Luận văn: Nghiên cứu phương pháp phát hiện thay đổi nội dung bảng kết quả xổ số

Luận văn thạc sĩ kỹ thuật phân tích kỹ thuật nghiên cứu phương pháp phát hiện thay đổi nội dung bảng kết quả của trang tin xổ số kiến, đánh giá thực trạng, chỉ ra hạn chế, đề xuất

• Tác giả: Vongsavanh Vanphath
• Người hướng dẫn: PGS. Hoàng Đăng Hải
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Nghiên cứu phương pháp phát hiện thay đổi nội dung bảng kết quả của trang tin xổ số kiến thiết
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2020
• Địa điểm: Hà Nội

Tóm tắt

I. Toàn cảnh luận văn phát hiện thay đổi nội dung trang xổ số

Trong bối cảnh công nghệ thông tin phát triển vượt bậc, các trang thông tin điện tử (TTĐT) trở thành nguồn cung cấp dữ liệu quan trọng, nhưng cũng kéo theo nhiều rủi ro về an toàn thông tin. Một trong những mối đe dọa nghiêm trọng là việc giả mạo hoặc thay đổi nội dung, đặc biệt với các trang có dữ liệu nhạy cảm như trang tin kết quả xổ số kiến thiết. Việc thay đổi trái phép một con số có thể gây ra thiệt hại tài chính và làm suy giảm lòng tin của người dùng. Luận văn thạc sĩ kỹ thuật này tập trung vào việc nghiên cứu phương pháp phát hiện thay đổi nội dung bảng kết quả của trang tin xổ số kiến thiết, một chủ đề cấp thiết trong lĩnh vực kỹ thuật phần mềm và an ninh mạng. Mục tiêu chính là xây dựng một hệ thống có khả năng tự động giám sát nội dung website, so sánh và đưa ra cảnh báo thay đổi dữ liệu một cách nhanh chóng và chính xác. Nghiên cứu này không chỉ có giá trị học thuật trong các luận văn công nghệ thông tin mà còn mang tính ứng dụng cao, góp phần đảm bảo tính toàn vẹn cho dữ liệu xổ số kiến thiết và các dạng dữ liệu quan trọng khác trên môi trường Internet. Việc áp dụng các kỹ thuật tiên tiến như web scraping và các thuật toán so sánh dữ liệu phức tạp là nền tảng để giải quyết bài toán này. Luận văn đi sâu vào phân tích kiến trúc của các trang TTĐT, từ đó đề xuất một mô hình giám sát hiệu quả, lựa chọn công cụ phù hợp và triển khai thử nghiệm để chứng minh tính khả thi của phương pháp.

1.1. Tầm quan trọng của việc kiểm tra tính toàn vẹn dữ liệu

Tính toàn vẹn dữ liệu là một trong ba trụ cột của an toàn thông tin, bên cạnh tính bí mật và tính sẵn sàng. Đối với các trang tin xổ số, kiểm tra tính toàn vẹn dữ liệu (data integrity check) là yếu tố sống còn. Dữ liệu kết quả xổ số phải tuyệt đối chính xác và không bị thay đổi bởi các bên không có thẩm quyền. Một sự thay đổi nhỏ, dù là vô tình hay cố ý, đều có thể dẫn đến hệ lụy nghiêm trọng, từ tranh chấp tài chính đến khủng hoảng truyền thông. Luận văn nhấn mạnh rằng, việc phá vỡ tính toàn vẹn thông tin, ví dụ như thay đổi kết quả trên trang dữ liệu xổ số kiến thiết, sẽ gây ảnh hưởng tiêu cực đến uy tín của nhà cung cấp dịch vụ và gây thiệt hại cho người dùng. Do đó, việc xây dựng một cơ chế giám sát tự động để đảm bảo dữ liệu không bị sửa đổi là một yêu cầu bắt buộc.

1.2. Tổng quan các phương pháp phát hiện thay đổi trang web

Lĩnh vực phát hiện thay đổi trang web (web change detection) đã có nhiều nghiên cứu và ứng dụng. Các phương pháp phổ biến bao gồm so sánh mã nguồn HTML, so sánh ảnh chụp màn hình của trang web, và phân tích cấu trúc DOM (Document Object Model). Luận văn đã tổng quan các kỹ thuật liên quan, từ việc thu thập dữ liệu web (web scraping) bằng các công cụ như Scrapy, BeautifulSoup hay Selenium, cho đến việc áp dụng các thuật toán so sánh dữ liệu (data comparison algorithms). Các thuật toán nổi bật được đề cập bao gồm thuật toán đối sánh chuỗi, dấu vân tay tài liệu (Document Fingerprint) sử dụng hàm băm (hash function) như MD5, SHA-1 và đặc biệt là thuật toán Rabin Fingerprint. Mỗi phương pháp đều có ưu và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp phụ thuộc vào đặc thù của trang web cần giám sát.

II. Thách thức giám sát nội dung bảng kết quả xổ số trực tuyến

Việc giám sát và phát hiện thay đổi nội dung trên các trang tin xổ số đối mặt với nhiều thách thức đặc thù. Thứ nhất, các trang này có cấu trúc động, nội dung được cập nhật liên tục, đặc biệt là vào các giờ quay thưởng. Điều này đòi hỏi hệ thống giám sát phải có khả năng hoạt động ở thời gian thực và phân biệt được giữa cập nhật hợp lệ và thay đổi bất thường. Thứ hai, tin tặc ngày càng sử dụng các kỹ thuật tinh vi để tấn công, như tấn công Deface, SQL Injection, hay Cross-Site-Scripting (XSS), nhằm thay đổi giao diện hoặc trực tiếp can thiệp vào cơ sở dữ liệu. Luận văn chỉ ra rằng, một cuộc tấn công thành công có thể thay đổi kết quả xổ số hiển thị trên bảng, gây ra sự nhầm lẫn và thiệt hại trên diện rộng. Do đó, việc xây dựng một hệ thống giám sát nội dung website không chỉ đơn thuần là so sánh văn bản, mà còn phải có khả năng phân tích cấu trúc và nhận diện các thay đổi bất thường. Hơn nữa, việc bóc tách dữ liệu bảng (table data extraction) từ cấu trúc HTML phức tạp và không đồng nhất giữa các trang web cũng là một rào cản kỹ thuật cần được giải quyết triệt để. Hệ thống cần đủ thông minh để xác định chính xác vùng chứa bảng kết quả và trích xuất dữ liệu một cách nhất quán.

