Chương 1. TỔNG QUAN ĐỀ TÀI hồi được cho là tốt nhất, giúp tao bay cho các cuộc tấn công web, dẫn dụ và thu hút kẻ tấn công.5 Cấu trúc Khóa luận tốt nghiệp Khóa luận được tổ chức trong 6 chương như sau: Chương|IÌ TONG QUAN ĐỀ TÀI Trình bày cấu trúc cũng như khái quát nhất về nội dung khóa luận muốn hướng tới. Chương 2| CƠ SỞ LÝ THUYẾT Trình bày các khái niệm, các kiến thức có liên quan đến việc thực hiện nghiên cứu và triển khai thực nghiệm cho khóa luận. Ngoài ra, trong chương này còn di qua một số nghiên cứu có liên quan đến dé tài mà tác giả đã tham khảo.
Chuong|3} PHƯƠNG PHÁP DE XUẤT Chương này sẽ nói chỉ tiết về mô hình, luồng hoạt động mà hệ thống của dé tài hướng đến, tổng hợp các phương pháp được thực hiện trong hệ thống, phương pháp đánh giá cho mô hình. Chuong|4} THUC NGHIEM, DANH GIÁ VÀ THẢO LUẬN Trong chương này, các phương pháp với số liệu cụ thể, chỉ tiết sẽ được để cập và câu hình rõ ràng. Ở phần sau của chương bao gồm các kịch bản thử nghiệm để đưa ra đánh giá cho hệ thống, từ đó thảo luận thêm về hệ thống từ đề tài. Chương] KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Đưa ra kết luận về đề tài, nhận xét về ưu và nhược điểm của hệ thống, để xuất một số hướng phát triển mở rộng cho các nghiên cứu liên quan trong tương lai.
Chương 2 CƠ SỞ LÝ THUYÊT Tóm tắt chương Trong chương này, tác giả sẽ trình bày cơ sở lý thuyết cần thiết của khóa luận. Bao gồm cái nhìn chung về honeypot và các phương pháp tiếp cận. Bên cạnh đó là cơ sở lý thuyết về học tăng cường, giới thiệu các mô hình, phương pháp tiếp cận ứng với các thuật toán. Song song với các khái niệm lý thuyết, tác giả trình bày tóm tắt về những công trình nghiên cứu tiêu biểu mà tác giả đã tham khảo hoặc đưa ra đánh giá.1 Tổng quan Honeypot là một công cu bảo mật và phòng thủ thông minh, được thiết kế để có những phản hồi hoặc biểu hiện giống như các tài nguyên hệ thống dễ bị tổn thương.
Từ đó, honeypot có thể đánh lừa kẻ tấn công rằng đây chính là một hệ thống thật đang được vận hành, khuyến khích kẻ tấn công thực hiện các câu lệnh tấn công vào các lỗ hổng được xây dựng trong honeypot. Ngoài nhiệm vụ giả mao, honeypot còn thu thập các mẫu tan công, chiến lược mà các phan mềm độc hai hay kẻ tan công sử dụng trong thực tế. Như vậy, có thể thay honeypot hoạt động như một cái bay, thu hút các kẻ tan công hoặc phần mềm độc hại thực hiện khai thác, sau đó, các hoạt động độc hại này có thể được theo dõi và phân tích mà không gây hại cho tài sản thật sự của tổ chức. COSO LY THUYẾT Một trong những lợi ích chính của honeypot là khả năng phát hiện các cuộc tan công zero-day, những lỗ hổng bảo mật chưa được biết đến và do đó chưa có sẵn bản vá.
Bằng cách giám sát hoạt động bat thường cũng như thu thập tan công, honeypot có thể giúp các đội bảo mật của doanh nghiệp nhanh chóng phát hiện ra các mối đe dọa mới để phản ứng kịp thời cũng như phân tích sớm để đưa ra các bản vá bảo mật kịp thời. Ngoài ra, honeypot còn có giá trị trong việc giáo dục và nghiên cứu. Honeypot cung cấp cho sinh viên và nhà nghiên cứu bảo mật cơ hội để hiểu rõ về cách xây dựng hệ thống thật, các chiến thuật được kẻ tan công sử dụng trong thực tế, từ đó, phát triển các kỹ năng phòng thủ tiên tiên để chống lại chúng. Có thể nói, giải pháp honeypot là một phần quan trọng của chiến lược phòng thủ chủ động, giúp các tổ chức giữ được an toàn trong bồi cảnh an ninh mạng ngày càng phức tap như hiện nay.2 Phan loại Có rất nhiều phương pháp để phân loại honeypot (3): phan loai dua vao muc dich của honeypot (honeypot phục vu cho nghiên cứu hoặc san phẩm thương mại), phân loại dựa vào vai trò,.
