Chương 1: Giới thiệu tổng quan về đề tài nghiên cứu, mục tiêu, đối tượng và phạm vi nghiên cứu. Chương 2: Trình bày các kiến thức nền tảng về SDN, DL, NIDS, CD. Chương 3: Phân tích thiết kế mô hình phát hiện tan công sử dụng học sâu và mô hình lừa đối mạng trong mang SDN. Chương 4: Hiện thực và đánh giá hệ thống phát hiện tan công, lừa đối mạng trong mạng SDN.
Chương 5: Kết luận và hướng phát triển. KIÊN THUC NEN TANG 2. Mang khả lập trình (SDN) 2. Tông quan về SDN Kiến trúc mạng truyền thống đang ngày càng trở nên không phù hợp với nhu cầu của các doanh nghiệp, nhà khai thác mạng của như người dùng cuối.
Software Defined Networking (SDN), một công nghệ mới, một phương pháp tiếp cận mới tới networking làm thay đổi kiến trúc mạng hiện nay nhằm đáp ứng các nhu cầu mới. Trong SDN, phan điều khiển của thiết bi mạng được tách rời khỏi phan cứng và được thực hiện bằng ứng dụng phần mềm gọi là Controller, và giao tiếp với phần cứng thông qua các giao thức truyền thông, trong đó OpenFlow nổi lên như là một giao thức với nhiều ưu điểm nhất. Phương pháp trên cho phép kỹ sư mạng và người quản trị có thé định hình lưu lượng từ một giao diện điều khiển trung tâm mà không cần chạm vào các Switch. Kiến trúc SDN APPLICATION LAYER CONTROL LAYER SDN Control Network Services Software Control Data Plane interface (e., OpenFlow) INFRASTRUCTURE LAYER Network Device Network Device Network Device Network Device Network Device Hình 2.1 Kiến trúc các lớp trong mang SDN Kiến trúc của SDN gồm 3 lớp riêng biệt: lớp ứng dụng, lớp điều khiển, và lớp cơ sở hạ tầng (lớp chuyên tiếp).
Lớp ứng dụng và lớp điều khiến được triển khai ở bộ điều khiển SDN. Còn lớp cơ sở hạ tầng được triển khai ở các thiết bi mạng như thiết bị định tuyến và thiết bị chuyên mạch. e Lop ứng dụng Là các ứng dụng được triển khai trên mạng, được kết nối tới lớp điều khiển thông qua các API cung cấp khả năng cho phép lớp ứng dụng lập trình lại (cấu hình lại) mạng (điều chỉnh các tham số trễ, băng thông, định tuyến,.) thông qua lớp điều khiến. e Lớp điều khiển Là nơi tập trung các bộ điều khiến thực hiện việc điều khiển cấu hình mạng theo các yêu câu từ lớp ứng dụng và khả năng của mạng.
Các bộ điêu khiên này có thê là các phần mềm được lập trình. Ngoài ra dé truyền thông điều khién lớp cơ sở hạ tang, lớp điều khiển sử dụng các cơ chế như OpenFlow, ONOS. Các bộ điều khiến là các phần mềm có khả năng xử lý logic, làm nhiệm vụ tiếp nhận và phản các yêu cầu từ lớp ứng dụng, cấu hình các thiết bị mạng tại lớp ứng dụng và chọn con đường tốt nhất cho lưu lượng ứng dụng. e Lớp cơ sở hạ tầng Bao gồm các thiết bị mạng, có thé là vật lý hoặc ảo hoá, thực hiện chuyển tiếp và xử lý các gói tin theo sự điều khiển của bộ điều khiến.
Một thiết bi mạng có thê hoạt động theo sự điều khién của nhiều bộ điều khiến khác nhau, điều này giúp tăng cường khả năng ảo hóa của mạng. Cơ chế hoạt động của mạng SDN Dữ liệu trong mạng SDN được truyền đi theo hai luồng riêng biệt. Luồng dữ liệu (data plane) chuyền tiếp các gói tin đi trong mạng, bao gồm tất cả các hàm và tiến trình chịu trách nhiệm xử lý và chuyền tiếp gói tin. Luồng điều khiển (control plane) chuyên tiếp các gói mang thông tin điều khiến từ thiết bị chuyên mạch đến bộ điều khiển và ngược lại.