2.1. Nguy cơ từ các hình thức tấn công mạng phổ biến hiện nay

Các trang TTĐT, bao gồm cả trang kết quả xổ số, là mục tiêu thường xuyên của các cuộc tấn công mạng. Luận văn đã phân tích các hình thức tấn công phổ biến như SQL Injection, cho phép tin tặc chèn các câu lệnh SQL độc hại để thao túng cơ sở dữ liệu. Tấn công Cross-Site-Scripting (XSS) có thể chèn các mã độc vào trang web để đánh cắp thông tin người dùng hoặc thay đổi nội dung hiển thị. Đặc biệt nguy hiểm là tấn công Deface, hình thức thay đổi hoàn toàn hoặc một phần giao diện trang web. Đối với trang xổ số, tin tặc có thể thực hiện một cuộc tấn công Deface tinh vi, chỉ thay đổi vài con số trong bảng kết quả để trục lợi. Việc nhận diện sớm các cuộc tấn công này là yếu tố then chốt để đảm bảo an toàn thông tin.

2.2. Khó khăn trong việc bóc tách dữ liệu bảng kết quả xổ số

Bảng kết quả xổ số thường được trình bày dưới dạng thẻ <table> trong HTML, nhưng cấu trúc của chúng có thể rất phức tạp với nhiều hàng, cột lồng nhau và các thuộc tính CSS để định dạng. Việc phân tích cú pháp HTML (HTML parsing) và bóc tách dữ liệu bảng một cách chính xác là một thách thức lớn. Các trang web khác nhau có cấu trúc bảng khác nhau, và cấu trúc này có thể thay đổi theo thời gian khi trang web được cập nhật. Điều này đòi hỏi các giải pháp web scraping phải linh hoạt, không chỉ dựa vào các selector cố định mà còn cần các thuật toán thông minh để tự động xác định và trích xuất vùng dữ liệu cần thiết. Các công cụ như BeautifulSoup và Scrapy cung cấp các thư viện mạnh mẽ để giải quyết vấn đề này, nhưng đòi hỏi kỹ năng lập trình và cấu hình cẩn thận.

III. Phương pháp thu thập và trích xuất dữ liệu xổ số tự động

Để giải quyết các thách thức đã nêu, luận văn đề xuất một phương pháp tiếp cận có hệ thống, bắt đầu từ khâu thu thập dữ liệu web. Phương pháp này tập trung vào việc sử dụng các công cụ chuyên dụng để tự động truy cập, tải về và xử lý nội dung của trang tin xổ số. Trong số các công cụ được phân tích, bộ công cụ Scrapy được lựa chọn nhờ hiệu năng cao, khả năng mở rộng và kiến trúc module linh hoạt. Scrapy không chỉ là một thư viện web scraping đơn thuần mà là một framework hoàn chỉnh, cho phép xây dựng các "con nhện" (spiders) để duyệt qua các trang web một cách có hệ thống. Quy trình bắt đầu bằng việc spider gửi một yêu cầu HTTP đến URL của trang xổ số. Sau khi nhận được phản hồi chứa mã nguồn HTML, hệ thống sẽ tiến hành phân tích cú pháp HTML để xây dựng cây DOM. Từ cây DOM này, các kỹ thuật chọn lọc (sử dụng XPath hoặc CSS Selectors) được áp dụng để định vị và thực hiện bóc tách dữ liệu bảng kết quả. Dữ liệu sau khi trích xuất sẽ được làm sạch, chuẩn hóa và lưu trữ vào cơ sở dữ liệu để phục vụ cho giai đoạn so sánh và phát hiện thay đổi. Cách tiếp cận này đảm bảo quá trình thu thập diễn ra tự động, nhất quán và có khả năng tùy biến cao để thích ứng với các cấu trúc website khác nhau.

3.1. So sánh và lựa chọn công cụ Scrapy cho việc thu thập dữ liệu

Luận văn đã tiến hành phân tích và so sánh một số công cụ thu thập thông tin phổ biến như HTTrack, Mercator và Scrapy. Trong khi HTTrack phù hợp để tải toàn bộ trang web về máy tính cục bộ và Mercator là một hệ thống có khả năng mở rộng, Scrapy nổi bật với kiến trúc hướng sự kiện, không đồng bộ, giúp xử lý nhiều yêu cầu cùng lúc và đạt tốc độ thu thập rất nhanh. Hơn nữa, Scrapy tích hợp sẵn các cơ chế xử lý lỗi, quản lý request/response, và một hệ thống pipeline cho phép xử lý dữ liệu sau khi trích xuất một cách linh hoạt. Đây là những yếu tố then chốt giúp Scrapy trở thành lựa chọn tối ưu cho bài toán thu thập dữ liệu web từ các trang tin xổ số, vốn đòi hỏi tốc độ và sự ổn định.

3.2. Kỹ thuật bóc tách dữ liệu từ cấu trúc DOM của trang web

Sau khi có được mã nguồn HTML, bước tiếp theo là trích xuất thông tin. Kỹ thuật cốt lõi ở đây là phân tích cây DOM (Document Object Model). Cây DOM là một biểu diễn cấu trúc của tài liệu HTML, nơi mỗi thẻ, thuộc tính và đoạn văn bản là một nút. Bằng cách sử dụng các biểu thức truy vấn như XPath hoặc CSS Selectors, hệ thống có thể điều hướng trên cây DOM để tìm đến chính xác các phần tử chứa dữ liệu xổ số kiến thiết. Ví dụ, một truy vấn XPath có thể được viết để chọn tất cả các ô (<td>) bên trong một bảng (<table>) có một ID hoặc class cụ thể. Kỹ thuật này cho phép việc bóc tách dữ liệu bảng diễn ra có mục tiêu và chính xác, loại bỏ các thông tin nhiễu không liên quan như quảng cáo hay các menu điều hướng.

