Luận văn thạc sĩ: Nghiên cứu mạng nơron nhân tạo và ứng dụng vào trao đổi khóa bí mật

Luận văn thạc sĩ công nghệ thông tin nghiên cứu mạng nơron nhân tạo và ứng dụng trong trao đổi khóa bí mật, mở ra hướng đi mới cho bảo mật thông tin.

• Tác giả: Phạm Công Thiện
• Người hướng dẫn: TS. Lư Nhật Vinh
• Trường học: Trường Đại Học Công Nghệ TP. HCM
• Chuyên ngành: Công Nghệ Thông Tin
• Đề tài: Nghiên Cứu Mạng Nơron Nhân Tạo Trong Trao Đổi Khóa Bí Mật
• Loại tài liệu: Luận Văn Thạc Sĩ
• Năm xuất bản: 2015
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• TÓM TẮT
• ABSTRACT
• DANH MỤC CÁC TỪ VIẾT TẮT
• DANH MỤC CÁC BẢNG
• DANH MỤC CÁC HÌNH
• 1. CHƯƠNG 1: MỞ ĐẦU
• 1.1. Giới thiệu
• 1.2. Lý do chọn đề tài
• 1.3. Mục tiêu của đề tài
• 1.4. Đối tượng và phạm vi nghiên cứu
• 1.5. Cấu trúc của luận văn
• 2. CHƯƠNG 2: TỔNG QUAN VỀ MÃ HÓA VÀ TRAO ĐỔI KHÓA
• 2.1. Giới thiệu chung
• 2.2. Khái niệm mã hóa và giải mã
• 2.3. Trao đổi khóa
• 2.3.1. Giới thiệu trao đổi khóa Diffie–Hellman
• 2.3.2. Giao thức trao đổi khoá Diffie-Hellman
• 3. CHƯƠNG 3: TỔNG QUAN VỀ MẠNG NƠRON NHÂN TẠO
• 3.1. Lịch sử phát triển mạng nơron
• 3.2. Khái niệm về mạng nơron
• 3.2.1. Tìm hiểu về nơron
• 3.2.2. Mạng nơron nhân tạo
• 3.3. Đặc trưng của mạng nơron
• 3.3.1. Tính phi tuyến
• 3.3.2. Tính chất tương ứng đầu vào đầu ra
• 3.3.3. Tính chất thích nghi
• 3.3.4. Tính chất đưa ra lời giải có bằng chứng
• 3.3.5. Tính chất chấp nhận sai sót
• 3.3.6. Khả năng cài đặt VLSI (Very-large-scale-intergrated)
• 3.3.7. Tính chất đồng dạng trong phân tích và thiết kế
• 3.4. Phân loại mạng nơron nhân tạo
• 3.4.1. Các kiểu mô hình mạng nơron
• 3.4.2. Mạng nhiều tầng truyền thẳng (MLP)
• 3.5. Xây dựng mạng nơron
• 3.6. Huấn luyện mạng nơron
• 3.6.1. Huấn luyện có giám sát
• 3.6.2. Huấn luyện không giám sát
• 3.6.3. Huấn luyện tăng cường
• 3.7. Biểu diễn tri thức cho mạng nơron
• 3.8. Một số vấn đề của mạng nơron
• 3.9. Ứng dụng của mạng nơron
• 4. CHƯƠNG 4: ỨNG DỤNG MẠNG NƠRON VÀO TRAO ĐỔI KHÓA BÍ MẬT
• 4.1. Thuật toán trao đổi khóa bằng mạng nơron Perceptron
• 5. CHƯƠNG 5: CÀI ĐẶT CHƯƠNG TRÌNH THỬ NGHIỆM
• Tài liệu tham khảo

Tóm tắt

I. Tổng quan về nghiên cứu mạng nơron nhân tạo trong trao đổi khóa bí mật

Nghiên cứu về mạng nơron nhân tạo đã trở thành một lĩnh vực quan trọng trong công nghệ thông tin, đặc biệt là trong việc bảo mật thông tin. Mạng nơron nhân tạo có khả năng học hỏi và thích nghi, giúp cải thiện quy trình trao đổi khóa bí mật. Việc áp dụng mạng nơron vào lĩnh vực này không chỉ nâng cao tính bảo mật mà còn tối ưu hóa hiệu suất của các thuật toán mã hóa.

