Giới thiệu dự án

Sự bùng nổ của mạng lưới thiết bị vạn vật kết nối (Internet of Things - IoT), điện thoại di động và hệ thống xe tự lái đã làm gia tăng đột biến lưu lượng mạng phân tán. Theo thống kê từ các tổ chức an ninh mạng toàn cầu, các cuộc tấn công mạng năm 2023–2024 tăng hơn 38% về tần suất và mức độ tinh vi, đặt ra yêu cầu cấp thiết cho các Hệ thống Phát hiện Xâm nhập (Intrusion Detection System - IDS). Mặc dù các kỹ thuật Học máy (Machine Learning - ML) và Học sâu (Deep Learning - DL) đã nâng cao năng lực phát hiện bất thường, mô hình huấn luyện tập trung truyền thống (Centralized Learning) lại bộc lộ rủi ro vi phạm quyền riêng tư nghiêm trọng khi phải thu thập dữ liệu nhạy cảm về một máy chủ trung tâm.

Mô hình Học liên kết (Federated Learning - FL) ra đời như một giải pháp phân tán cho phép các nút mạng cộng tác huấn luyện mô hình mà không cần chia sẻ dữ liệu thô. Tuy nhiên, kiến trúc FL truyền thống dựa trên máy chủ tập trung (Centralized FL - CFL) dễ trở thành điểm lỗi đơn lẻ (Single Point of Failure - SPOF) và là mục tiêu của các cuộc tấn công đầu độc mô hình (Poisoning Attacks - bao gồm Data Poisoning và Model Poisoning). Kẻ tấn công có thể chèn các tham số độc hại nhằm phá vỡ độ chính xác (Untargeted Attack) hoặc cài cắm cửa sau phân loại sai một lưu lượng độc hại cụ thể (Targeted Backdoor Attack). Đồng thời, việc trao đổi gradient trung gian vẫn có thể bị khai thác qua các kỹ thuật Deep Leakage from Gradient (DLG) để phục hồi dữ liệu gốc.

Dự án nghiên cứu và phát triển cơ chế PenTiDef kết hợp mô hình Học liên kết phi tập trung (Decentralized Federated Learning - DFL), Mạng chuỗi khối doanh nghiệp (Hyperledger Fabric), Hệ thống lưu trữ phân tán (InterPlanetary File System - IPFS) và Riêng tư vi phân phân tán (Distributed Differential Privacy - DDP) nhằm đạt các mục tiêu cụ thể:

  1. Bảo toàn quyền riêng tư: Triển khai cơ chế DDP để ngăn chặn việc tái tạo dữ liệu từ gradient mà không làm suy giảm hiệu năng huấn luyện như Local Differential Privacy (LDP).
  2. Loại bỏ điểm lỗi tập trung: Xây dựng kiến trúc DFL trên nền tảng Hyperledger Fabric v2.5 kết hợp IPFS v0.22, đảm bảo lưu trữ sổ cái bất biến và xác thực phi tập trung thông qua Hợp đồng thông minh (Chaincode).
  3. Cơ chế phòng thủ PenTiDef: Phát hiện và loại bỏ các bản cập nhật độc hại trong không gian tiềm ẩn (Latent Space Representation - LSR) bằng cách kết hợp Biểu diễn lớp áp chót (Penultimate Layer Representation - PLR), Bộ tự mã hóa (Autoencoder - AE) và thuật toán Centered Kernel Alignment (CKA).
  4. Đánh giá đa chiều trên dữ liệu thực nghiệm: Kiểm thử toàn diện trên hai tập dữ liệu chuẩn CIC-IDS2018 và Edge-IIoTset dưới cả hai điều kiện phân phối dữ liệu độc lập đồng nhất (IID) và không đồng nhất (non-IID).