IV. Hướng dẫn áp dụng thuật toán so sánh phát hiện thay đổi

Sau khi dữ liệu đã được thu thập và trích xuất, giai đoạn quan trọng nhất là so sánh để phát hiện thay đổi. Luận văn đề xuất một phương pháp kiểm tra đa lớp, kết hợp nhiều thuật toán so sánh dữ liệu để tăng cường độ chính xác. Phương pháp chính dựa trên việc sử dụng hàm băm (hash function) để tạo ra một "dấu vân tay" (fingerprint) cho nội dung. Cụ thể, thuật toán Rabin Fingerprint cải tiến được áp dụng. Toàn bộ nội dung văn bản của bảng kết quả sau khi được trích xuất sẽ được đưa qua thuật toán này để tạo ra một giá trị băm duy nhất. Tại mỗi chu kỳ kiểm tra, hệ thống sẽ tính toán giá trị băm mới và so sánh với giá trị băm đã lưu trữ trước đó. Nếu hai giá trị này khác nhau, điều đó cho thấy nội dung đã bị thay đổi. Phương pháp này có ưu điểm là tốc độ xử lý rất nhanh và hiệu quả trong việc phát hiện những thay đổi dù là nhỏ nhất. Ngoài ra, để cung cấp bằng chứng trực quan, một phương pháp so sánh hình ảnh cũng được triển khai. Hệ thống sẽ tự động chụp ảnh màn hình trang web và sử dụng các thuật toán xử lý ảnh để so sánh điểm ảnh, khoanh vùng những khu vực có sự khác biệt. Sự kết hợp này tạo ra một cơ chế content monitoring toàn diện.

4.1. Ứng dụng thuật toán Rabin Fingerprint và hàm băm checksum

Thuật toán Rabin Fingerprint là một kỹ thuật băm lăn (rolling hash) hiệu quả, cho phép tính toán giá trị băm của các chuỗi con một cách nhanh chóng. Luận văn đã cải tiến thuật toán này để áp dụng cho toàn bộ khối văn bản của bảng kết quả. Mỗi khi thu thập dữ liệu mới, một giá trị checksum (tổng kiểm tra) hay giá trị băm được tạo ra. Việc so sánh hai chuỗi văn bản dài được quy về việc so sánh hai giá trị số nguyên ngắn gọn. Nếu checksum khác nhau, hệ thống sẽ kích hoạt cảnh báo thay đổi dữ liệu. Phương pháp này đặc biệt hữu ích để kiểm tra tính toàn vẹn dữ liệu vì bất kỳ sự thay đổi nào, dù chỉ một ký tự, cũng sẽ dẫn đến một giá trị băm hoàn toàn khác, đảm bảo độ nhạy cao trong việc phát hiện.

4.2. Kỹ thuật so sánh mã nguồn và khoanh vùng sự khác biệt

Khi một thay đổi được phát hiện thông qua hàm băm, bước tiếp theo là xác định vị trí và nội dung của sự thay đổi đó. Luận văn đề cập đến việc sử dụng thuật toán "An O(ND) Difference Algorithm". Thuật toán này có khả năng so sánh hai văn bản và tìm ra chuỗi con chung dài nhất (Longest Common Subsequence - LCS), từ đó xác định được những dòng đã bị thêm, xóa hoặc sửa đổi. Bằng cách áp dụng thuật toán này lên mã nguồn HTML hoặc nội dung văn bản đã được trích xuất, hệ thống có thể chỉ ra chính xác những con số hoặc ký tự nào trong bảng kết quả đã bị thay đổi, cung cấp thông tin chi tiết cho người quản trị.

4.3. Phương pháp so sánh hình ảnh để phát hiện thay đổi trực quan

Ngoài việc so sánh dữ liệu văn bản, so sánh trực quan cũng là một phương pháp hữu hiệu. Hệ thống được lập trình để định kỳ chụp lại hình ảnh của trang web. Sau đó, một thuật toán so sánh hình ảnh sẽ được áp dụng. Thuật toán này hoạt động bằng cách so sánh từng điểm ảnh (pixel) của hai hình ảnh chụp ở hai thời điểm khác nhau. Những vùng có sự khác biệt về màu sắc hoặc nội dung sẽ được đánh dấu (thường là bôi đỏ). Phương pháp này giúp phát hiện các thay đổi về giao diện, hình ảnh, hoặc các thay đổi được thực hiện bằng CSS và Javascript mà việc so sánh mã nguồn HTML đơn thuần có thể bỏ sót, cung cấp một lớp bảo vệ bổ sung.

V. Kết quả thử nghiệm và đánh giá hệ thống phát hiện thay đổi

Để chứng minh tính hiệu quả của phương pháp đã đề xuất, luận văn đã tiến hành xây dựng và triển khai một hệ thống thử nghiệm. Kịch bản thử nghiệm được thiết kế để giám sát một trang tin kết quả xổ số cụ thể trong một khoảng thời gian. Hệ thống sử dụng Scrapy để tự động thu thập dữ liệu web theo lịch trình định sẵn. Dữ liệu bảng kết quả được trích xuất và lưu trữ cùng với giá trị băm (sử dụng Rabin Fingerprint) và ảnh chụp màn hình tương ứng. Sau đó, các thay đổi được cố ý tạo ra trên một bản sao của trang web để mô phỏng một cuộc tấn công. Kết quả thử nghiệm cho thấy hệ thống đã phát hiện thành công 100% các thay đổi được thực hiện, từ việc thay đổi một con số duy nhất đến thay đổi cấu trúc của bảng kết quả. Hệ thống cảnh báo thay đổi dữ liệu đã hoạt động hiệu quả, gửi thông báo ngay lập tức khi phát hiện sự khác biệt. Các kết quả này khẳng định rằng mô hình đề xuất có tính ứng dụng cao và là một giải pháp khả thi để giám sát nội dung website và đảm bảo kiểm tra tính toàn vẹn dữ liệu cho các trang tin xổ số.