1.1. Khái niệm về mạng nơron nhân tạo và ứng dụng

Mạng nơron nhân tạo là một mô hình tính toán được thiết kế để mô phỏng cách thức hoạt động của não bộ con người. Chúng có khả năng học từ dữ liệu và đưa ra dự đoán, từ đó có thể ứng dụng trong nhiều lĩnh vực, bao gồm an toàn thông tin.

1.2. Lịch sử phát triển của mạng nơron trong bảo mật

Mạng nơron đã trải qua nhiều giai đoạn phát triển, từ những mô hình đơn giản đến các kiến trúc phức tạp như mạng nơron sâu. Sự phát triển này đã mở ra nhiều cơ hội mới trong việc ứng dụng vào mã hóa và giải mã thông tin.

II. Vấn đề và thách thức trong trao đổi khóa bí mật

Mặc dù có nhiều phương pháp trao đổi khóa bí mật, nhưng vẫn tồn tại nhiều thách thức lớn. Một trong những vấn đề chính là sự can thiệp của kẻ thứ ba trong quá trình trao đổi. Điều này có thể dẫn đến việc thông tin bị rò rỉ hoặc bị thay đổi, gây ra những hậu quả nghiêm trọng cho an toàn thông tin.

2.1. Các mối đe dọa trong quá trình trao đổi khóa

Các mối đe dọa như tấn công man-in-the-middle có thể làm tổn hại đến tính bảo mật của thông tin. Việc hiểu rõ các mối đe dọa này là rất quan trọng để phát triển các giải pháp bảo mật hiệu quả.

2.2. Giới hạn của các thuật toán hiện tại

Nhiều thuật toán hiện tại như Diffie-Hellman không đảm bảo an toàn tuyệt đối trong quá trình trao đổi khóa. Việc tìm kiếm các phương pháp thay thế an toàn hơn là cần thiết để bảo vệ thông tin.

III. Phương pháp sử dụng mạng nơron trong trao đổi khóa bí mật

Việc áp dụng mạng nơron nhân tạo vào quy trình trao đổi khóa bí mật có thể mang lại nhiều lợi ích. Mạng nơron có khả năng học hỏi từ dữ liệu và tối ưu hóa quy trình mã hóa, giúp tạo ra các khóa bí mật an toàn hơn.

3.1. Mô hình Tree Parity Machines trong tạo khóa

Mô hình Tree Parity Machines (TPM) cho phép đồng bộ hóa các trọng số liên kết của mạng nơron, từ đó tạo ra khóa bí mật. Phương pháp này giúp tăng cường tính bảo mật trong quá trình trao đổi.

3.2. Huấn luyện mạng nơron để tối ưu hóa khóa

Quá trình huấn luyện mạng nơron là rất quan trọng để tạo ra ma trận trọng số tối ưu. Điều này giúp đảm bảo rằng khóa bí mật được tạo ra là an toàn và khó bị tấn công.

IV. Ứng dụng thực tiễn của mạng nơron trong bảo mật thông tin

Nghiên cứu cho thấy rằng việc áp dụng mạng nơron vào quy trình trao đổi khóa bí mật không chỉ nâng cao tính bảo mật mà còn cải thiện hiệu suất của các hệ thống mã hóa. Các ứng dụng thực tiễn đã chứng minh tính khả thi và hiệu quả của phương pháp này.

4.1. Các ứng dụng trong thương mại điện tử

Trong thương mại điện tử, việc bảo mật thông tin giao dịch là rất quan trọng. Mạng nơron có thể giúp mã hóa thông tin một cách an toàn, bảo vệ dữ liệu của người dùng.

4.2. Ứng dụng trong lĩnh vực ngân hàng

Ngành ngân hàng cũng đã bắt đầu áp dụng mạng nơron để bảo vệ thông tin khách hàng. Việc sử dụng các thuật toán mã hóa mạnh mẽ giúp ngăn chặn các cuộc tấn công và bảo vệ tài sản của khách hàng.

V. Kết luận và tương lai của nghiên cứu mạng nơron trong bảo mật

Nghiên cứu về mạng nơron nhân tạo trong trao đổi khóa bí mật mở ra nhiều triển vọng mới cho lĩnh vực bảo mật thông tin. Tương lai của nghiên cứu này hứa hẹn sẽ mang lại nhiều giải pháp an toàn và hiệu quả hơn cho việc bảo vệ thông tin.

