Bối cảnh và vấn đề nghiên cứu

Sự tăng trưởng của mạng Internet cùng sự mở rộng của mạng lưới Internet vạn vật (IoT) đã thúc đẩy khối lượng trao đổi dữ liệu số gia tăng nhanh chóng. Sự liên kết giữa đa dạng các thiết bị thông minh phục vụ đời sống và sản xuất (như camera giám sát, thiết bị nhà thông minh, cảm biến công nghiệp, nông nghiệp, y tế) mang lại nhiều tiện ích, nhưng đồng thời tạo ra áp lực lớn trong công tác kiểm soát an toàn thông tin mạng. Đáng chú ý, nhằm tối ưu hiệu năng vận hành trên các thiết bị phần cứng giới hạn tài nguyên, các giao thức kết nối IoT thường được thiết kế tối giản, dẫn đến việc thiết lập cơ chế tự bảo vệ gặp nhiều khó khăn và biến các thiết bị này thành đích ngắm của nhiều chiến dịch tấn công mạng quy mô lớn.

Khóa luận trích dẫn một số sự cố an ninh mạng tiêu biểu làm minh chứng thực tiễn:

  • Năm 2013, cuộc tấn công từ chối dịch vụ phân tán (DDoS) nhắm vào tổ chức Spamhaus đạt lưu lượng trung bình vượt hơn 100 Gbps và đạt đỉnh điểm lên tới 300 Gbps.
  • Tháng 09/2017, lỗ hổng bảo mật Bluetooth mang tên BlueBorne được phát hiện, cho phép đối tượng tấn công chiếm quyền thực thi mã độc từ xa và đánh cắp dữ liệu nhạy cảm trên các hệ điều hành phổ biến (Android, iOS, Linux, Windows), gây ảnh hưởng ước tính tới 8 tỷ thiết bị điện tử.
  • Tháng 06/2021, lỗ hổng nghiêm trọng ảnh hưởng đến gần 80 mẫu camera IP của hãng Hikvision bị phát hiện, cho phép tin tặc gửi các gói tin chứa mã độc hại khai thác các thiết bị chưa cập nhật bản vá.

Để đối phó với các nguy cơ này, các hệ thống phát hiện xâm nhập mạng (Network-based Intrusion Detection System - NIDS) đóng vai trò then chốt trong việc giám sát liên tục lưu lượng, phân tích gói tin và đưa ra cảnh báo kịp thời. Tuy nhiên, các kỹ thuật NIDS truyền thống bộc lộ những nhược điểm rõ rệt:

  • Phương pháp dựa trên chữ ký (Signature-based IDS): Hoạt động hiệu quả đối với các mẫu tấn công đã biết, nhưng hoàn toàn mất khả năng ngăn chặn các hình thức tấn công mới hoặc biến thể chưa từng được ghi nhận trong cơ sở dữ liệu. Đồng thời, việc cơ sở dữ liệu chữ ký phình to khiến thời gian đối soát tăng cao, dễ trở thành điểm nghẽn (bottleneck) làm suy giảm hiệu năng toàn mạng.
  • Phương pháp dựa trên sự bất thường (Anomaly-based IDS): Có tiềm năng phát hiện tấn công mới thông qua độ lệch so với ngưỡng bình thường, song lại gặp nhược điểm cố hữu là tỷ lệ báo động giả (False Positive Rate) cao do ranh giới giữa hành vi bình thường và bất thường rất khó phân định.
  • Hạn chế của mô hình một tầng (One-stage IDS): Khi khối lượng dữ liệu mạng trở nên khổng lồ, các mô hình One-stage IDS chịu tải nặng, suy giảm hiệu năng và không đáp ứng được yêu cầu phân loại chính xác trong môi trường dữ liệu lớn. Việc áp dụng đơn lẻ các thuật toán học máy (Decision Tree, SVM, K-NN) mang lại tốc độ xử lý nhanh nhưng độ chính xác chưa tối ưu; ngược lại, các thuật toán học sâu nguyên khối (DNN, RNN, LSTM) tuy cho kết quả dự đoán cao nhưng lại tiêu tốn tài nguyên tính toán và đòi hỏi thời gian huấn luyện quá dài. Mặt khác, hệ thống còn đối mặt với nguy cơ bị vô hiệu hóa bởi các mẫu đối kháng (adversarial samples) được thiết kế có chủ đích để đánh lừa bộ phân loại.