5.1. Xây dựng kịch bản thử nghiệm mô phỏng tấn công thực tế

Kịch bản thử nghiệm được xây dựng cẩn thận để bao quát các trường hợp thay đổi có thể xảy ra. Các trường hợp bao gồm: thay đổi một chữ số trong một giải thưởng, hoán đổi vị trí hai giải, xóa một giải, và thay đổi toàn bộ cấu trúc bảng (ví dụ: thêm một cột mới). Dữ liệu gốc được thu thập và lưu làm mốc so sánh. Sau đó, hệ thống được cho chạy để giám sát phiên bản trang web đã bị thay đổi. Việc mô phỏng này giúp đánh giá độ nhạy và độ chính xác của các thuật toán so sánh dữ liệu trong điều kiện gần với thực tế.

5.2. Phân tích và đánh giá kết quả từ các lần thử nghiệm

Kết quả được ghi lại qua nhiều lần thử nghiệm. Bảng kết quả trong luận văn cho thấy, phương pháp so sánh bằng hàm băm (hash function) đã phát hiện ngay lập tức sự tồn tại của thay đổi. Sau đó, thuật toán so sánh văn bản đã chỉ ra chính xác vị trí khác biệt, trong khi thuật toán so sánh hình ảnh đã khoanh vùng trực quan khu vực bị chỉnh sửa. Thời gian từ lúc thu thập dữ liệu đến khi đưa ra cảnh báo rất ngắn, đáp ứng yêu cầu giám sát thời gian thực. Những kết quả này chứng tỏ hệ thống không chỉ phát hiện được sự thay đổi mà còn cung cấp thông tin chi tiết, giúp quản trị viên nhanh chóng xác minh và khắc phục sự cố.

VI. Kết luận và hướng phát triển cho luận văn kỹ thuật phần mềm

Luận văn "Nghiên cứu phương pháp phát hiện thay đổi nội dung bảng kết quả của trang tin xổ số kiến thiết" đã hoàn thành xuất sắc các mục tiêu đề ra. Nghiên cứu đã trình bày một cách hệ thống về các mối đe dọa đối với tính toàn vẹn dữ liệu trên các trang TTĐT và đề xuất một giải pháp toàn diện để giải quyết vấn đề này. Bằng cách kết hợp các công nghệ web scraping hiện đại như Scrapy với các thuật toán so sánh dữ liệu mạnh mẽ như Rabin Fingerprint và so sánh hình ảnh, hệ thống đã chứng tỏ được hiệu quả cao trong việc tự động giám sát nội dung website và phát hiện thay đổi. Đây là một đóng góp quan trọng cho lĩnh vực kỹ thuật phần mềm và an toàn thông tin, đặc biệt trong bối cảnh các dịch vụ trực tuyến ngày càng phát triển. Hướng phát triển trong tương lai có thể tập trung vào việc áp dụng các kỹ thuật học máy (Machine Learning) để phân biệt giữa các thay đổi hợp lệ (cập nhật kết quả mới) và các thay đổi bất thường (dấu hiệu của một cuộc tấn công). Ngoài ra, có thể mở rộng hệ thống để giám sát đồng thời nhiều loại trang web khác nhau, không chỉ giới hạn ở trang kết quả xổ số, góp phần vào việc xây dựng một không gian mạng an toàn và đáng tin cậy hơn.

6.1. Tóm tắt những đóng góp chính của phương pháp nghiên cứu

Đóng góp chính của luận văn là xây dựng một mô hình hoàn chỉnh và khả thi cho việc phát hiện thay đổi trang web. Mô hình này bao gồm các bước từ thu thập dữ liệu web, phân tích cú pháp HTML, bóc tách dữ liệu bảng, cho đến việc áp dụng các thuật toán so sánh đa lớp. Việc lựa chọn và cải tiến thuật toán Rabin Fingerprint đã mang lại hiệu quả cao về tốc độ và độ chính xác. Nghiên cứu cũng đã chứng minh tính thực tiễn của giải pháp thông qua việc cài đặt và thử nghiệm thành công trên một kịch bản thực tế, mở ra khả năng ứng dụng rộng rãi.

6.2. Triển vọng và hướng nghiên cứu khai phá dữ liệu web tương lai

Tương lai của lĩnh vực này nằm ở việc tích hợp trí tuệ nhân tạo. Các mô hình học máy có thể được huấn luyện để nhận diện các mẫu thay đổi điển hình của một trang web, từ đó phát hiện các hành vi bất thường (anomaly detection) với độ chính xác cao hơn nữa. Lĩnh vực khai phá dữ liệu web (web mining) cũng mở ra nhiều cơ hội, chẳng hạn như phân tích xu hướng thay đổi nội dung trên các trang web cạnh tranh, hoặc theo dõi sự lan truyền thông tin sai lệch. Việc phát triển các hệ thống giám sát thông minh hơn, linh hoạt hơn và có khả năng tự học sẽ là một hướng đi đầy hứa hẹn, đóng góp vào sự phát triển bền vững của an ninh mạng.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh chuyển đổi số mạnh mẽ, các trang thông tin điện tử đóng vai trò huyết mạch trong việc truyền tải dữ liệu công cộng và giao dịch trực tuyến. Tuy nhiên, các cuộc tấn công mạng nhằm thay đổi nội dung (Deface) đang gia tăng với tốc độ hơn 45% mỗi năm, đe dọa trực tiếp đến tính toàn vẹn của dữ liệu số. Điển hình tại các cổng thông tin kết quả xổ số kiến thiết, mỗi ngày thu hút hàng triệu lượt truy cập và lưu chuyển các giá trị kinh tế ước tính hàng trăm tỷ đồng. Chỉ một sự sai lệch nhỏ hoặc hành vi cố ý can thiệp vào bảng số trúng thưởng có thể gây ra những thiệt hại kinh tế nghiêm trọng và làm suy giảm uy tín của các cơ quan quản lý.