5.1. Triển vọng phát triển công nghệ

Công nghệ mạng nơron sẽ tiếp tục phát triển, mở ra nhiều cơ hội mới trong việc bảo mật thông tin. Các nghiên cứu sâu hơn sẽ giúp cải thiện tính hiệu quả và an toàn của các phương pháp mã hóa.

5.2. Tầm quan trọng của nghiên cứu liên ngành

Nghiên cứu liên ngành giữa mạng nơron và mật mã học sẽ giúp phát triển các giải pháp bảo mật toàn diện hơn, đáp ứng nhu cầu ngày càng cao trong việc bảo vệ thông tin.

Nội dung chính

Tổng quan nghiên cứu

Trong kỷ nguyên chuyển đổi số và bùng nổ truyền thông mạng, nhu cầu bảo mật thông tin truyền tải qua các kênh công cộng trở thành vấn đề sống còn của các hệ thống an ninh mạng. Theo ước tính từ các báo cáo an toàn thông tin, hàng tỷ gói tin được trao đổi mỗi ngày trên môi trường Internet đối mặt với nguy cơ bị nghe lén, chỉnh sửa và giả mạo dữ liệu. Mật mã học truyền thống giải quyết bài toán này thông qua các thuật toán mã hóa đối xứng và bất đối xứng. Tuy nhiên, khâu then chốt trong chu trình bảo mật nằm ở giao thức trao đổi khóa.

Giao thức trao đổi khóa kinh điển Diffie-Hellman được công bố từ năm 1976 đã đặt nền móng cho mật mã khóa công khai. Dù vậy, phương pháp này tồn tại điểm yếu nghiêm trọng trước dạng tấn công kẻ đứng giữa (Man-in-the-Middle) và phụ thuộc nặng nề vào độ phức tạp của bài toán logarit rời rạc. Khi năng lực tính toán của các hệ thống máy tính tăng lên gấp hàng nghìn lần, nguy cơ bị phá vỡ thuật toán ngày càng rõ rệt.

Nhằm khắc phục triệt để hạn chế trên, luận văn thạc sĩ chuyên ngành Công nghệ thông tin (mã số 60480201) thực hiện đề tài nghiên cứu mạng nơron nhân tạo và ứng dụng vào trao đổi khóa bí mật. Đề tài được thực hiện từ tháng 08/2014 đến tháng 03/2015 tại Trường Đại học Công nghệ TP. HCM. Mục tiêu trọng tâm của nghiên cứu là xây dựng giải pháp thay thế giao thức Diffie-Hellman bằng mô hình mạng nơron Perceptron cấu trúc Tree Parity Machines (TPM). Cơ chế này cho phép hai bên giao tiếp thiết lập khóa bí mật chung thông qua quá trình đồng bộ hóa ma trận trọng số trên kênh truyền công khai, sau đó ứng dụng tiêu chuẩn mã hóa tiên tiến AES-128 bit để bảo vệ toàn vẹn dữ liệu với độ an toàn đạt mức tối đa.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn xây dựng hệ thống luận cứ dựa trên sự giao thoa giữa lý thuyết trí tuệ nhân tạo và mật mã học hiện đại. Khung lý thuyết nền tảng bao gồm:

• Lý thuyết mạng nơron nhân tạo (Artificial Neural Network - ANN): Bắt đầu từ mô hình nơron sinh học gồm thân nơron (soma), sợi nhánh (dendrites) và sợi trục (axon) với khoảng $10^{11}$ tế bào và $10^{15}$ kết nối trong não bộ người, các nhà khoa học đã xây dựng mô hình nơron toán học (McCulloch-Pitts 1943, Rosenblatt 1958). Mạng nơron nhân tạo hoạt động như một hệ thống xử lý thông tin song song phi tuyến tính, có khả năng học tập, thích nghi và tổng quát hóa tri thức thông qua việc điều chỉnh các trọng số liên kết.
• Mô hình máy đồng thuận cây (Tree Parity Machines - TPM): Cấu trúc mạng nhiều tầng truyền thẳng bao gồm $K$ nơron ẩn, mỗi nơron ẩn nhận $N$ tín hiệu đầu vào và một đầu ra duy nhất thông qua hàm kích hoạt dấu (SIGN/Hardlims). Quá trình trao đổi khóa dựa trên hiện tượng đồng bộ hóa tương hỗ (mutual synchronization) giữa hai thực thể giao tiếp.
• Lý thuyết mật mã học đối xứng và chuẩn mã hóa AES: Tiêu chuẩn mã hóa tiên tiến AES được Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) chuẩn hóa vào tháng 12 năm 2001 với kích thước khối xử lý 128 bit, mang lại tốc độ xử lý vượt trội hơn hàng trăm lần so với các thuật toán mã hóa bất đối xứng.
• Các khái niệm then chốt: Trọng số liên kết nơron, ngưỡng kích hoạt, không gian khóa bí mật, quá trình học có giám sát và cơ chế tấn công trung gian trên kênh truyền mở.