Từ thực tiễn trên, khóa luận xác định các mục tiêu và phạm vi nghiên cứu cụ thể:

Mục tiêu nghiên cứu (đánh số theo văn bản):

  1. Xây dựng và triển khai hệ thống phát hiện xâm nhập hai tầng (Two-stage IDS) áp dụng tích hợp học máy (Machine Learning - ML) và học sâu (Deep Learning - DL) để ngăn ngừa các cuộc tấn công mạng, trong đó tầng một đóng vai trò sàng lọc nhanh lưu lượng bất thường và tầng hai chịu trách nhiệm phân loại chi tiết từng loại hình tấn công.
  2. Triển khai tích hợp hệ thống phát hiện mẫu đối kháng vào mô hình đề xuất để cải thiện hiệu năng tổng thể, ngăn chặn sự đánh lừa hệ thống IDS từ các mẫu đối kháng nhân tạo.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Môi trường lập trình Python; các thư viện TensorFlow 2, Keras, Scikit-learn; kỹ thuật tấn công sinh mẫu đối kháng Carlini & Wagner (C&W) và Decision Tree attack; kỹ thuật tinh chỉnh và triển khai tích hợp mô-đun phát hiện mẫu đối kháng ML-LOO vào hệ thống Two-stage IDS.
  • Phạm vi nghiên cứu: Các thuật toán học máy và học sâu phục vụ phân loại lưu lượng; các kỹ thuật tiền xử lý, trích xuất đặc trưng và cân bằng dữ liệu mạng; giải pháp tích hợp mô hình phân loại hai tầng; kỹ thuật sinh mẫu đối kháng và các giải pháp sàng lọc mẫu đối kháng hiện hành; dữ liệu thực nghiệm giới hạn trên tập dữ liệu chuẩn CIC-IDS-2017. Thời gian thực hiện đồ án từ ngày 09/03/2022 đến ngày 11/07/2022.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng giải pháp dựa trên nền tảng lý thuyết an toàn thông tin và các mô hình toán học của trí tuệ nhân tạo:

  • Mô hình phát hiện xâm nhập: Định nghĩa hệ thống bảo mật duy trì ba mục tiêu cốt lõi (tam giác C-I-A: Bảo mật - Confidentiality, Toàn vẹn - Integrity, Khả dụng - Availability). Phân loại IDS dựa trên phạm vi giám sát (HIDS trên máy chủ đích và NIDS trên hạ tầng mạng) và dựa trên cơ chế phân tích (Signature-based IDS và Anomaly-based IDS).
  • Các thuật toán học máy cơ bản:
    • Decision Tree (Cây quyết định - DT): Thuật toán học có giám sát cấu trúc phân nhánh nhị phân, chia tách dữ liệu dựa trên các phép so sánh thuộc tính tối ưu hóa hàm mất mát (Cross-entropy hoặc độ vấy bẩn Gini) và chỉ số phân lớp của từng node để tạo các node lá đại diện cho lớp đầu ra.
    • Logistic Regression (Hồi quy Logistic - LR): Sử dụng hàm sigmoid/logistic để biểu diễn mối quan hệ giữa biến đầu vào và xác suất của kết quả phân loại nhị phân.
    • Random Forest (Rừng ngẫu nhiên - RF): Mô hình kết hợp tập hợp các cây quyết định bằng cơ chế bỏ phiếu đa số (majority voting) cho bài toán phân loại.
    • K-Nearest Neighbor (K-NN): Thuật toán học phi tham số xác định lớp mục tiêu dựa trên khoảng cách Euclidean với các điểm lân cận gần nhất trong không gian đặc trưng.
    • Artificial Neural Network (Mạng nơ-ron nhân tạo - ANN): Cấu trúc phỏng sinh học gồm tầng đầu vào (Input Layer), các tầng ẩn (Hidden Layers) và tầng đầu ra (Output Layer) với cơ chế lan truyền tiến và tối ưu hóa trọng số liên kết qua hàm kích hoạt phi tuyến.
  • Mạng nơ-ron tích chập (Convolutional Neural Network - CNN): Kiến trúc học sâu chuyên sâu gồm lớp tích chập (Convolutional layer trích xuất bản đồ đặc trưng qua bộ lọc kernel kết hợp cơ chế stride và padding), lớp tổng hợp (Pooling layer, tiêu biểu là Max-pooling giảm chiều không gian và hạn chế overfitting), các lớp kích hoạt phi tuyến (ReLU tại tầng ẩn nhằm đẩy nhanh tốc độ hội tụ và tránh bão hòa, hàm Softmax ở tầng ra để tính phân phối xác suất phân loại đa lớp), cùng lớp kết nối đầy đủ (Fully Connected layer) sau bước làm phẳng (Flattening). Khóa luận cũng khảo sát các kiến trúc mạng liên quan như ResNet (sử dụng skip connection khắc phục suy giảm thông tin), RNN, LSTM.
  • Mạng sinh đối kháng và mẫu đối kháng: Khảo sát cấu trúc Generative Adversarial Network (GAN) gồm hai thành phần đối nghịch là bộ tạo (Generator) và bộ phân biệt (Discriminator); phân tích cơ chế tạo nhiễu đối kháng bằng các thuật toán Carlini & Wagner (C&W) attack và Decision Tree attack nhằm thay đổi nhãn dự đoán của mô hình với độ biến thiên thuộc tính nhỏ nhất; tìm hiểu khung công cụ Adversarial Robustness Toolbox (ART) và phương pháp phát hiện ngoại lai ML-LOO.