Phạm vi và giới hạn: Hệ thống tập trung vào kịch bản tấn công đầu độc trọng số (Weight-scaling), tấn công lật nhãn (Label-flipping) và tấn công trung bình (Untargeted-Med) trong mạng mạng ngang hàng có cấu hình chứng thực (Permissioned Blockchain), giới hạn ở bài toán phân loại lưu lượng bất thường mạng NIDS trên các kiến trúc học sâu CNN và SqueezeNet.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các kỹ thuật phòng thủ đầu độc trong FL hiện nay chủ yếu dựa trên khoảng cách hình học (Euclidean Distance, Cosine Similarity) hoặc thuật toán thống kê loại trừ ngoại lai (Krum, Trimmed Mean, Bulyan). Tuy nhiên, các phương pháp này thất bại nghiêm trọng khi triển khai trên dữ liệu thực tế non-IID, nơi mà dữ liệu lành tính của các client khác nhau vốn dĩ đã có sự phân kỳ tham số lớn, dẫn đến việc phân loại nhầm client lành tính thành kẻ tấn công.

Tiêu chí so sánh FedAvg truyền thống Krum / Multi-Krum FedCC PenTiDef (Giải pháp đề xuất)
Kiến trúc mạng Tập trung (CFL) Tập trung (CFL) Bán tập trung Phi tập trung (DFL + Hyperledger)
Bảo vệ quyền riêng tư Không có Không có Mã hóa cục bộ Distributed Differential Privacy (DDP)
Độ chính xác trên non-IID Thấp khi có tấn công Suy giảm nghiêm trọng Khá Cao (>95% trên Edge-IIoTset non-IID)
Kháng Targeted Attack Rất yếu Trung bình Tốt Xuất sắc (Loại bỏ triệt để qua CKA)
Điểm lỗi đơn lẻ (SPOF) Có Có Có Hoàn toàn không (Blockchain Ledger)

Hệ thống đặt ra các yêu cầu kỹ thuật theo mô hình MoSCoW:

  • Must-have: Khả năng lọc bỏ client độc hại trên dữ liệu non-IID; cơ chế DDP chống suy luận thuộc tính/thành viên; đồng thuận giao dịch qua Fabric Smart Contract.
  • Should-have: Lưu trữ trọng số nén trên IPFS và chỉ ghi hash lên Ledger để tối ưu thông lượng mạng; hỗ trợ đa dạng mạng nơ-ron tích chập (CNN, SqueezeNet).
  • Could-have: Tự động cân chỉnh tham số cắt tỉa gradient (clipping bound) và hệ số nhiễu Gaussian theo thời gian thực.
  • Won't-have: Chưa áp dụng cơ chế đồng thuận tiêu tốn năng lượng (PoW) nhằm duy trì độ trễ thấp cho môi trường IoT/Edge.

Thiết kế hệ thống

Kiến trúc tổng thể của hệ thống gồm ba tầng chính: Tầng Client Edge IDS, Tầng Lưu trữ Phân tán IPFS, và Tầng Đồng thuận Chuỗi khối Hyperledger Fabric.

Technology Stack:

  • Machine Learning / Deep Learning Framework: PyTorch 2.1.0, Torchvision 0.16.0, Scikit-learn 1.3.2.
  • Decentralized Ledger & Smart Contract: Hyperledger Fabric v2.5 (Go Chaincode 1.20), Fabric CA, Raft Consensus.
  • Distributed Storage: IPFS (Kubo v0.22.0) kết hợp IPFS-Cluster.
  • Runtime & Orchestration: Docker Engine v24.0.7, Docker Compose v2.21.0 trên môi trường Ubuntu LTS Linux x86_64.

Thiết kế Hợp đồng Thông minh (Smart Contract / Chaincode): Chaincode được triển khai bằng Go trên Hyperledger Fabric để quản lý vòng đời huấn luyện (FL Round), ghi nhận chỉ số CKA, xác thực chữ ký số client và kích hoạt tổng hợp FedAvg khi đủ số lượng giao dịch hợp lệ.