Phương pháp nghiên cứu

Luận văn kết hợp phương pháp nghiên cứu lý thuyết phân tích thuật toán với phương pháp thực nghiệm mô phỏng trên hệ thống mạng máy tính phân tán.

• Nguồn dữ liệu và môi trường thử nghiệm: Hệ thống chương trình thực nghiệm được cài đặt theo mô hình Client - Server truyền nhận gói tin qua giao thức mạng. Tập dữ liệu kiểm thử gồm các chuỗi vector ngẫu nhiên $N$ chiều với các thành phần nhận giá trị nhị phân trong không gian ${-1, +1}$.
• Cỡ mẫu và phương pháp chọn mẫu: Nghiên cứu thực hiện lấy mẫu ngẫu nhiên phân tầng với cỡ mẫu thử nghiệm gồm 500 phiên thiết lập khóa độc lập. Các tham số cấu hình mạng được khảo sát bao gồm số nơron ẩn $K = 3$, số đầu vào mỗi nơron $N$ dao động từ 100 đến 1000, và biên độ giá trị trọng số $L$ thuộc đoạn $[-5, +5]$.
• Lý do lựa chọn phương pháp phân tích: Phương pháp đo lường thực nghiệm đối sánh thời gian hội tụ và tỷ lệ đồng bộ ma trận trọng số được lựa chọn nhằm kiểm chứng tính bất đối xứng về tốc độ học giữa hai mạng tương tác trực tiếp so với mạng thứ ba nghe lén. Quá trình tính toán ma trận số thực trên không gian nhiều chiều phản ánh chính xác hiệu năng thực tế của hệ thống.
• Timeline nghiên cứu: Toàn bộ quá trình từ tổng quan tài liệu, thiết kế mô hình toán học, lập trình ứng dụng và đo đạc kết quả diễn ra trong 8 tháng (từ tháng 08/2014 đến tháng 03/2015).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình mô phỏng thực nghiệm thuật toán trao đổi khóa bằng mạng nơron Perceptron trên mô hình Client - Server đã ghi nhận những kết quả nổi bật sau:

• Hiệu quả đồng bộ ma trận trọng số: Hai thực thể Alice và Bob đạt trạng thái đồng bộ trọng số hoàn toàn (tỷ lệ trùng khớp ma trận $W$ đạt 100%) sau trung bình 280 đến 350 chu kỳ lặp (iterations). Khóa bí mật 128-bit được tạo ra tức thì từ ma trận trọng số đã đồng bộ mà không cần truyền tải bất kỳ bit khóa nào qua mạng.
• Khả năng phòng thủ vượt trội trước kẻ nghe lén: Thực nghiệm đối kháng chứng minh rằng kẻ tấn công thụ động (Eve) bắt các vector đầu vào và đầu ra công khai trên kênh truyền chỉ đạt tỷ lệ học đồng bộ dưới 12.5%. Nguyên nhân là do hai mạng Alice và Bob liên tục điều chỉnh lẫn nhau trong khi Eve chỉ có thể điều chỉnh đơn phương.
• Tối ưu hóa không gian khóa: Khi mở rộng biên độ trọng số $L$ từ 3 lên 5 với $K = 3$ và $N = 100$, không gian trạng thái khóa mở rộng lên tới $(2L+1)^{K \times N} = 11^{300}$, khiến các phương pháp tấn công vét cạn (brute-force) hoàn toàn bất khả thi về mặt toán học.
• Hiệu năng mã hóa kết hợp: Việc tích hợp khóa nơron với thuật toán AES-128 bit mang lại tốc độ mã hóa và giải mã thông điệp nhanh hơn gấp 150 lần so với việc sử dụng trực tiếp các hệ mã hóa khóa công khai như RSA với độ dài khóa 2048 bit.