Phương pháp nghiên cứu thực nghiệm được thực hiện theo quy trình kỹ thuật:

  1. Nghiên cứu tài liệu: Tổng hợp lý thuyết từ các bài báo khoa học chuyên ngành về NIDS, kỹ thuật tối ưu hóa mô hình lai (Hybrid model), và cơ chế phòng thủ đối kháng.
  2. Tiền xử lý dữ liệu: Áp dụng phương pháp phạm vi tứ phân vị (Interquartile Range - IQR) để phát hiện và loại bỏ các giá trị dị biệt; chuẩn hóa dữ liệu; tiến hành gom cụm nhãn tấn công tương đồng.
  3. Cân bằng tập dữ liệu: Xử lý hiện tượng mất cân bằng mẫu bằng cách phối hợp thuật toán sinh mẫu nhân tạo SMOTE (Synthetic Minority Over-sampling Technique) với các kỹ thuật giảm mẫu làm sạch biên ENN (Edited Nearest Neighbors) và OSS (One-Sided Selection).
  4. Thực nghiệm và đo lường: Huấn luyện độc lập từng tầng và tích hợp hệ thống hoàn chỉnh; đánh giá trên tập dữ liệu CIC-IDS-2017 thông qua các độ đo kiểm thử hiệu năng.
Thành phần kỹ thuật Công cụ / Thuật toán áp dụng Mục đích và vai trò trong hệ thống
Ngôn ngữ & Nền tảng Python, Google Colaboratory Môi trường lập trình và tính toán thực nghiệm trên GPU/TPU
Framework AI TensorFlow 2, Keras, Scikit-learn Xây dựng, huấn luyện mô hình học máy và học sâu
Thư viện bổ trợ NumPy, Pandas, Matplotlib Thao tác dữ liệu ma trận, xử lý khung dữ liệu và trực quan hóa
Phân loại Tầng 1 Decision Tree (DT) Phân loại nhị phân nhanh: Lưu lượng bình thường (Benign) vs Bất thường
Phân loại Tầng 2 Convolutional Neural Network (CNN) Phân loại đa lớp xác định cụ thể loại hình tấn công mạng
Phát hiện đối kháng ML-LOO kết hợp Logistic Regression (LR) Phát hiện và loại bỏ mẫu đối kháng sinh ra từ C&W và DT attack
Cân bằng dữ liệu SMOTE kết hợp ENN và OSS Khắc phục chênh lệch tỷ lệ mẫu giữa các lớp tấn công trong tập dữ liệu

Thiết kế và triển khai

Hệ thống được thiết kế theo cấu trúc module đa tầng khép kín nhằm tối ưu hóa tài nguyên tính toán và gia tăng tính bền vững trước các kỹ thuật tấn công lừa dối mô hình AI.