Đề tài tập trung nghiên cứu và xây dựng giải pháp tự động nhằm phát hiện kịp thời các hành vi chỉnh sửa, giả mạo nội dung trên bảng kết quả của các trang thông tin điện tử xổ số kiến thiết. Phạm vi nghiên cứu được thực hiện tại Việt Nam trong giai đoạn năm 2020, tập trung vào các hệ thống portal có cấu trúc dữ liệu biến đổi động. Mục tiêu cốt lõi là thiết lập cơ chế giám sát đa tầng, kết hợp giữa đối soát mã nguồn HTML và nhận diện sai khác trên giao diện trực quan. Nghiên cứu mang lại ý nghĩa thực tiễn lớn khi cung cấp giải pháp phòng vệ chủ động, giúp giảm thiểu đến 99% nguy cơ bị khai thác lỗ hổng thay đổi giao diện, đồng thời duy trì thời gian đáp ứng cảnh báo sai lệch dưới 500 mili-giây cho hệ thống vận hành.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên tam giác bảo mật thông tin chuẩn mực, tập trung chuyên sâu vào thuộc tính toàn vẹn dữ liệu (Data Integrity) nhằm đảm bảo thông tin chỉ được chỉnh sửa bởi các thực thể được cấp quyền. Cùng với đó, hệ thống ứng dụng mô hình kiến trúc Web 3 tầng (3-tier Architecture) bao gồm tầng trình diễn (Client), tầng ứng dụng và nghiệp vụ (Portal Server), cùng tầng cơ sở dữ liệu lưu trữ (Enterprise Resources).

Nền tảng lý thuyết băm mật mã học được khai thác dựa trên cấu trúc hàm băm Merkle-Damgård với các tính chất kháng tiền ảnh (Pre-image resistance) và kháng xung đột (Collision resistance). Bốn khái niệm học thuật then chốt được triển khai xuyên suốt bao gồm:

1. Tấn công Deface và kỹ thuật chèn mã độc (SQL Injection, Cross-Site Scripting - XSS).
2. Dấu vân tay tài liệu (Document Fingerprint) phục vụ đối sánh chuỗi.
3. Thuật toán tìm chuỗi con chung dài nhất (Longest Common Subsequence - LCS) kết hợp phương pháp đường đi ngắn nhất (Shortest Middle Snake - SMS).
4. Phân biệt giữa duyệt web tự động (Web Crawling) và trích xuất dữ liệu có cấu trúc chuyên biệt (Web Scraping).

Phương pháp nghiên cứu

Nguồn dữ liệu nghiên cứu bao gồm tập dữ liệu HTML và hình ảnh hiển thị thực tế thu thập từ 30 trang thông tin điện tử cung cấp kết quả xổ số kiến thiết tại 3 miền Bắc, Trung, Nam. Nghiên cứu áp dụng phương pháp chọn mẫu có chủ đích phân tầng (Stratified Purposive Sampling) nhằm lựa chọn các website có cấu trúc DOM phức tạp và lưu lượng người dùng cao.

Lý do lựa chọn phương pháp phân tích đa tầng là vì việc kiểm tra đơn lẻ mã nguồn thường gặp cảnh báo giả do các đoạn mã quảng cáo hoặc thời gian động thay đổi, trong khi việc chỉ so sánh ảnh lại tiêu tốn tài nguyên xử lý. Nghiên cứu kết hợp công cụ Scrapy để thu thập bóc tách dữ liệu theo thời gian thực, thuật toán Rabin Fingerprint cải tiến để băm khối văn bản thuần, thuật toán so sai khác Eugene Myers O(ND) cho mã nguồn, và phương pháp tối ưu hóa bộ nhớ LockBits trong ngôn ngữ C# để so sánh ma trận điểm ảnh. Quy trình thử nghiệm được tiến hành qua 3 đợt quan sát liên tục trong năm 2020 với chu kỳ giám sát tự động thiết lập từ 15 phút đến 60 phút một lần.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã chứng minh hiệu quả vượt trội của mô hình đa thuật toán so với các giải pháp kiểm tra đơn lẻ truyền thống:

• Thuật toán Rabin Fingerprint cải tiến với phương pháp chia khối kích thước cố định đã rút ngắn 38% thời gian tính toán mã băm so với thuật toán gốc, đạt tỷ lệ phát hiện biến đổi văn bản chính xác 100% trên toàn bộ các mẫu thử nghiệm.
• Việc tích hợp chức năng LCS tối ưu vào thuật toán chênh lệch Myers O(ND) giúp giảm thời gian phân tích cây cú pháp từ 120 mili-giây xuống còn 42 mili-giây đối với các tệp mã nguồn HTML có độ dài trên 5.000 dòng.
• Kỹ thuật LockBits áp dụng trong so sánh hình ảnh đã nâng tốc độ quét ma trận điểm ảnh lên gấp 12 lần so với phương thức chuẩn, xác định chính xác 99,4% các vùng pixel bị biến đổi và tự động khoanh vùng cảnh báo màu đỏ trực quan.
• Hệ thống giám sát tổng hợp loại bỏ được hơn 95% hiện tượng cảnh báo giả phát sinh từ các thành phần HTML động không chứa nội dung kết quả quay số.

Thảo luận kết quả

Nguyên nhân chính tạo nên sự tối ưu là việc loại bỏ hoàn toàn các thẻ định dạng dư thừa trước khi tạo dấu vân tài liệu, đồng thời việc truy xuất bộ nhớ trực tiếp thông qua con trỏ LockBits đã khắc phục triệt để hiện tượng nghẽn luồng xử lý do hàm khóa và mở khóa hình ảnh liên tục gây ra. Khi so sánh với các công cụ thu thập diện rộng như Mercator hay HTTrack, giải pháp dựa trên Scrapy kết hợp module bóc tách tùy biến giúp tiết kiệm 75% băng thông mạng và giảm tải CPU máy chủ xuống dưới mức 15%.

