Tổng quan nghiên cứu

Trong kỷ nguyên chuyển đổi số hiện nay, theo ước tính của các chuyên gia công nghệ, hơn 80% khối lượng dữ liệu trao đổi hàng ngày trên toàn cầu tồn tại dưới dạng văn bản điện tử với hàng tỷ tệp tin được lưu chuyển qua mạng Internet. Sự bùng nổ này kéo theo nguy cơ mất an toàn thông tin, nạn đánh cắp bản quyền và rò rỉ dữ liệu mật ở mức báo động. Các kỹ thuật mã hóa cổ điển như DES hay RSA dù bảo đảm an toàn dữ liệu nhưng lại bộc lộ nhược điểm lớn: cấu trúc tệp mã hóa dễ gây chú ý cho tin tặc, kích thích các nỗ lực giải mã và tấn công phá hoại.

Xuất phát từ thực tiễn đó, luận văn thạc sĩ chuyên ngành Khoa học máy tính (mã số 60 48 01 01) được thực hiện năm 2017 tại Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên đã tập trung giải quyết bài toán bảo mật thông qua đề tài "Kỹ thuật giấu tin trong tệp văn bản và ứng dụng". Mục tiêu cốt lõi của nghiên cứu là xây dựng giải pháp nhúng thông tin bí mật vào tài liệu văn bản Microsoft Word (.docx) thông qua việc can thiệp các đặc trưng vi mô của ký tự. Nghiên cứu xác lập cơ chế bảo mật kép bằng cách kết hợp thuật toán logic XOR với kỹ thuật biến đổi thuộc tính ký tự, bảo đảm dữ liệu ẩn hoàn toàn vô hình trước mắt người đọc thông thường. Đóng góp nổi bật của công trình là đạt tỷ lệ bảo tồn cảm quan thị giác 100%, duy trì dung lượng nén ổn định với 8 ký tự vật mang tin cho 1 ký tự tin mật và mở ra hướng ứng dụng thực tiễn trong xác thực bản quyền số.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên 2 nền tảng lý thuyết trụ cột: Lý thuyết giấu tin mật (Steganography) và Lý thuyết thủy vân số (Watermarking). Luận văn làm rõ 5 khái niệm chuyên ngành then chốt bao gồm: kỹ thuật giấu tin bí mật (Steganography), kỹ thuật thủy vân bảo vệ bản quyền (Watermarking), kỹ thuật giãn cách vi mô giữa các ký tự (Kerning), độ lệch thuộc tính màu sắc (RGB Color Deviation) và thuật toán mã hóa nhị phân khối 8-bit.

Về cấu trúc biểu diễn dữ liệu văn bản, nghiên cứu phân tích hệ thống bảng mã từ chuẩn ASCII 7-bit (128 ký tự công bố năm 1963), chuẩn ANSI 8-bit (256 ký tự) cho đến chuẩn quốc tế Unicode. Đồng thời, luận văn khảo sát lịch sử phát triển của 14 bảng mã tiếng Việt khác nhau như VISCII (phát triển năm 1992), TCVN3 và VNI. Trên cơ sở đó, mô hình kỹ thuật tập trung vào môi trường Microsoft Word (.docx) với việc khai thác các thuộc tính vi mô: kích thước font (hỗ trợ từ 1 đến 1638 point, tương đương 1/72 inch đến 22,75 inch), dải màu sắc RGB (từ 0 đến 255) và khoảng cách ký tự Kerning (giá trị mặc định 0pt).

Phương pháp nghiên cứu

Nghiên cứu kết hợp chặt chẽ giữa phương pháp tổng hợp lý thuyết và phương pháp thực nghiệm phát triển phần mềm ứng dụng.