Luồng xử lý tổng thể của hệ thống Two-stage IDS:
Lưu lượng mạng đầu vào
Tiền xử lý dữ liệu (IQR, Chuẩn hóa, Gom nhãn, Cân bằng SMOTE + ENN/OSS)
Bộ phát hiện mẫu đối kháng (ML-LOO sử dụng Logistic Regression)
       Giai đoạn 1: Phân loại nhị phân (Decision Tree)
                   Giai đoạn 2: Phân loại đa lớp (CNN đề xuất)
                   Xác định cụ thể loại hình tấn công (DoS, PortScan, Brute Force...)

Kiến trúc Two-stage IDS

  • Giai đoạn 1 (Sàng lọc nhị phân): Sử dụng thuật toán Decision Tree với nhiệm vụ nhận diện nhanh các bản ghi lưu lượng là bình thường (Benign) hay bất thường (Malicious). Cây quyết định được áp dụng tại bước này nhờ tốc độ suy luận nhanh, tiêu tốn ít chu kỳ CPU, cho phép lọc bỏ ngay phần lớn lưu lượng hợp lệ mà không cần chuyển tiếp qua các lớp mạng nơ-ron phức tạp.
  • Giai đoạn 2 (Phân loại đa lớp): Sử dụng mạng CNN tiếp nhận các bản ghi bất thường đã được sàng lọc từ Giai đoạn 1. Mạng CNN tiến hành trích xuất đặc trưng sâu từ không gian thuộc tính đã định dạng, phân loại chính xác lưu lượng vào các nhóm tấn công cụ thể. Mô hình tận dụng hàm kích hoạt ReLU tại các lớp tích chập và lớp ẩn nhằm tối ưu hóa tốc độ tính toán, kết hợp kỹ thuật Batch Normalization để ổn định phân phối giá trị trung tâm bằng không, cùng hàm Softmax ở lớp đầu ra để xuất phân phối xác suất trên toàn bộ các lớp tấn công mục tiêu.

Mô-đun phát hiện mẫu đối kháng (ML-LOO)

Nhằm ngăn chặn việc kẻ tấn công chèn nhiễu nhỏ vào các gói tin để qua mặt khâu phân loại của Tầng 1, hệ thống tích hợp giải pháp ML-LOO (Machine Learning Leave-One-Out).

  • ML-LOO hoạt động như một màng lọc giám sát đầu vào, ứng dụng thuật toán Logistic Regression được huấn luyện dựa trên tập hợp đặc trưng trích xuất từ dữ liệu lưu lượng thật và các mẫu đối kháng sinh ra bởi kỹ thuật tấn công Carlini & Wagner (C&W) cũng như Decision Tree attack (sử dụng Adversarial Robustness Toolbox - ART).
  • Mô-đun chịu trách nhiệm phát hiện và cô lập các mẫu bất thường có hành vi lừa dối trước khi gói tin đi sâu vào quy trình phân tích của hệ thống Two-stage IDS.

Quy trình tiền xử lý và cấu hình mô hình

  • Làm sạch dữ liệu ngoại lai: Sử dụng phương pháp phạm vi tứ phân vị (IQR = $Q_3 - Q_1$) để định vị và xử lý các điểm dữ liệu dị biệt nằm ngoài dải hợp lệ.
  • Cân bằng mẫu: Khắc phục sự phân bố lệch nghiêm trọng giữa lớp lưu lượng bình thường và các lớp tấn công hiếm bằng kỹ thuật SMOTE để tăng cường dữ liệu lớp thiểu số, đồng thời sử dụng ENN và OSS để loại bỏ các điểm dữ liệu biên mâu thuẫn hoặc gây nhiễu.
  • Gom nhãn tấn công: Bảng gom nhãn (Bảng 3-1 trong khóa luận) tổng hợp các hành vi tấn công nhỏ lẻ thành các nhóm tấn công chính có tính chất tương đồng để tối ưu hóa quá trình học của tầng CNN.

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương 1 thiết lập tính cấp thiết của đề tài xuất phát từ sự bùng nổ của mạng Internet và công nghệ IoT, đi kèm với sự gia tăng đột biến của các cuộc tấn công mạng quy mô lớn (dẫn chứng vụ Spamhaus, BlueBorne và camera Hikvision). Tác giả phân tích điểm nghẽn của Signature-based IDS và Anomaly-based IDS truyền thống, đồng thời chỉ ra tính kém hiệu quả của các mô hình One-stage IDS đơn lẻ trong bối cảnh dữ liệu lớn. Chương này xác định rõ mục tiêu nghiên cứu xây dựng mô hình kết hợp Two-stage IDS (học máy cho sàng lọc nhị phân, học sâu cho phân loại đa lớp) tích hợp bộ phát hiện mẫu đối kháng, xác lập đối tượng nghiên cứu, phạm vi dữ liệu và phác thảo lộ trình thực hiện khóa luận.