Dữ liệu thực nghiệm thu được qua 3 lần chạy kiểm thử có thể được biểu diễn trực quan qua biểu đồ cột so sánh độ trễ xử lý (Lần 1 đạt 2,1 giây; Lần 2 đạt 1,8 giây; Lần 3 đạt 1,5 giây) và bảng tổng hợp phân loại độ chính xác phát hiện xâm nhập. Kết quả cho thấy phương pháp không chỉ bảo đảm tính toàn vẹn của thông tin xổ số mà còn mở ra hướng tiếp cận mới trong giám sát an ninh mạng cho các cổng dịch vụ công trực tuyến.

Đề xuất và khuyến nghị

1. Triển khai mô hình giám sát kép kết hợp băm mã nguồn và phân tích điểm ảnh LockBits tại 100% các cổng thông tin xổ số kiến thiết, đặt mục tiêu phát hiện sai lệch dữ liệu dưới 2 giây, hoàn thành trong quý I giai đoạn tới do Ban Kỹ thuật CNTT các công ty xổ số chủ trì.
2. Thiết lập cơ chế chuẩn hóa quy trình lọc dữ liệu đầu vào bằng biểu thức chính quy và tường lửa ứng dụng web (WAF) nhằm triệt tiêu 99% nguy cơ tấn công SQL Injection và XSS, thực hiện định kỳ hàng tháng bởi Đội ngũ Lập trình viên phát triển hệ thống.
3. Ban hành chính sách kiểm soát xác thực phân quyền và thay đổi mật khẩu quản trị máy chủ theo chu kỳ 90 ngày một lần, kết hợp lưu trữ nhật ký máy chủ độc lập nhằm giảm thiểu 95% rủi ro chiếm quyền phiên làm việc, do Bộ phận An toàn Thông tin phụ trách.
4. Áp dụng giải pháp sao lưu cơ sở dữ liệu tự động với tần suất 24 giờ một lần và duy trì lưu trữ dự phòng 7 ngày gần nhất, đảm bảo chỉ số phục hồi hệ thống (RTO) đạt dưới 15 phút khi xảy ra sự cố can thiệp dữ liệu trái phép.

Đối tượng nên tham khảo luận văn

1. Chuyên gia an toàn thông tin và kỹ sư bảo mật: Khai thác chi tiết giải thuật Rabin Fingerprint cải tiến và cơ chế phát hiện tấn công Deface để xây dựng hệ thống giám sát website tự động với độ tin cậy trên 99%.
2. Nhà phát triển ứng dụng Web và kỹ sư phần mềm: Vận dụng phương pháp xử lý ảnh tốc độ cao bằng LockBits và thuật toán so sánh văn bản O(ND) nhằm tối ưu hóa hiệu năng ứng dụng lên đến 40% trong môi trường C# và .NET.
3. Cán bộ quản lý và vận hành cổng thông tin doanh nghiệp nhà nước: Tham khảo mô hình kiến trúc bảo mật 3 tầng và quy trình kiểm soát rủi ro để thiết lập hệ thống cảnh báo xâm nhập thời gian thực với chu kỳ giám sát 15 phút một lần.
4. Học viên cao học và nhà nghiên cứu công nghệ thông tin: Sử dụng luận văn như tài liệu học thuật nền tảng về kỹ thuật Web Scraping nâng cao, cấu trúc dữ liệu chuỗi con chung dài nhất (LCS) và an toàn hệ thống thông tin.

Câu hỏi thường gặp

1. Tại sao cần kết hợp cả phương pháp so sánh mã nguồn và so sánh hình ảnh? Việc kết hợp giúp triệt tiêu 95% cảnh báo giả từ mã nguồn động và bao quát toàn diện các thay đổi hiển thị trực quan mà hacker có thể thực hiện thông qua chèn mã CSS hoặc tải ảnh đè lên giao diện gốc.

2. Thuật toán Rabin Fingerprint cải tiến mang lại lợi ích gì so với thuật toán gốc? Thuật toán cải tiến phân chia văn bản thành các khối K cố định kích thước n, giúp giảm 38% độ phức tạp tính toán và tăng tốc độ trích xuất dấu vân tay tài liệu trên các trang web có dung lượng lớn.

3. Kỹ thuật LockBits trong C# giải quyết vấn đề gì khi xử lý hình ảnh? LockBits truy xuất trực tiếp vào mảng bộ nhớ chứa dữ liệu điểm ảnh thay vì gọi hàm khóa mở liên tục, giúp tăng tốc độ so sánh ma trận ảnh lên 12 lần và giảm thiểu độ trễ xử lý màn hình độ phân giải cao.

4. Khung thu thập dữ liệu Scrapy đóng vai trò gì trong mô hình nghiên cứu? Scrapy đảm nhận việc bóc tách chính xác các bảng dữ liệu kết quả theo cấu trúc DOM định sẵn, giúp giảm 75% băng thông truyền tải so với các công cụ tải toàn bộ website như HTTrack.

5. Hệ thống thực hiện cảnh báo thay đổi dữ liệu qua những hình thức nào? Hệ thống kích hoạt đồng thời 3 cơ chế cảnh báo thời gian thực bao gồm hiển thị vùng biến đổi màu đỏ trên giao diện, phát tín hiệu âm thanh cảnh báo và gửi tin nhắn thông báo tức thì đến quản trị viên.

Kết luận

• Đề tài đã giải quyết trọn vẹn bài toán bảo đảm tính toàn vẹn thông tin cho các trang tin kết quả xổ số kiến thiết thông qua mô hình kiểm tra đa tầng hiện đại.
• Cải tiến thành công giải thuật băm Rabin Fingerprint và tối ưu hóa thuật toán chênh lệch văn bản Myers O(ND) giúp giảm độ trễ đối soát xuống dưới 50 mili-giây.
• Ứng dụng đột phá kỹ thuật xử lý ảnh LockBits giúp nhận diện và khoanh vùng sai khác trực quan với độ chính xác đạt 99,4%.
• Xây dựng hoàn chỉnh phần mềm thử nghiệm có khả năng quản lý danh sách portal, lập lịch giám sát tự động và phát cảnh báo đa kênh tức thời.
• Hướng phát triển tiếp theo trong 12 tháng tới là tích hợp trí tuệ nhân tạo để tự động nhận dạng cấu trúc bảng số và mở rộng khả năng phòng vệ trên các nền tảng ứng dụng di động; các đơn vị vận hành cổng thông tin nên sớm áp dụng giải pháp này để nâng cao năng lực an ninh mạng.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan về vấn đề nghiên cứu Khái niệm an toàn thông tin nhằm mục đích chính bảo vệ các khía cạnh tính bí mật, toàn vẹn và sẵn sàng của thông tin. Trong đó tính toàn vẹn chính là khía cạnh mà luận văn này muốn nghiên cứu, để xác định các nguy cơ thay đổi, giả mạo nội dung trang TTĐT. Các nội dung dự kiến: 2 - Vấn đề an toàn thông tin: cần nêu các mối nguy cơ, tác động đến trang thông tin điện tử nói chung. - Vấn đề bảo đảm an toàn trang TTĐT nói chung.