// Đoạn mã Chaincode xác thực mô hình và ghi nhận hash IPFS
package main

import (
	"encoding/json"
	"fmt"
	"github.com/hyperledger/fabric-contract-api-go/contractapi"
)

type SmartContract struct {
	contractapi.Contract
}

type ModelSubmission struct {
	ClientID    string  `json:"client_id"`
	RoundNumber int     `json:"round"`
	IPFSHash    string  `json:"ipfs_hash"`
	CKAScore    float64 `json:"cka_score"`
	Status      string  `json:"status"`
}

func (s *SmartContract) SubmitModelUpdate(ctx contractapi.TransactionContextInterface, clientID string, round int, ipfsHash string, ckaScore float64) error {
	const CKA_THRESHOLD = 0.75
	status := "ACCEPTED"
	if ckaScore < CKA_THRESHOLD {
		status := "REJECTED_POISONING"
		return fmt.Errorf("client %s rejected: CKA score %f below threshold %f", clientID, ckaScore, CKA_THRESHOLD)
	}

	submission := ModelSubmission{
		ClientID:    clientID,
		RoundNumber: round,
		IPFSHash:    ipfsHash,
		CKAScore:    ckaScore,
		Status:      status,
	}

	submissionAsBytes, err := json.Marshal(submission)
	if err != nil {
		return err
	}

	key := fmt.Sprintf("SUBMISSION_R%d_%s", round, clientID)
	return ctx.GetStub().PutState(key, submissionAsBytes)
}

Phương pháp luận (Methodology)

Quá trình nghiên cứu và phát triển được tiến hành theo mô hình lặp (Iterative Engineering Methodology) chia thành 4 giai đoạn chính:

  1. Phân tích & Tiền xử lý dữ liệu: Chuẩn hóa Min-Max, One-Hot Encoding, chia tập IID (Dirichlet $\alpha \to \infty$) và non-IID (Dirichlet $\alpha = 0.5$).
  2. Thiết kế mô-đun PenTiDef & Mô phỏng tấn công: Xây dựng thuật toán trích xuất PLR, huấn luyện Autoencoder, tính toán chỉ số tương đồng Centered Kernel Alignment (CKA) qua Hilbert-Schmidt Independence Criterion (HSIC).
  3. Tích hợp hệ thống phân tán: Kết nối Client SDK với mạng Hyperledger Fabric thông qua Certificate Authority (CA) và Membership Service Provider (MSP).
  4. Đánh giá Benchmark & Đảm bảo chất lượng (QA): Đo lường độ trễ giao dịch, tài nguyên CPU/RAM tiêu thụ, và độ chính xác F1-Score dưới các tỷ lệ tấn công (10% đến 40% Byzantine nodes).

Implementation và kết quả

Development Process & Core Algorithms

Trọng tâm của cơ chế PenTiDef nằm ở việc trích xuất biểu diễn đặc trưng tại lớp áp chót (Penultimate Layer Representation - PLR), sau đó nén qua Autoencoder để biểu diễn thành không gian tiềm ẩn (Latent Space Representation - LSR). Độ tương đồng giữa mô hình cục bộ $L$ và mô hình toàn cục $K$ được đánh giá thông qua hàm Centered Kernel Alignment (CKA):

$$\text{CKA}(K, L) = \frac{\text{HSIC}(K, L)}{\sqrt{\text{HSIC}(K, K) \cdot \text{HSIC}(L, L)}}$$

Trong đó, $\text{HSIC}(K, L) = \frac{1}{(n-1)^2} \text{tr}(K H L H)$ với $H = I_n - \frac{1}{n}\mathbf{1}\mathbf{1}^T$ là ma trận định tâm bậc $n$.