  • Nguồn dữ liệu và cỡ mẫu: Bộ dữ liệu thực nghiệm được thu thập từ 50 tệp văn bản định dạng .docx bằng tiếng Việt và tiếng Anh, có dung lượng dao động từ 5 KB đến 500 KB, tương đương mật độ từ 1.000 đến 50.000 ký tự cho mỗi tài liệu mẫu.
  • Phương pháp chọn mẫu: Luận văn áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên (stratified random sampling) từ các văn bản hành chính, tài liệu học thuật và bài báo tin tức nhằm đảm bảo tính đại diện cho môi trường trao đổi văn bản thực tế.
  • Lý do lựa chọn phương pháp phân tích: Tác giả lựa chọn phân tích vi định dạng (micro-formatting) kết hợp giải thuật logic XOR khối nhị phân 8-bit vì phương pháp này không làm biến đổi cấu trúc ngữ nghĩa câu từ, không làm gia tăng dung lượng file đột biến và bảo toàn toàn vẹn chất lượng trình bày trực quan.
  • Timeline nghiên cứu: Toàn bộ quá trình nghiên cứu lý thuyết, thiết kế thuật toán, lập trình phần mềm trên Visual Basic và đánh giá thực nghiệm được triển khai liên tục trong thời gian 7 tháng (từ tháng 01/2017 đến tháng 07/2017).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm thuật toán trên môi trường phần mềm tự phát triển đã ghi nhận 4 phát hiện quan trọng:

  1. Hiệu quả tàng hình của thuộc tính kích thước font (Font size): Khi thiết lập sự chênh lệch kích thước chỉ 1 point (ví dụ chuyển đổi giữa 13pt và 14pt hoặc 12pt và 13pt), mắt thường không thể nhận biết sự khác biệt. Tỷ lệ trích xuất lại thông điệp bí mật đạt độ chính xác tuyệt đối 100% trên các tệp tài liệu nguyên vẹn.
  2. Khả năng giấu tin bằng sắc thái màu RGB: Việc thay đổi chỉ số màu với bước nhảy cực vi mô delta = 1 (chuyển đổi từ mã màu đen chuẩn 0,0,0 sang 0,0,1 hoặc từ 255,255,255 sang 255,255,254) mã hóa thành công bit 1 mà hoàn toàn không để lại dấu vết thị giác trên màn hình hiển thị.
  3. Tính nhạy cảm định dạng và khả năng phát hiện can thiệp: Thử nghiệm với chuỗi thông tin giấu "Canaval Ha Long" (15 ký tự, tương đương 120 bit) trên tệp mang tin 72 ký tự với mật khẩu khóa "Nchi" cho thấy: khi giữ nguyên định dạng, tỷ lệ khôi phục đạt 100%; nhưng khi tài liệu bị chuyển đổi font size toàn bộ từ 13pt sang 12pt, tỷ lệ giải mã giảm về 0%. Hiện tượng này chứng minh tính năng phát hiện chỉnh sửa trái phép cực kỳ hiệu quả của thuật toán.
  4. Tối ưu hóa mật độ giấu tin: Thuật toán đạt tỷ lệ nén cố định 8 ký tự vật mang tin cho 1 ký tự tin ẩn (tỷ lệ 8:1). So với phương pháp chèn khoảng trắng sau câu truyền thống vốn tiêu tốn trung bình 160 byte cho 1 bit dữ liệu (tương đương 1.280 byte cho 1 ký tự), giải pháp mới giúp tăng mật độ nhúng tin lên 160 lần.

Thảo luận kết quả

Nguyên nhân cốt lõi giúp phương pháp đạt độ bảo mật cao là sự kết hợp giữa giới hạn tri giác quang học của mắt người (không thể phát hiện sai lệch 1/72 inch hoặc delta = 1 của hệ màu RGB) và thuật toán phân tích nhị phân theo từng block 8 ký tự. Phép toán logic XOR giữa chuỗi bit mật khẩu và chuỗi bit thông điệp tạo ra tầng bảo vệ thứ hai: ngay cả khi kẻ tấn công phát hiện được sự thay đổi thuộc tính, dữ liệu thu được vẫn là chuỗi nhị phân vô nghĩa nếu không có khóa giải mã.

So sánh với các nghiên cứu tiền nhiệm, kỹ thuật này vượt trội hơn phương pháp Open Space của Bender khi giảm thiểu dung lượng văn bản cần thiết từ 1.280 byte xuống chỉ còn 8 byte cho mỗi ký tự cần giấu. Đồng thời, giải pháp này khắc phục triệt để nhược điểm làm sai lệch ngữ cảnh ngữ pháp của phương pháp thay thế từ đồng nghĩa (Semantic method).