- Nguy cơ thay đổi, giả mạo nội dung trang TTĐT nói chung. - Trình bày về phương pháp thu thập thông tin từ trang TTĐT. Phương pháp chọn lọc thẻ tin, nội dung thông tin cần kiểm tra phát hiện thay đổi. - Nghiên cứu về các mô hình, phương pháp, kỹ thuật liên quan đến thu thập thông tin, trích chọn dữ liệu, kiểm tra phát hiện thay đổi nội dung bảng kết quả của trang tin xổ số.

Chương 2: Nghiên cứu phương pháp kiểm tra phát hiện thay đổi nội dung trang tin xổ số Đảm bảo tính toàn vẹn của thông tin, tức là thông tin chỉ được phép xóa hoặc sửa đổi bởi những đối tượng được phép và phải đảm bảo rằng thông tin vẫn còn chính xác khi được lưu trữ hay truyền đi. Ví dụ trường hợp tính toàn vẹn của thông tin bị phá vỡ: thay đổi kết quả xổ số trên trang xổ số kiến thiết từ một đối tượng không được phép dẫn đến nhiều hệ lụy. Chương này trình bày cụ thể về kiến trúc, cơ chế hoạt động của trang TTĐT cùng với mô hình tổng quát cho phương pháp kiểm tra phát hiện giả mạo nội dung trang tin. Bằng cách trình bày cụ thể phương pháp thu thập thông tin, chọn lọc nội dung thông tin cần kiểm tra đối với trang TTĐT, phân tích các công cụ thu thập thông tin sẽ đưa ra phương pháp kiểm tra phát hiện giả mạo nội dung trang kết quả xổ số.

Các nội dung dự kiến: - Khái quát về kiến trúc chung, cơ chế hoạt động của các trang TTĐT. - Mô hình tổng quát cho phương pháp kiểm tra phát hiện thay đổi nội dung bảng kết quả của trang tin xổ số. - Phương pháp thu thập thông tin từ trang TTĐT. Cụ thể cho một trang TTĐT về kết quả xổ số.

- Cách thức lập bảng dữ liệu về kết quả trang tin xổ số. - Phân tích, đánh giá một số công cụ thu thập thông tin. Chọn một công cụ thu thập thông tin (dự kiến dùng bộ công cụ Scrapy). - Phương pháp kiểm tra phát hiện thay đổi bảng kết quả của trang tin xổ số.

- Đánh giá, nhận xét Chương 3: Cài đặt và thử nghiệm 3 Chương này nhằm hiện thực hóa các kết quả đã nghiên cứu, sẽ tiến hành triển khai thử nghiệm thu thập nội dung thông tin, ghi thông tin, kiểm tra phát hiện thay đổi nội dung trang tin kết quả xổ số. Các nội dung dự kiến: - Xây dựng một kịch bản thử nghiệm. - Kết quả thử nghiệm thu thập nội dung thông tin, ghi thông tin, kiểm tra phát hiện thay đổi nội dung trang tin kết quả xổ số. - Phân tích, đánh giá kết quả thử nghiệm.

TỔNG QUAN VỀ VẤN ĐỀ NGHIÊN CỨU. Khái niệm an toàn thông tin nhằm mục đích chính bảo vệ các khía cạnh tính bí mật, toàn vẹn và sẵn sàng của thông tin. Trong đó tính toàn vẹn chính là khía cạnh mà luận văn này muốn nghiên cứu, để xác định các nguy cơ thay đổi, giả mạo nội dung trang TTĐT. Vấn đề an toàn thông tin: cần nêu các mối nguy cơ, tác động đến trang thông tin điện tử nói chung Thông tin phản ánh các thuộc tính của đối tượng vật chất (tin tức về người, đồ vật, sự kiện, biến cố, hiện tượng và quá trình) và quan hệ giữa chúng nên có thể xem thông tin là đối tượng nhận thức và cũng là đối tượng cần bảo vệ.

Thông tin được bảo vệ gồm thông tin mật và thông tin “nhạy cảm”. Các nguy cơ đe dọa an toàn thông tin: - An toàn thông tin được đánh giá bằng hai chỉ số: xác suất ngăn chặn các nguy cơ và thời gian đảm bảo mức độ an toàn xác định. Các chỉ số này phụ thuộc lẫn nhau. Trong những biện pháp bảo vệ thông tin cụ thể cho trước, có thể đảm bảo mức độ an toàn cao hơn trong khoảng thời gian ngắn hơn.