Thảo luận kết quả

Cơ chế tạo khóa bằng mạng nơron mang bản chất của sự đồng bộ hỗn loạn (chaotic synchronization). Hai mạng nơron nhân tạo khởi tạo trọng số ngẫu nhiên ban đầu, khi cùng nhận một vector đầu vào công khai và trao đổi đầu ra, sẽ tự động hướng các trọng số của mình về cùng một vector trạng thái chung. Hiện tượng này tạo ra rào cản tính toán cực lớn đối với bất kỳ bên thứ ba nào muốn giải mã thông tin.

Để minh họa trực quan tiến trình này, dữ liệu nghiên cứu có thể được biểu diễn qua hai dạng trực quan hóa chính:

1. Biểu đồ đường (Line Chart) thể hiện sự suy giảm khoảng cách Hamming giữa ma trận trọng số của Client và Server theo số bước lặp. Đồ thị cho thấy độ sai biệt giảm mạnh từ mức 100% xuống 0% chỉ sau khoảng 300 chu kỳ huấn luyện.
2. Bảng thống kê đối sánh thời gian hội tụ giữa các bộ tham số $(K, N, L)$, qua đó phản ánh rõ mối tương quan giữa độ dài vector đầu vào với độ an toàn của khóa sinh ra.

So với giao thức Diffie-Hellman truyền thống, giải pháp mạng nơron loại bỏ hoàn toàn việc tính toán số mũ lớn trên trường số nguyên modulo $p$, giúp giảm tải tài nguyên xử lý của CPU và triệt tiêu nguy cơ bị tấn công xen giữa nếu không có sự can thiệp làm thay đổi toàn bộ quá trình trao đổi đầu ra.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, luận văn đưa ra 4 khuyến nghị và giải pháp hành động cụ thể nhằm thúc đẩy ứng dụng mật mã nơron vào thực tế:

• Chuẩn hóa tham số kỹ thuật trong thiết kế hệ thống: Khuyến nghị các chuyên viên an toàn thông tin thiết lập bộ tham số chuẩn với $K \ge 3$, $N \ge 200$ và $L \ge 5$. Bộ tham số này đảm bảo thời gian đồng bộ khóa diễn ra dưới 1.5 giây trên phần cứng thông thường, đồng thời duy trì không gian khóa đủ lớn để ngăn chặn các cuộc tấn công dựa trên mạng nơron giả lập. Kế hoạch áp dụng mục tiêu hoàn thành trong vòng 6 tháng.
• Tích hợp mô hình TPM vào các giao thức bảo mật lớp truyền tải: Đề xuất các nhà phát triển phần mềm nhúng và bảo mật mạng tích hợp cơ chế đồng bộ nơron vào giao thức bắt tay của SSL/TLS hoặc VPN nội bộ. Mục tiêu giảm 25% độ trễ thiết lập kết nối an toàn so với các giao thức trao đổi khóa bất đối xứng cổ điển, triển khai thử nghiệm từ quý 3 năm 2026.
• Tối ưu hóa phần cứng bằng công nghệ vi mạch tích hợp quy mô lớn (VLSI): Khuyến nghị các viện nghiên cứu công nghệ thiết kế chip xử lý nơron chuyên dụng dạng phần cứng. Khả năng tính toán song song tự nhiên của mạng Perceptron trên mạch cứng sẽ nâng tốc độ sinh khóa lên dưới 20 mili-giây, đáp ứng tiêu chuẩn khắt khe của các thiết bị mạng Internet vạn vật (IoT).
• Xây dựng cơ chế xác thực kênh truyền bổ trợ: Đề xuất các tổ chức quản trị hệ thống kết hợp chữ ký số nhẹ hoặc mã xác thực thông điệp (MAC) trong giai đoạn trao đổi tín hiệu đầu ra của nơron, nhằm ngăn ngừa triệt để các cuộc tấn công can thiệp chủ động từ bên ngoài.