Để bám sát vào nội dung của khóa luận, tác giả sẽ tập trung nói về phân loại honeypot dựa vào Mức độ tương tác của honeypot [10]: 1. Honeypot tương tác mức độ THẤP: ở nhóm honeypots này, mức độ tương tác giữa kẻ tấn công và hệ thống giả mạo sẽ rất thấp bởi môi trường của hệ thống sẽ được cài đặt tĩnh. Thông thường, các phản hồi mà honeypot đưa ra cho kẻ tan công sẽ được lấy từ một bộ dữ liệu có sẵn và không được cập nhật, honeypot sẽ tương tác với những thông tin chỉ có trong bộ dữ liệu tĩnh này và do đó khả năng đáp ứng của honeypot thấp. Hệ thống honeypot lúc này cũng không được cài đặt hệ điều hành thực sự, các dịch vụ, các cổng (port) mạng cũng sẽ được bắt chước sao cho khá giống với hệ thống thật, chính vì thế, việc xây dựng honeypots thuộc loại này là khá dé dàng.
Honeypot tương tác mức độ TRUNG BÌNH: các honeypots thuộc nhóm này cũng không được cài đặt một hệ điều hành thực sự, tuy nhiên, một số 7 Chương 2. COSO LY THUYẾT dich vu của hệ điều hành sẽ được thiết kế chi tiết hơn hoặc được lay từ mã nguồn gốc để tăng tính chân thật cho honeypot. Ngoài ra, để xây dựng các dịch vụ, người ta sẽ tạo ra các module ứng với dịch vụ đó để vận hành cùng với honeypot. Vì thế, honeypot thuộc nhóm này cần xây dựng phức tạp hơn và cũng thu hút nhiều tấn công hơn so với các honeypots tương tác mức độ thấp.
Vì honeypot tương tác mức độ trung bình không cần nhiều tài nguyên, việc xây dựng các module có phan tùy biến nên honeypots thuộc nhóm này hiện đang được sử dụng rất rộng rãi. Honeypot tương tác mức độ CAO: đây là hệ thống honeypot phức tạp nhất trong việc xây dựng, triển khai và bảo trì, bởi vì chúng sẽ cần một hệ điều hành thật sự với môi trường thao tác gần như không bị hạn chế. Mọi dịch vụ có trong honeypot thường sẽ đảm bảo đúng phiên bản từ nhà phát hành, hệ thống phần cứng cũng phải đảm bảo day đủ về tài nguyên trong mọi thời điểm. Có thể thấy honeypots loại này sẽ gây khó khăn cho kẻ tấn công để phát hiện đây là một máy không thuộc hệ thống thật của tổ chức, nhưng bản thân nó cũng mang lại nhiều rủi ro về bảo mật.
Nếu không được quản lý đúng cách, honeypots có thể bị kẻ tan công sử dụng làm ban đạp để tiếp tục tấn công vào các phần khác của mạng hoặc chiếm quyền của honeypot để làm một nút (node) phục vụ cho một cuộc tấn công khác. Do đó, việc thiết lập và duy trì honeypots nhóm này yêu cầu kiến thức chuyên sâu về an ninh mạng và quản lý rủi ro. Việc tao ra các phản hồi giống hệ thống thật chắc chắn là yếu t6 quan trọng nhất khi xây dựng honeypot. Tuy nhiên, nếu xây dựng honeypot chỉ tập trung vào yếu tố này mà không mở rộng thêm về kiến trúc cũng như chức năng thì honeypot sẽ không thích nghỉ được các hình thức tan công mới vào hệ thống hoặc sẽ dé bị phát hiện với các kỹ thuật phát hiện honeypots hiện nay.