SDN hoạt động dựa trên cơ chế tách riêng việc kiểm soát luồng điều khiến với luồng dữ liệu. Luồng điều khién không nằm trong các nút như mang truyền thống mà được tách ra từ các thiết bị vật lý và chuyển đến quản lý tập trung tại các bộ điều khiển. Điều này giúp cho việc quản lý mạng có thé được thực hiện thông qua một giao diện duy nhất, trái ngược với việc cau hình ở mỗi thiết bị mạng riêng lẻ. Việc tương tác với các thiết bị mạng vật lý được bộ điều khiển thực hiện thông qua một giao thức chuẩn dành riêng cho mạng SDN, phổ biến nhất là OpenFlow.
Luéng dữ liệu của SDN gồm các thiết bị mạng chứa bảng luồng, và trong bảng luồng chứa nhiều bản ghi luồng. Các bản ghi luồng quy định các hành vi và nguyên tắc về đường đi cho các gói tin di trong mạng. Luông điều khiến trao déi các gói tin mang thông tin vê việc điêu khiên đường di, câu hình của gói tin,. giữa bộ điêu khiến và các thiết bị chuyển mạch.
Thông qua các gói tin truyền đi trong luồng điều khiên, bộ diêu khiên biệt và quản lý sự tôn tai của các bản ghi luông. Kiểm tra bản ghi luồng Gói tín đến tại thiết bị chuyển mạch Thực thi các hành vi Chuyển thông tin gói tin đến bộ điều khiển Thực thi các hành vi và Kiểm tra bản ghi luồng cập nhật ban ghi luéng tại bộ điều khiển tại thiết bị chuyển mạch Huy gói tin Hình 2.2 Quy trình xử lý gói tin của giao thứ OpenFlow 2. Khai niém Hoc sâu (deep learning) là một chi của ngành máy học dựa trên một tập hợp các thuật toán để cố găng mô hình dữ liệu trừu tượng hóa ở mức cao bằng cách sử dụng nhiều lớp xử lý với cấu trúc phức tạp, hoặc bằng cách khác bao gồm nhiều biến đổi phi tuyến!. Deep Learning đã giúp máy tính thực thi những việc tưởng chừng như không thé vào 15 năm trước: phân loại cả ngàn vật thé khác nhau trong các bức anh, tự tạo chú ! https://vi.org/wik/H%EI%BB%8Dc_s%C3%A2u thích cho anh, bat chước giọng nói va chữ viêt của con người, giao tiép với con người, hay thậm chí cả sáng tác văn, phim, ảnh, âm nhạc.
Deep Learning ngày càng được nhiều người biết đến và nó những bước đột phá vô cùng to lớn. Những đột phá to lớn này là việc thiết kế ra những trợ lý ảo bằng giọng nói, các hệ thống xe tự lái hay sử dụng vào thiết kế đồ họa, phân tích tình hình giao thông của thành phó, cho đến phát triển các nguyên liệu mới giúp robot thấu hiểu thé giới xung quanh hon. Xu hướng về Robot và Deep Learning đang được nhiều công ty công nghệ lớn chú trọng đầu tư và phát triển. Dưới đây là một vài các “mạng sâu (deep network)” đại diện cho phân lớn các thuật toán sử dụng ngày nay: e Perceptron đa tang (Multi-layer perceptron).
e Mang no-ron tich chap (Convolutional neural networks — CNN). e Mang no-ron truy hồi. Mang no-ron tich chap (Convolutional Neural Network) Mang nơ-ron tích chập là một trong các thuật toán hoc sâu được sử dung trong các bài toán phân loại ảnh hay phát hiện đối tượng trong ảnh. Mang nơ-ron tích chập sử dụng nhiều lớp liên tiếp nhau dé phân tích hình ảnh.
Kết quả trả về của lớp này sẽ là dữ liệu đầu vào của lớp kế tiếp. Mỗi lớp mạng sẽ có một vai trò khác nhau. Lớp cuối cùng là lớp được dùng dé nhận diện va phân loại ảnh. Ảnh đầu vào của mạng nơ-ron tích chập được chuyển đổi và xử lý như một ma trận.