Chương 2: Cơ sở lý thuyết

Chương 2 trình bày có hệ thống toàn bộ nền tảng kiến thức liên quan:

  • Giới thiệu khái niệm IDS, tam giác bảo mật C-I-A, phân loại HIDS/NIDS và Signature-based/Anomaly-based IDS.
  • Giới thiệu môi trường lập trình Python cùng các thư viện khoa học dữ liệu và học máy: TensorFlow, Scikit-learn, Keras, NumPy, Pandas, Matplotlib.
  • Khái quát phương thức học có giám sát, phi giám sát và học tăng cường; phân tích cơ chế toán học của các thuật toán phân loại: Decision Tree (công thức lựa chọn thuộc tính phân tách qua Cross-entropy, Gini), Logistic Regression, Random Forest, K-NN (khoảng cách Euclidean), và mạng nơ-ron nhân tạo ANN (hàm tổng, hàm kích hoạt sigmoid).
  • Trình bày chi tiết kiến trúc mạng CNN: chức năng các lớp tích chập (ma trận kernel, cơ chế stride, padding same/valid), lớp tổng hợp (max-pooling, average-pooling), các hàm kích hoạt (Sigmoid, ReLU, Softmax), lớp làm phẳng (Flattening), lớp kết nối đầy đủ (Fully Connected), và kiến trúc mạng phần dư ResNet (skip connection).
  • Khái quát mô hình phân biệt và tạo sinh, kiến trúc mạng sinh đối kháng (GAN) cùng chu trình lan truyền ngược giữa Generator và Discriminator; phân tích khái niệm mẫu đối kháng và hai kỹ thuật sinh mẫu tấn công cụ thể là Carlini & Wagner attack và Decision Tree attack.

Chương 3: Mô hình hệ thống Two-stage IDS

Chương 3 đi sâu vào thiết kế kỹ thuật của hệ thống đề xuất:

  • Trình bày tổng thể luồng hoạt động của hệ thống phát hiện xâm nhập hai tầng (Two-stage IDS).
  • Chi tiết hóa quy trình tiền xử lý dữ liệu lưu lượng: xử lý thuộc tính, làm sạch ngoại lai, và áp dụng bảng tổng hợp quá trình gom nhãn (Bảng 3-1). Phân tích giải pháp cân bằng dữ liệu thông qua việc phối hợp kỹ thuật sinh mẫu SMOTE với kỹ thuật giảm mẫu ENN và OSS.
  • Thiết kế mô hình Giai đoạn 1 với thuật toán Decision Tree phục vụ bài toán sàng lọc nhị phân lưu lượng bình thường và bất thường.
  • Thiết kế cấu hình chi tiết của mô hình CNN đề xuất tại Giai đoạn 2 (Bảng 3-2) nhằm thực hiện nhiệm vụ phân loại đa lớp các loại hình tấn công.
  • Trình bày kiến trúc và cơ chế tích hợp mô-đun ML-LOO sử dụng Logistic Regression để phát hiện mẫu đối kháng, thiết lập lớp bảo vệ cho mô hình IDS.

Chương 4: Thực nghiệm và đánh giá

Chương 4 công bố kết quả kiểm thử trên môi trường thực nghiệm:

  • Giới thiệu bộ dữ liệu chuẩn CIC-IDS-2017, phân tích cấu trúc các trường thuộc tính và thông tin phân bố bản ghi giữa các nhãn dữ liệu (Bảng 4-1).
  • Trình bày các chỉ số đánh giá hiệu năng dựa trên Ma trận hỗn loạn (Confusion Matrix - Bảng 4-2), bao gồm tỷ lệ dự đoán đúng (True Positive Rate - TPR), tỷ lệ báo động giả (False Positive Rate - FPR), độ chính xác tổng thể (Accuracy) và các chỉ số phụ trợ.
  • Trình bày kết quả thực nghiệm sàng lọc mẫu đối kháng bằng mô-đun ML-LOO (Hình 4-1 thể hiện ma trận hỗn loạn từ kết quả dự đoán của ML-LOO).
  • Đánh giá hiệu suất phân loại của Two-stage IDS: phân tích ma trận hỗn loạn ở giai đoạn đầu phân loại nhị phân trên tập CIC-IDS-2017 (Hình 4-2); tổng quan cấu hình mô hình CNN đề xuất (Hình 4-3); phân tích ma trận hỗn loạn ở giai đoạn hai phân loại đa lớp (Hình 4-4); và bảng so sánh kết quả tỷ lệ phát hiện TPR của các nhãn tấn công trên bộ dữ liệu kiểm thử (Bảng 4-3).

Chương 5: Tổng kết và hướng phát triển

Chương 5 tóm tắt các kết quả đạt được của đề tài, đánh giá mức độ hoàn thành so với mục tiêu đề ra ban đầu về việc xây dựng hệ thống phát hiện xâm nhập hai tầng có khả năng phòng vệ mẫu đối kháng. Đồng thời, tác giả chỉ ra các hạn chế còn tồn đọng và đề xuất các phương hướng phát triển tiếp theo của hệ thống.

Nội dung Phụ lục: Hướng dẫn cấu hình và vận hành thực nghiệm trên Google Colaboratory; cơ sở toán học của phương pháp nhân tử Lagrange; và chi tiết kỹ thuật của phương pháp phạm vi tứ phân vị (IQR) dùng trong xử lý dữ liệu.

Kết quả và đóng góp

Khóa luận đã hoàn thành việc xây dựng và thực nghiệm hệ thống phát hiện xâm nhập hai tầng tích hợp cơ chế phòng thủ đối kháng, ghi nhận các kết quả kỹ thuật cụ thể:

  • Xây dựng quy trình xử lý dữ liệu hoàn chỉnh: Triển khai thành công chuỗi xử lý dữ liệu bao gồm làm sạch ngoại lai bằng IQR, gom nhóm nhãn tấn công tương đồng (Bảng 3-1), và cân bằng mẫu đa tầng kết hợp kỹ thuật sinh mẫu SMOTE với các kỹ thuật giảm mẫu ENN và OSS, giúp loại bỏ nhiễu biên và khắc phục hiện tượng mất cân bằng mẫu trên tập dữ liệu chuẩn CIC-IDS-2017.
  • Thiết kế kiến trúc phân loại hai giai đoạn tối ưu tài nguyên: Tầng 1 sử dụng Decision Tree đạt hiệu quả cao trong phân loại nhị phân, cho phép sàng lọc nhanh lưu lượng bình thường với chi phí tính toán thấp; Tầng 2 sử dụng mạng CNN đề xuất (cấu hình tại Bảng 3-2 và Hình 4-3) phân loại đa lớp chính xác các dạng tấn công từ các bản ghi bất thường. Kết quả phân loại được kiểm chứng qua Ma trận hỗn loạn ở cả hai giai đoạn (Hình 4-2 và Hình 4-4) cùng Bảng so sánh tỷ lệ phát hiện TPR trên từng nhóm tấn công (Bảng 4-3).
  • Tích hợp thành công lớp phòng thủ mẫu đối kháng: Mô-đun ML-LOO ứng dụng thuật toán Logistic Regression đã chứng minh khả năng nhận diện và sàng lọc các mẫu đối kháng sinh ra từ kỹ thuật Carlini & Wagner attack và Decision Tree attack (thể hiện qua ma trận hỗn loạn Hình 4-1), giảm thiểu nguy cơ mô hình Two-stage IDS bị đánh lừa.
  • Đóng góp so với nghiên cứu trước (tác giả tự nêu): Giải quyết đồng thời hai điểm nghẽn lớn của các nghiên cứu NIDS truyền thống: (1) Thay thế mô hình One-stage đơn lẻ kém hiệu quả bằng kiến trúc phân tầng kết hợp thế mạnh về tốc độ của học máy (DT) và độ chính xác phân loại phức tạp của học sâu (CNN), giảm áp lực tính toán và tối ưu thời gian huấn luyện; (2) Khắc phục lỗ hổng an ninh của các hệ thống AI-IDS hiện nay trước nguy cơ tấn công bằng mẫu đối kháng thông qua việc tích hợp cơ chế phòng thủ chuyên biệt ML-LOO.