Do đó, một khái niệm honeypot mới được sinh ra, gắn liền với sự mở rộng tính đáp ứng của honeypot, đó chính là Honeypot tương tác thông minh (10]. Khái niệm của honeypot tương tác thông minh chính là việc tương tác với kẻ tan công nhằm tối đa hóa khả năng bắt được các cuộc tấn công cụ thể mô phỏng chính xác hành vi của một dịch vụ hay một cuộc tấn công cụ thể, nói cách khác, honeypot lúc này có khả năng đưa Chương 2. COSO LY THUYẾT ra phản hồi dé dẫn dụ kẻ tấn công hướng đến thực hiện một tấn công đã được xác định từ trước.2_ Mô hình BERT 2.1 Tổng quan về mô hình BERT và mô hình pre-trained BERT hay viết tắt của Bidirectional Encoder Representations from Transformers, là một mô hình ngôn ngữ dựa trên kiến trúc transformer, nổi tiếng với sự cải thiện đáng kể so với các mô hình tiên tiến trước đó. Nó được giới thiệu vào tháng 10 năm 2018 bởi các nhà nghiên cứu tại Googld!] BERT ban đầu được triển khai bằng tiếng Anh ở hai kích thước mô hình: BERTgase (110 triệu tham số) và BERT arce (340 triệu tham số) (2).
Cả hai mô hình đều được huấn luyện trước trên tập dữ liệu Toronto BookCorpus và Wikipedia tiếng Anh [12]. BERT da tro thành một chuẩn phổ biến trong các thử nghiệm xử lý ngôn ngữ tự nhiên, với hơn 150 công trình nghiên cứu phân tích và cải tiến mô hình [8]. M6 hinh BERT đã được triển khai trong hệ thống tìm kiếm của Google từ năm 2019 cho các truy van bằng tiếng Anh va hơn 70 ngôn ngữ khác, bao gồm cả các đoạn văn đặc trưng riêng của mỗi ngôn ngữ. Mô hình BERT là một mô hình đã được huấn luyện trước (pre-trained), tức là nó đã được đào tao với một lượng lớn dữ liệu hoặc sử dụng các phương pháp tiên tiến để giảm công sức huấn luyện từ đầu.
Sau đó, mô hình có thể được tiếp tục huấn luyện để phù hợp với dữ liệu thực tế hoặc được áp dụng trực tiếp trong các bài toán học máy. Mô hình BERT là một mô hình học sâu. Mô hình này có thể được sử dụng ngay sau khi được huấn luyện trước hoặc sẽ được điều chỉnh và huấn luyện thêm để phù hợp với yêu cầu cụ thể của ứng dụng. Thay vì xây dựng một mô hình trí tuệ nhân tạo từ đầu, các nhà phát triển có thể sử dụng các mô hình đã được huấn luyện trước và tùy chỉnh chúng để đáp ứng nhu cầu của họ.
Đối với những bài toán có dữ liệu đầu vào quá lớn và yêu cầu phân tích phức tạp, việc sử dụng các mô hình pre-trained có sẵn sẽ giúp tiết kiệm thời gian và nguồn lực trong việc xây dựng mô hình cho các nhiệm vụ cụ thể.google/blog/open-sourcing-bert-state-of-the-art-pre-training-for-natural- language-processing / Chương 2. COSO LY THUYẾT 2.2 Kiến trúc mô hình BERT Mô hình BERT sử dụng một loại kiến trúc mã hóa Chuyển đổi (Transformer) hai chiều. Đây chính là một tính năng nổi bật giúp mô hình BERT tốt hơn so với các mô hình directional - là các mô hình đọc dữ liệu ngữ cảnh theo một chiều duy nhất, từ trái sáng phải hoặc từ phải sang trái một cách tuần tự, nói cách khác, khi đọc dự liệu theo cả hai chiều thì việc hiểu ngữ cảnh trở nên rõ ràng hơn. Bản thân bộ chuyển đổi là một kiến trúc mạng nơ-ron, trong đó, ta cần chú ý đến một thành phần quan trọng chính là các lớp attention trong mạng này.