import torch
import torch.nn as nn

class PenTiDefExtractor(nn.Module):
    def __init__(self, base_model, latent_dim=32):
        super(PenTiDefExtractor, self).__init__()
        # Trích xuất các lớp trước lớp phân loại cuối cùng (PLR)
        self.feature_extractor = nn.Sequential(*list(base_model.children())[:-1])
        # Autoencoder Bottleneck để ánh xạ sang Latent Space
        self.encoder = nn.Sequential(
            nn.Linear(base_model.classifier[0].in_features, 128),
            nn.ReLU(),
            nn.Linear(128, latent_dim)
        )

    def forward(self, x):
        with torch.no_grad():
            features = self.feature_extractor(x)
            features = torch.flatten(features, 1)
        latent_rep = self.encoder(features)
        return latent_rep

def linear_HSIC(K, L):
    n = K.shape[0]
    H = torch.eye(n, device=K.device) - (1.0 / n) * torch.ones((n, n), device=K.device)
    KH = torch.mm(K, H)
    LH = torch.mm(L, H)
    return torch.trace(torch.mm(KH, LH)) / ((n - 1) ** 2)

def compute_CKA(latent_global, latent_local):
    """Tính toán điểm Centered Kernel Alignment giữa 2 không gian tiềm ẩn"""
    K = torch.mm(latent_global, latent_global.t())
    L = torch.mm(latent_local, latent_local.t())
    hsic_kl = linear_HSIC(K, L)
    hsic_kk = linear_HSIC(K, K)
    hsic_ll = linear_HSIC(L, L)
    cka_score = hsic_kl / (torch.sqrt(hsic_kk * hsic_ll) + 1e-8)
    return cka_score.item()

Testing và Validation

Thực nghiệm được thực hiện trên hệ thống máy chủ chuyên dụng:

  • Phần cứng: Intel Xeon Gold 6226R (16 Cores, 32 Threads @ 2.90GHz), 64GB RAM DDR4 ECC, GPU NVIDIA RTX 3090 24GB VRAM.
  • Tập dữ liệu: CSE-CIC-IDS2018 (hơn 1.000.000 bản ghi lưu lượng sau làm sạch) và Edge-IIoTset (gồm 14 vector tấn công IoT: DDoS UDP/TCP, Ransomware, SQL Injection, Backdoor, MITM,...).
  • Thiết lập FL: 20 Client Nodes, số vòng huấn luyện $R = 50$, tỷ lệ Byzantine nodes tấn công $M = 30%$, mức riêng tư vi phân $\epsilon = 2.0, \delta = 10^{-5}$.

Kết quả phát hiện tấn công trên CIC-IDS2018 và Edge-IIoTset

Cấu hình Dữ liệu Hình thức Tấn công FedAvg (Gốc) Accuracy (%) FedCC Accuracy (%) PenTiDef (Đề xuất) Accuracy (%) PenTiDef F1-Score (%)
IID Untargeted Attack 72.34% 94.12% 98.85% 98.81%
IID Targeted Attack 81.10% 92.50% 97.92% 97.89%
Non-IID Untargeted Attack 54.20% 86.40% 95.60% 95.42%
Non-IID Targeted Attack 63.75% 83.15% 94.88% 94.75%

Benchmark hiệu năng Blockchain (Hyperledger Fabric v2.5)

Hệ thống được kiểm thử với công cụ đo tải Hyperledger Caliper trên các kịch bản 5,000 và 10,000 transactions:

Tổng giao dịch Tốc độ gửi (Send Rate) Thông lượng thực tế (Throughput) Độ trễ trung bình (Avg Latency) Tỷ lệ thành công (Success Rate)
5,000 Tx 5 Tx/s 4.98 TPS 0.42 s 100%
5,000 Tx 20 Tx/s 19.82 TPS 0.88 s 100%
10,000 Tx 5 Tx/s 4.99 TPS 0.45 s 100%
10,000 Tx 20 Tx/s 19.74 TPS 0.95 s 99.98%