Hạn chế và hướng nghiên cứu tiếp

Khóa luận nêu rõ các mặt hạn chế kỹ thuật và định hướng mở rộng:

  • Hạn chế:
    • Quá trình thực nghiệm và kiểm thử mô hình chủ yếu dựa trên tập dữ liệu lưu lượng mạng mô phỏng ngoại tuyến (offline dataset) CIC-IDS-2017; chưa tiến hành thử nghiệm, kiểm thử tải và đánh giá trực tiếp trên các luồng lưu lượng thực tế theo thời gian thực (real-time traffic) trong môi trường mạng vận hành của doanh nghiệp hoặc hệ thống IoT thực địa.
    • Phạm vi khảo sát và phòng thủ mẫu đối kháng mới tập trung vào hai kỹ thuật sinh mẫu cụ thể là Carlini & Wagner attack và Decision Tree attack thông qua thư viện Adversarial Robustness Toolbox, chưa bao quát toàn bộ các vector tấn công đối kháng biến thể phức tạp khác.
  • Hướng nghiên cứu tiếp:
    • Cải tiến và tối ưu hóa hiệu năng tổng thể của mô hình nhằm triển khai thử nghiệm trên các môi trường lưu lượng mạng thực tế, nâng cao độ chính xác của các cảnh báo thời gian thực.
    • Tiếp tục nghiên cứu, thử nghiệm và mở rộng các phương pháp phát hiện mẫu đối kháng tiên tiến khác nhằm tăng cường độ bền vững (robustness) của hệ thống IDS trước các hình thức tấn công lừa dối mô hình mới trong tương lai.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo chuyên môn phù hợp cho sinh viên, học viên cao học và các kỹ sư thuộc các chuyên ngành An toàn thông tin, Mạng máy tính và Truyền thông, Khoa học dữ liệu và Trí tuệ nhân tạo.

Các nội dung có giá trị tham khảo ứng dụng cao trong tài liệu bao gồm:

  • Quy trình thiết kế hệ thống phân loại hai tầng (Two-stage IDS): Phương pháp kết hợp thuật toán học máy phân loại nhanh (Decision Tree) và mạng học sâu trích xuất đặc trưng phức tạp (CNN) để giải quyết bài toán cân bằng giữa tốc độ xử lý và độ chính xác trong phân tích lưu lượng mạng lớn.
  • Kỹ thuật tiền xử lý và giải quyết mất cân bằng mẫu: Cách thức kết hợp đồng thời kỹ thuật sinh mẫu nhân tạo SMOTE với hai phương pháp giảm mẫu lọc biên ENN và OSS, đi kèm phương pháp lọc ngoại lai IQR.
  • Phương pháp tích hợp phòng thủ mẫu đối kháng (ML-LOO): Tài liệu cung cấp cách tiếp cận cụ thể về việc sử dụng thư viện Adversarial Robustness Toolbox (ART), kỹ thuật sinh mẫu C&W / DT attack và mô hình ML-LOO ứng dụng Logistic Regression để bảo vệ hệ thống trí tuệ nhân tạo trước các cuộc tấn công đối kháng.

Câu hỏi thường gặp

1. Tại sao nhóm tác giả lại lựa chọn kết hợp Decision Tree ở tầng 1 và CNN ở tầng 2 thay vì sử dụng một mô hình Deep Learning duy nhất?

Các mô hình học sâu nguyên khối (như DNN, RNN, LSTM) khi xử lý toàn bộ lưu lượng mạng lớn thường đòi hỏi tài nguyên tính toán rất cao và tiêu tốn nhiều thời gian huấn luyện. Do phần lớn lưu lượng mạng thông thường là lưu lượng bình thường (Benign), việc áp dụng Decision Tree ở tầng 1 giúp tận dụng ưu thế tốc độ xử lý nhanh và độ tin cậy cao của học máy trong bài toán phân loại nhị phân để loại bỏ sớm các gói tin hợp lệ. Mô hình CNN ở tầng 2 chỉ cần tập trung tài nguyên để giải quyết bài toán phân loại đa lớp trên tập dữ liệu bất thường đã được sàng lọc, từ đó giảm tải áp lực tính toán cho toàn hệ thống và cải thiện hiệu năng tổng thể.