Dữ liệu thực nghiệm của luận văn có thể được trình bày trực quan thông qua bảng ma trận 3 thuộc tính (Font size, Character Spacing, Kerning) đối chiếu từng ký tự, kết hợp biểu đồ cột mô tả tỷ lệ phục hồi thông tin đạt 100% ở trạng thái nguyên vẹn so với 0% khi văn bản bị tái định dạng. Kết quả này khẳng định tính khả thi cao của việc ứng dụng kỹ thuật vi định dạng trong bảo vệ an toàn thông tin số.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu, 4 khuyến nghị và giải pháp hành động cụ thể được đề xuất nhằm hoàn thiện và ứng dụng kỹ thuật giấu tin văn bản:

  • Tích hợp chuẩn mã hóa nâng cao: Triển khai nâng cấp tầng bảo mật tiền xử lý từ phép toán XOR cơ bản sang thuật toán mã hóa AES-256 kết hợp mã hóa luồng, hướng tới mục tiêu nâng độ an toàn chống tấn công vét cạn (brute-force) lên 99,99%, thực hiện trong lộ trình 6 tháng bởi các nhóm nghiên cứu tại các viện công nghệ và trường đại học.
  • Xây dựng module bù lỗi tự động: Bổ sung cơ chế mã hóa sửa lỗi Reed-Solomon (Forward Error Correction) vào quy trình nhúng tin nhằm duy trì tỷ lệ trích xuất đạt tối thiểu 85% ngay cả khi tài liệu .docx bị thay đổi font chữ hoặc định dạng cục bộ, hoàn thành trong 12 tháng bởi các kỹ sư an toàn thông tin.
  • Mở rộng hỗ trợ đa nền tảng và định dạng: Nâng cấp phần mềm từ ngôn ngữ Visual Basic sang C# .NET Core và Python, mở rộng khả năng nhúng tin trên các định dạng PDF, HTML5 và ODT với năng lực xử lý trên 1.000 trang tài liệu trong thời gian dưới 3 giây, triển khai giai đoạn 2024–2025 bởi các doanh nghiệp phát triển phần mềm văn phòng.
  • Chuẩn hóa quy trình thủy vân tài liệu điện tử: Ban hành khung hướng dẫn kỹ thuật áp dụng công nghệ giấu tin để tự động đóng dấu số bảo vệ bản quyền cho 100% văn bản hành chính nhạy cảm lưu hành nội bộ, thực hiện định kỳ hàng quý bởi Bộ Thông tin và Truyền thông cùng các cơ quan quản trị an ninh mạng.

Đối tượng nên tham khảo luận văn

Tài liệu luận văn mang lại giá trị thực tiễn và học thuật phong phú cho 4 nhóm đối tượng chính:

  • Học viên cao học và nhà nghiên cứu Khoa học máy tính: Tiếp cận bức tranh tổng quan về Steganography, hệ thống 14 bảng mã tiếng Việt và mã nguồn thuật toán nhúng bit trên Visual Basic để mở rộng phát triển các đề tài an toàn dữ liệu nâng cao.
  • Kỹ sư an toàn thông tin và chuyên gia an ninh mạng: Nắm vững cơ chế che giấu dữ liệu qua thuộc tính vi mô của tệp .docx để xây dựng các công cụ phát hiện giấu tin (Steganalysis) và ngăn chặn nguy cơ rò rỉ dữ liệu mật (DLP) tại các tổ chức tài chính, ngân hàng.
  • Cán bộ quản trị văn thư và cơ quan hành chính: Hiểu rõ phương thức thủy vân số để ứng dụng vào việc xác thực nguồn gốc công văn, bảo vệ bản quyền tài liệu điện tử và phát hiện kịp thời các hành vi chỉnh sửa văn bản trái phép với độ tin cậy tuyệt đối.
  • Nhà phát triển phần mềm và kiến trúc sư hệ thống: Tham khảo giải thuật nhúng dữ liệu khối 8-bit trên font chữ và bảng màu RGB để tích hợp tính năng tự động đóng dấu bản quyền vào các phần mềm soạn thảo văn bản và hệ thống quản lý nội dung số (CMS).

Câu hỏi thường gặp

Kỹ thuật giấu tin (Steganography) khác biệt thế nào so với mã hóa truyền thống (Cryptography)?