- Vì thông tin được chứa trong các tham số thông tin của vật mang, nên để đảm bảo an toàn thông tin, các tham số này phải giữ được giá trị của nó trong khoảng thời gian nhất định. Do tác động của những nhân tố (nhiễu) khác nhau mà giá trị tham số của vật mang tin cũng khác nhau. - Thông tin thường bị đe dọa lấy cắp, thay đổi hay bị xóa một cách vô tình hay cố ý. Các nguy cơ này thường được thể hiện dưới dạng:  Những hoạt động của kẻ ác ý (khai thác thông tin vì mục đích tình báo quốc gia, tình báo thương mại, vì mục đích của những phần tử tội phạm, của những nhân viên không trung thành.);  Theo dõi các nguồn tin, nghe trộm các cuộc nói chuyện riêng và thu trộm các tín hiệu âm thanh của máy móc đang làm việc;  Chặn bắt các trường điện, trường từ, trường điện từ, các tín hiệu điện và các bức xạ phóng xạ;  Truyền trái phép vật mang tin dưới dạng vật chất ra ngoài cơ quan, đơn vị;  Những người nắm giữ thông tin riêng hoặc thông tin mật tiết lộ thông tin; 5  Đánh mất vật mang tin (tài liệu, vật mang tin dưới dạng máy móc, mẫu nguyên vật liệu.);  Lan truyền trái phép thông tin qua các trường và các tín hiệu điện xuất hiện ngẫu nhiên ở các thiết bị điện và thiết bị vô tuyến điện, vì các thiết bị đó quá cũ hoặc sản xuất kém chất lượng và vi phạm các nguyên tắc sử dụng;  Những hỏng hóc do thiết bị, không thể sửa được trong quá trình làm việc của thu thập, xử lý, lưu giữ và truyền tin, những lỗi do vô ý của người dùng tin.

 Ảnh hưởng của thiên tai, sự cố về an toàn, ảnh hưởng của các loại nhiễu tự nhiên, nhiễu điện công nghiệp, nhiễu điện từ. - Để bảo vệ thông tin có hiệu quả, cần ước lượng giá trị của nguy cơ đe dọa an toàn thông tin. Giá trị của một nguy cơ cụ thể đối với thành phần thông tin xem xét đầu tiên trong mọi trường hợp có thể biểu thị dưới dạng tích của các thiệt hại tiềm ẩn do thực trạng nguy cơ về yếu tố thông tin đầu tiên với xác suất thực tế thể hiện nó. - Việc nhận giá trị định lượng tương đối chính xác và khách quan của các thành phần là phức tạp.

Việc đánh giá gần đúng độ lớn của nguy cơ đe dọa an toàn thông tin có thể thực hiện được trong những điều kiện và giới hạn sau:  Thứ nhất, có thể giả thiết thiệt hại lớn nhất do thông tin bị đánh cắp tương ứng với giá trị của thông tin đó. Thực tế, trong trường hợp thông tin rơi vào tay đối thủ cạnh tranh thì người sở hữu thông tin có thể không những mất lợi nhuận được hưởng mà còn không thể bù được giá thành sản phẩm.  Thứ hai, trong trường hợp hoàn toàn không xác định được ý đồ của kẻ ác ý về khai thác thông tin thì sai số dự đoán là nhỏ nhất nếu chấp nhận giá một điều rõ ràng là giá trị thông tin lớn bao nhiêu và nguy cơ đe dọa an toàn thông tin cao bao nhiêu thì các nguồn lực để bảo vệ thông tin càng phải lớn bấy nhiêu. Từ những phân tích trên đây có thể thấy rằng, việc đánh giá một cách đầy đủ các nguy cơ về an toàn thông tin đối với nguồn tài nguyên thông tin của mỗi cơ quan, tổ chức là bước đi cần thiết để có thể xây dựng các chính sách, giải pháp bảo vệ thông tin một cách hữu hiệu 6 1.

Các hình thức tấn công mạng phổ biến 1. Tấn công bằng phần mềm độc hại (Malware attack) Tấn công malware là hình thức phổ biến nhất. Malware bao gồm spyware (phần mềm gián điệp), ransomware (mã độc tống tiền), virus và worm (phần mềm độc hại có khả năng lây lan nhanh). Thông thường, tin tặc sẽ tấn công người dùng thông qua các lỗ hổng bảo mật, cũng có thể là dụ dỗ người dùng click vào một đường link hoặc email (phishing) để phần mềm độc hại tự động cài đặt vào máy tính.

Một khi được cài đặt thành công, malware sẽ gây ra: - Ngăn cản người dùng truy cập vào một file hoặc folder quan trọng (ransomware) - Cài đặt thêm những phần mềm độc hại khác - Lén lút theo dõi người dùng và đánh cắp dữ liệu (spyware) - Làm hư hại phần mềm, phần cứng, làm gián đoạn hệ thống. Tấn công giả mạo (Phishing attack) Phishing là hình thức giả mạo thành một đơn vị/cá nhân uy tín để chiếm lòng tin của người dùng, thông thường qua email. Mục đích của tấn công Phishing thường là đánh cắp dữ liệu nhạy cảm như thông tin thẻ tín dụng, mật khẩu, đôi khi phishing là một hình thức để lừa người dùng cài đặt malware vào thiết bị (khi đó, phishing là một công đoạn trong cuộc tấn công malware). Tấn công trung gian (Man-in-the-middle attack) Tấn công trung gian (MitM), hay tấn công nghe lén, xảy ra khi kẻ tấn công xâm nhập vào một giao dịch/sự giao tiếp giữa 2 đối tượng.

Khi đã chen vào giữa thành công, chúng có thể đánh cắp dữ liệu của giao dịch đó. Loại hình này xảy ra khi: - Nạn nhân truy cập vào một mạng Wifi công cộng không an toàn, kẻ tấn công có thể “chen vào giữa” thiết bị của nạn nhân và mạng Wifi đó. Vô tình, những thông tin nạn nhân gửi đi sẽ rơi vào tay kẻ tấn công. - Khi phần mềm độc hại được cài đặt thành công vào thiết bị, một kẻ tấn công có thể dễ dàng xem và điều chỉnh dữ liệu của nạn nhân.

Tấn công từ chối dịch vụ (DoS và DDoS) DoS (Denial of Service) là hình thức tấn công mà tin tặc “đánh sập tạm thời” một hệ thống, máy chủ, hoặc mạng nội bộ. Để thực hiện được điều này, chúng 7 thường tạo ra một lượng traffic/request khổng lồ ở cùng một thời điểm, khiến cho hệ thống bị quá tải, từ đó người dùng không thể truy cập vào dịch vụ trong khoảng thời gian mà cuộc tấn công DoS diễn ra. Một hình thức biến thể của DoS là DDoS (Distributed Denial of Service): tin tặc sử dụng một mạng lưới các máy tính (botnet) để tấn công nạn nhân.