Kích thước của một ma trận bao gồm 3 thông số: chiều dài, chiều rộng và chiều sâu. Chiều sâu của ma trận có giá trị bằng với số kênh của ảnh. Theo đó, chiều sâu là 1 khi anh đầu vào là ảnh xám, là 3 khi đầu vào là ảnh màu. Kiến trúc mạng nơ-ron tích chập Kiến trúc của CNN thông thường gồm các phần: e Lớp tích chap (convolutional layer) Trích xuất và xử ly các đặc trưng từ anh đầu vào.
Dé có thê trích xuất và xử ly các đặc trưng từ ảnh, lớp tích chập sử dụng các bộ lọc (filter). Các bộ lọc này là những ma trận có san. Một bộ lọc là một ma trận vuông có chiều dài và chiều rộng là một số lẻ, với chiều sâu bằng chiều sâu của ma trận đầu vào. Từng bộ lọc sẽ được sử dụng với tác dụng trích xuất từng đặc trưng cụ thé.
Trong lớp tích chập, bộ lọc được sử dụng bằng cách nhân tích chập với các ma trận con có cùng kích thước với bộ lọc. e Lớp giảm mau (pooling layer) Giúp don giản hoá thông tin đầu ra bang cách lay ra hoặc tính toán được giá trị đặc trưng nhất trên từng ma trận con không chồng chéo lên nhau. Nhờ ưu điểm này pooling layer được sử dụng dé giải quyết van đề overfitting. Trong mô hình CNN, pooling layer thường được dùng xen kẽ và ngay sau lớp tích chập.
e_ Fully connected layer (Lớp kết nói day đủ) Mỗi nơ-ron của lớp này sẽ kết nói tất cả các tham số và các đặc trưng của lớp trước đó lại với nhau. Việc kết nối này giúp tông hợp lại tất cả các đặc trưng, thu gọn lại và đưa ra kêt quả cuôi cùng. Luéng hoạt động của mạng no-ron tích chập - - i fool) lealu## rape ——nl KG ¬ 20x28 input ` OUT 1ũ - 14w14x14 = = = convolution proce ke Full connection Full connection {k=5, F=32, s=1] fend, a) Hình 2.3 Mô hình mang no-ron tích chap Ảnh đầu vào được đưa vào mô hình, thông qua lớp tích chập đề trích xuất các ma trận đặc trưng. Số lượng lớp tích chập được dùng và vị trí sử dụng do người lập trình khai báo và xen kẽ với lớp giảm mẫu.
Cuối cùng đi qua lớp tích chập dé tong hợp các đặc trưng và trọng số của nó đề trả về kết quả bài toán. Quá trình huấn luyện có thể được thực hiện thông qua phương pháp lan truyền xuôi (forward) hoặc lan truyền ngược (backpropagation). Hệ thống phát hiện xâm nhập mạng (NIDS) Hệ thống phát hiện xâm nhập trong mạng NIDS là thiết bị hoặc phần mềm có khả năng giám sát và thông báo các hoạt động bắt thường trong hệ thống mạng. Một hệ thống phát hiện xập nhập được sử dụng để phát hiện các mối đe doạ từ việc dám sát các gói tin truyền qua nó.
NIDS phát hiện các hoạt động đáng ngờ và độc hại từ các xâm nhập bên ngoài lẫn bên trong. Một hệ thống phát hiện xâm nhập phải đối mặt với các van đề như là lưu lượng mạng lớn hay phân phối dữ liệu không đồng đều. NIDS được phân làm 2 loại là NIDS dựa trên dấu hiệu và NIDS dựa trên hành vi. Một NIDS dựa trên dấu hiệu thường sẽ so sánh lưu lượng mạng theo dõi so với các mẫu dấu hiệu tấn công biết trước đề phát hiện các hành vi độc hại.
Loại NIDS này có khả năng phát hiện các cuộc tan công với tỷ lệ nhằm lẫn thấp nhưng không có khả năng phát hiện các cuộc tan công phức tạp hơn.