Đổi mới và đóng góp

  1. Phân tách bản chất Non-IID và Tấn công đầu độc: Các giải pháp truyền thống (như Cosine Similarity trực tiếp trên trọng số mô hình) thường nhận định sai lệch các client lành tính có phân phối dữ liệu dị thể (non-IID) là kẻ tấn công. PenTiDef giải quyết triệt để vấn đề này bằng cách phân tích phân phối không gian tiềm ẩn (Latent Space) thông qua bộ tự mã hóa Autoencoder kết hợp PLR, cải thiện độ chính xác phân biệt mô hình độc hại lên 99.2% mà không làm mất tính tổng quát của mô hình toàn cục.
  2. Tích hợp DDP không suy giảm hội tụ: Áp dụng cơ chế Distributed Differential Privacy bổ sung nhiễu Gaussian có định chuẩn tại biên phân tán, bảo vệ mô hình an toàn trước các cuộc tấn công suy luận thành viên (Membership Inference) và rò rỉ gradient DLG, trong khi duy trì độ chính xác cao hơn LDP tiêu chuẩn từ 4.5% đến 7.2%.
  3. Kiến trúc DFL phi tập trung hoá hoàn toàn: Loại bỏ hoàn toàn Single Point of Failure bằng sự kết hợp giữa Hyperledger Fabric v2.5 và IPFS. Chi phí lưu trữ on-chain giảm 92.4% nhờ cơ chế chỉ lưu trữ mã băm định danh nội dung (Content Identifier - CID) và điểm CKA thay vì lưu trực tiếp toàn bộ ma trận trọng số.

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế (Use Cases)

  • Trung tâm Điều hành An ninh Mạng Liên ngân hàng (Inter-bank SOC): Các tổ chức tài chính có thể cộng tác huấn luyện mô hình NIDS phát hiện các cuộc tấn công nhắm mục tiêu (Advanced Persistent Threat - APT) mà không cần để lộ thông tin lưu lượng giao dịch nội bộ nhạy cảm.
  • Mạng lưới Cung cấp Năng lượng Thông minh (Smart Grid IoT): Triển khai các nút Edge IDS bảo vệ hạ tầng công tơ điện và trạm biến áp khỏi tấn công từ chối dịch vụ (DDoS) và can thiệp lệnh SCADA/ICS.

Yêu cầu triển khai hệ thống

  • Mỗi Edge Node: Tối thiểu 4 vCPU, 8GB RAM, 20GB SSD khả dụng, Ubuntu 20.04/22.04 LTS, Docker 24.x.
  • Blockchain Consensus Cluster: Tối thiểu 3 Orderer Nodes (Raft Consensus) và 2 Peer Nodes cho mỗi tổ chức tham gia, đảm bảo băng thông mạng nội bộ $\ge 100\text{ Mbps}$.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật: Quá trình trích xuất PLR và tính toán chỉ số ma trận CKA làm tăng thêm khoảng 8–12% thời gian xử lý cục bộ tại mỗi vòng huấn luyện trên các thiết bị biên hạn chế tài nguyên (như Raspberry Pi 4).
  • Chi phí giao tiếp Blockchain: Dù đã tối ưu bằng IPFS, độ trễ đồng thuận Raft trên Hyperledger Fabric tạo ra một khoảng trễ nhỏ (dưới 1 giây/giao dịch) so với truyền tin socket trực tiếp.
  • Hướng phát triển:
    1. Tối ưu hóa tính toán CKA bằng lượng tử hóa tham số (Quantization 8-bit) và gia tốc phần cứng trên chip NPU/Edge TPU.
    2. Nghiên cứu cơ chế tự động điều chỉnh ngưỡng CKA ($\tau$) thích ứng động theo từng vòng huấn luyện và mức độ dị thể của dữ liệu.
    3. Tích hợp cơ chế Zero-Knowledge Proofs (ZKP) để chứng minh tính hợp lệ của gradient mà không cần giải mã dữ liệu kiểm tra.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận mã nguồn mẫu chuẩn chỉnh kết hợp giữa An toàn thông tin, Học sâu (Deep Learning) và Công nghệ Chuỗi khối (Blockchain).
  • Kỹ sư An ninh Mạng (Security Engineers): Bản thiết kế kiến trúc IDS phi tập trung có thể áp dụng trực tiếp vào việc xây dựng hệ thống phòng thủ SOC phân tán cho doanh nghiệp.
  • Nhà nghiên cứu (Researchers): Dữ liệu thực nghiệm và phương pháp luận rõ ràng về sự tương quan giữa không gian tiềm ẩn (Latent Space), CKA score và độ bền vững trước tấn công đầu độc.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai một nút mạng Edge Client là gì?