2. Mô-đun ML-LOO đóng vai trò gì và sử dụng thuật toán nào trong hệ thống đề xuất?

Mô-đun ML-LOO (Machine Learning Leave-One-Out) đóng vai trò là một lớp màng lọc bảo vệ, chịu trách nhiệm phát hiện, sàng lọc và loại bỏ các mẫu lưu lượng đối kháng (adversarial samples) được kẻ tấn công cố tình tạo ra nhằm đánh lừa hệ thống IDS. Trong khóa luận, tác giả sử dụng thuật toán Logistic Regression (Hồi quy Logistic) cho ML-LOO để phân loại nhị phân giữa dữ liệu lưu lượng thật và các mẫu dữ liệu đối kháng sinh ra từ các kỹ thuật tấn công Carlini & Wagner hoặc Decision Tree attack.

3. Nhóm nghiên cứu đã sử dụng những kỹ thuật nào để xử lý hiện tượng mất cân bằng dữ liệu?

Trên bộ dữ liệu CIC-IDS-2017, số lượng bản ghi giữa lớp bình thường và các lớp tấn công có sự chênh lệch lớn. Tác giả đã áp dụng phương pháp gom nhóm nhãn tấn công tương đồng (Bảng 3-1), sau đó phối hợp kỹ thuật sinh mẫu nhân tạo SMOTE (Synthetic Minority Over-sampling Technique) để bù đắp mẫu cho các lớp thiểu số, kết hợp với các kỹ thuật giảm mẫu ENN (Edited Nearest Neighbors) và OSS (One-Sided Selection) để dọn dẹp các mẫu gây nhiễu hoặc nằm sát ranh giới phân lớp.

4. Những sự kiện tấn công mạng thực tế nào được trích dẫn để chứng minh tính cấp thiết của đề tài?

Tác giả dẫn chứng ba sự kiện an ninh mạng điển hình: cuộc tấn công từ chối dịch vụ vào tổ chức Spamhaus năm 2013 với lưu lượng đỉnh điểm đạt 300 Gbps; lỗ hổng bảo mật Bluetooth mang tên BlueBorne phát hiện tháng 09/2017 đe dọa ước tính 8 tỷ thiết bị điện tử trên nhiều hệ điều hành; và lỗ hổng bảo mật nghiêm trọng trên gần 80 mẫu camera IP của hãng Hikvision vào tháng 06/2021 cho phép đối tượng tấn công thực thi mã độc phá hoại từ xa.

5. Những kỹ thuật sinh mẫu đối kháng nào được đưa vào nghiên cứu để kiểm thử hệ thống?

Khóa luận tập trung nghiên cứu và ứng dụng hai kỹ thuật sinh mẫu đối kháng phổ biến là Carlini & Wagner (C&W) attack và Decision Tree attack, được triển khai thông qua thư viện Adversarial Robustness Toolbox (ART). Các kỹ thuật này tạo ra những biến đổi nhiễu nhỏ trong thuộc tính gói tin khiến bộ phân loại dự đoán sai lệch nhãn tấn công.

Kết luận

Khóa luận tốt nghiệp của sinh viên Thái Hoàng Nhân và Nguyễn Đức Phú đã đề xuất và triển khai thành công mô hình hệ thống phát hiện xâm nhập mạng hai tầng (Two-stage IDS), kết hợp linh hoạt giữa thuật toán Decision Tree cho phân loại nhị phân ở tầng 1 và mạng nơ-ron tích chập CNN cho phân loại đa lớp ở tầng 2. Nghiên cứu giải quyết hiệu quả bài toán mất cân bằng dữ liệu thông qua tổ hợp kỹ thuật SMOTE, ENN và OSS trên tập dữ liệu chuẩn CIC-IDS-2017, đồng thời giải quyết bài toán chống lừa dối mô hình bằng cách tích hợp mô-đun phát hiện mẫu đối kháng ML-LOO sử dụng Logistic Regression. Toàn bộ quy trình từ thiết kế kiến trúc, xử lý dữ liệu đến đánh giá thực nghiệm đã chứng minh tính khả thi của giải pháp trong việc tối ưu hóa tài nguyên tính toán và nâng cao độ an toàn cho hệ thống giám sát an ninh mạng.