hợp.

2. Vì sao khóa luận chọn Hyperledger Fabric thay vì các nền tảng Blockchain khác? Hyperledger Fabric là nền tảng blockchain doanh nghiệp permissioned (private), cho phép kiểm soát danh tính thành viên qua Certificate Authority (CA) và Membership Service Provider (MSP), phù hợp với yêu cầu bảo mật và kiểm soát truy cập trong môi trường DFL. Ngoài ra, Fabric hỗ trợ Chaincode viết bằng các ngôn ngữ phổ biến (Golang, JavaScript, Java), có khả năng mở rộng cao và không yêu cầu giao dịch tiền mã hóa như Public Blockchain.

3. Sự khác biệt giữa selfish free-rider và anonymous free-rider trong thực nghiệm là gì? Theo phân loại trong văn bản, selfish free-rider (free-rider ích kỷ) là cá thể chủ động gửi trọng số giả (random weights hoặc delta weights) nhằm lợi dụng mô hình toàn cầu mà không đóng góp tài nguyên huấn luyện thực sự. Anonymous free-rider (free-rider ẩn danh) là loại cố ý che giấu danh tính và hành vi, gây khó khăn hơn cho các cơ chế phát hiện dựa trên lịch sử hành vi. Hai kịch bản thực nghiệm riêng biệt (Kịch bản 2 và Kịch bản 3) được thiết kế để đánh giá khả năng phát hiện từng loại này.

4. Tỷ lệ free-rider (m) được kiểm thử ở những mức nào và kết quả tổng quát như thế nào? Thực nghiệm kiểm thử ở bốn mức tỷ lệ m = 5%, 10%, 15% và 20% trên cả hai mô hình MLP 5 lớp và MLP 4 lớp, với hai bộ dữ liệu MQTTset và NF-ToN-IoT-v2. Kết quả được tổng hợp trong 21 bảng số liệu (Bảng 4.10–4.21), cho thấy hiệu suất (Recall, Accuracy) của mô hình sau khi loại bỏ free-rider được cải thiện so với trước khi có can thiệp DAGMM ở các tỷ lệ này.

5. IPFS đóng vai trò gì trong kiến trúc DFL-DAGMM? IPFS được sử dụng như lớp lưu trữ và trao đổi trọng số mô hình phi tập trung giữa các nút tham gia, thay thế cho vai trò lưu trữ của máy chủ tập trung. Nhờ cơ chế content-addressed (định danh nội dung qua CID/hàm băm SHA-256) và mô hình PubSub, các nút có thể gửi và nhận trọng số mô hình một cách an toàn mà không phụ thuộc vào bất kỳ máy chủ trung gian nào, từ đó loại bỏ Single Point-of-Failure ở lớp lưu trữ.

Kết luận

Khóa luận đề xuất và hiện thực hóa mô hình DFL-DAGMM — một hệ thống học liên kết phi tập trung tích hợp IPFS, Hyperledger Fabric, Deep Autoencoder và Gaussian Mixture Model — nhằm giải quyết đồng thời hai vấn đề tồn tại trong FL truyền thống: Single Point-of-Failure ở máy chủ tập trung và sự tồn tại của các cá thể free-rider tinh vi. Thực nghiệm được thiết kế có hệ thống trên hai bộ dữ liệu IoT và hai kiến trúc MLP, với bốn mức tỷ lệ free-rider khác nhau, cung cấp bằng chứng định lượng về hiệu quả của phương pháp đề xuất. Bộ khung này có tính tổng quát cao và có thể áp dụng cho bất kỳ hệ thống học máy liên kết nào vượt ra ngoài phạm vi IDS, mở ra hướng nghiên cứu về tính công bằng trong các hệ thống AI phân tán.