Mã hóa truyền thống (như RSA, DES) biến đổi nội dung rõ thành chuỗi ký tự hỗn loạn, dễ thu hút sự chú ý của tin tặc. Ngược lại, Steganography nhúng thông tin ẩn vào bên trong một tệp văn bản thông thường. Trong thực tế, kỹ thuật này giữ nguyên 100% hình thức trực quan, giúp che giấu hoàn toàn sự tồn tại của việc truyền tin bí mật.

Tại sao luận văn lại lựa chọn tệp văn bản Microsoft Word (.docx) để thực nghiệm?

Định dạng .docx hiện chiếm hơn 80% thị phần soạn thảo văn phòng toàn cầu. Định dạng này hỗ trợ hệ thống thuộc tính hiển thị cực kỳ đa dạng như kích thước font từ 1 đến 1638 point, dải màu RGB từ 0 đến 255 và Kerning. Luận văn đã tận dụng thành công các đặc trưng vi mô này để nhúng khối 8-bit mà không làm thay đổi bố cục văn bản.

Thuật toán giấu tin bằng cách thay đổi màu ký tự RGB hoạt động ra sao?

Thuật toán điều chỉnh các giá trị thành phần RGB của ký tự ở mức vi mô. Chẳng hạn, ký tự mang mã màu RGB(0,0,0) đại diện cho bit 0, khi biến đổi nhẹ sang RGB(0,0,1) sẽ biểu diễn cho bit 1. Bước nhảy màu delta = 1 bảo đảm mắt người hoàn toàn không thể phân biệt được sự thay đổi trên màn hình hiển thị.

Thông tin giấu trong văn bản có bị mất khi người dùng thay đổi định dạng không?

Có. Quá trình giải mã dựa trên nguyên lý truy vết (back tracking) các thuộc tính đã bị biến đổi. Kết quả thực nghiệm chứng minh khi tệp tin bị đổi kích thước font đồng loạt từ 13pt sang 12pt, tỷ lệ giải mã chính xác giảm về 0%. Đặc tính này giúp phát hiện chính xác việc văn bản đã bị can thiệp chỉnh sửa trái phép.

Hiệu suất giấu tin của phương pháp trong luận văn đạt mức bao nhiêu?

Phương pháp đạt tỷ lệ cố định 8 ký tự vật mang tin cho 1 ký tự tin ẩn (tương đương 8 byte cho 1 ký tự). So với kỹ thuật chèn khoảng trắng giữa các câu truyền thống vốn cần tới 160 byte cho 1 bit (tương đương 1.280 byte cho 1 ký tự), thuật toán của luận văn có mật độ nhúng tin cao gấp 160 lần.

Kết luận

  • Hệ thống hóa toàn diện cơ sở lý thuyết về kỹ thuật giấu tin mật (Steganography) và thủy vân số (Watermarking) trên dữ liệu đa phương tiện và tài liệu văn bản.
  • Xây dựng thành công thuật toán nhúng tin nhị phân khối 8-bit kết hợp mã hóa logic XOR trên các thuộc tính Font size, RGB và Kerning của tệp MS Word.
  • Cài đặt hoàn chỉnh chương trình thử nghiệm bằng ngôn ngữ Visual Basic, đạt độ chính xác giải mã 100% và bảo tồn 100% chất lượng cảm quan thị giác.
  • Chứng minh thực nghiệm tính năng nhạy cảm định dạng, hỗ trợ hiệu quả cho việc phát hiện can thiệp chỉnh sửa và làm giả tài liệu số.
  • Tối ưu hóa mật độ giấu tin đạt tỷ lệ 8:1 ký tự, mang lại hiệu suất cao gấp 160 lần so với các phương pháp chèn khoảng trống truyền thống.

Trong lộ trình 12 đến 24 tháng tới, hướng nghiên cứu sẽ tiếp tục tích hợp chuẩn mã hóa AES-256 và mở rộng thuật toán trên các định dạng PDF và HTML5. Hãy tham khảo và áp dụng ngay các giải pháp kỹ thuật từ luận văn để tối ưu hóa hệ thống an toàn thông tin cho cơ quan và doanh nghiệp của bạn!