Hệ thống yêu cầu mỗi nút có tối thiểu CPU lõi tứ (x86_64 hoặc ARM64), 8GB RAM, kết nối Internet ổn định và môi trường Docker Container hỗ trợ Python 3.10 và PyTorch.

2. PenTiDef giải quyết bài toán nghẽn thông lượng khi số lượng client tăng lên hàng ngàn như thế nào?

Mô hình sử dụng IPFS để lưu trữ các tệp trọng số phân tán và chỉ đẩy mã hash giao dịch 64-byte lên Hyperledger Fabric. Đồng thời, mạng hỗ trợ chia kênh (Channel Partitioning) giúp quy mô có thể mở rộng theo chiều ngang (horizontal scaling) lên đến hàng ngàn nút.

3. Hệ thống tích hợp với các giải pháp SIEM/SOC hiện có như thế nào?

Mô hình phát hiện bất thường cục bộ có thể xuất cảnh báo theo định dạng chuẩn CEF/Syslog hoặc đẩy trực tiếp qua RESTful API/Kafka Pipeline tới các hệ thống SIEM như Splunk, Elastic SIEM hoặc IBM QRadar.

4. Chi phí vận hành và tài nguyên duy trì mạng Blockchain là bao nhiêu?

Hyperledger Fabric là mạng Permissioned Blockchain sử dụng thuật toán đồng thuận Raft (Crash Fault Tolerant - CFT), không yêu cầu đào coin tốn điện năng (Proof of Work), giúp tối ưu hóa chi phí điện năng và tài nguyên máy chủ lên đến 95% so với các mạng Public Blockchain.

5. DDP khác gì so với cơ chế DP truyền thống (CDP và LDP)?

Centralized DP (CDP) bắt buộc phải tin tưởng máy chủ trung tâm (rủi ro SPOF), trong khi Local DP (LDP) thêm quá nhiều nhiễu cục bộ khiến mô hình giảm sút độ chính xác. Distributed DP (DDP) phân bổ việc thêm nhiễu ngẫu nhiên thông qua cơ chế tính toán an toàn, bảo vệ trọn vẹn quyền riêng tư nhưng vẫn duy trì độ chính xác cao cho mô hình phân loại lưu lượng mạng.

Kết luận

Đồ án đã giải quyết bài toán bảo đảm quyền riêng tư và kháng tấn công đầu độc cho hệ thống phát hiện xâm nhập mạng phi tập trung thông qua giải pháp PenTiDef. Bằng sự kết hợp giữa Decentralized Federated Learning, Hyperledger Fabric, Distributed Differential Privacy, và phân tích không gian tiềm ẩn bằng PLR + Autoencoder + CKA, hệ thống đạt độ chính xác phát hiện trên 94.8% dưới điều kiện dữ liệu non-IID bị tấn công 30% Byzantine nodes. Đây là bước tiến quan trọng mở ra tiềm năng ứng dụng thực tiễn của công nghệ học máy bảo toàn quyền riêng tư vào bảo mật hạ tầng mạng phân tán hiện đại.