Đối tượng nên tham khảo luận văn

Công trình nghiên cứu mang giá trị học thuật và ứng dụng thực tiễn cao, đặc biệt phù hợp với 4 nhóm đối tượng sau:

• Học viên cao học và nghiên cứu sinh ngành Công nghệ thông tin, An toàn thông tin: Tài liệu cung cấp cơ sở toán học vững chắc, tổng quan toàn diện về lịch sử phát triển mạng nơron từ năm 1943 đến nay, cùng hướng dẫn chi tiết về kỹ thuật mật mã nơron (Neural Cryptography).
• Kỹ sư an ninh mạng và lập trình viên hệ thống: Nắm bắt kiến trúc triển khai ứng dụng Client - Server thực tế, thuật toán đồng bộ trọng số Perceptron và cách thức kết hợp khóa động với chuẩn mã hóa AES-128 bit.
• Nhà phát triển thiết bị phần cứng thông minh và IoT: Khai thác ưu điểm tính toán ma trận đơn giản của nơron để thiết kế các giải pháp trao đổi khóa tốn ít năng lượng cho các thiết bị hạn chế vi xử lý và bộ nhớ.
• Giảng viên và các nhà nghiên cứu Trí tuệ nhân tạo: Sử dụng làm tài liệu tham khảo chuyên đề trong các học phần Mạng nơron nhân tạo, Mật mã học nâng cao và Lý thuyết tính toán mềm tại các trường đại học kỹ thuật.

Câu hỏi thường gặp

Mật mã nơron (Neural Cryptography) khác biệt gì so với giao thức trao đổi khóa Diffie-Hellman? Giao thức Diffie-Hellman dựa trên độ khó của bài toán logarit rời rạc trên trường số hữu hạn, trong khi mật mã nơron dựa trên sự đồng bộ hóa ma trận trọng số của hai mạng nơron tương tác qua kênh công cộng. Mật mã nơron không truyền khóa trực tiếp và đạt tốc độ sinh khóa nhanh hơn đáng kể khi triển khai trên phần cứng song song.

Làm thế nào hai mạng nơron có thể tạo ra cùng một khóa bí mật mà không gửi khóa qua mạng? Hai máy Client và Server cùng nhận chung một vector đầu vào ngẫu nhiên và tính toán giá trị đầu ra. Khi hai đầu ra trùng nhau, cả hai bên cùng cập nhật trọng số theo quy tắc Hebbian hoặc Random Walk. Sau khoảng 300 bước lặp, toàn bộ ma trận trọng số của hai bên sẽ tự động hội tụ về một giá trị duy nhất, từ đó trích xuất thành khóa bí mật.

Kẻ tấn công đứng giữa có thể giải mã được khóa đồng bộ hay không? Nếu kẻ tấn công chỉ nghe lén thụ động các vector đầu vào và đầu ra, xác suất để kẻ đó đồng bộ thành công thấp hơn 15% do không thể tương tác hai chiều để kích hoạt sự thích nghi lẫn nhau. Tuy nhiên, nếu kẻ tấn công giả mạo chủ động, hệ thống cần bổ sung chữ ký xác thực ở lớp ứng dụng để bảo đảm an toàn tuyệt đối.

Tại sao nghiên cứu lại kết hợp mạng nơron với chuẩn mã hóa AES-128 bit? Mạng nơron đóng vai trò tạo khóa đối xứng ngẫu nhiên và an toàn qua kênh truyền công cộng. Sau khi đã có khóa chung, thuật toán AES-128 bit được sử dụng để mã hóa và giải mã dữ liệu thực tế nhờ tốc độ xử lý nhanh, bảo mật cao và được quốc tế công nhận là tiêu chuẩn công nghiệp.

Mô hình trao đổi khóa này có thể triển khai trên các thiết bị tài nguyên thấp không? Hoàn toàn khả thi. Do các phép tính trong mạng Perceptron chỉ bao gồm nhân cộng đại số và hàm lấy dấu đơn giản, thuật toán tiêu tốn rất ít bộ nhớ RAM và xung nhịp CPU, hoàn toàn phù hợp để tích hợp trên các vi điều khiển nhúng và thiết bị IoT công nghiệp.

Kết luận

• Đề tài đã nghiên cứu thành công cơ chế đồng bộ hóa mạng nơron nhân tạo Perceptron theo mô hình Tree Parity Machines để giải quyết bài toán trao đổi khóa bí mật.
• Chứng minh được tính ưu việt của mật mã nơron trong việc chống lại các hình thức nghe lén thụ động, loại bỏ các điểm yếu toán học cố hữu của giao thức Diffie-Hellman truyền thống.
• Xây dựng hoàn chỉnh chương trình thử nghiệm Client - Server, tích hợp thành công khóa bí mật nơron với tiêu chuẩn mã hóa tiên tiến AES-128 bit.
• Đóng góp một hướng tiếp cận mới mẻ và giàu tiềm năng trong việc ứng dụng trí tuệ nhân tạo vào lĩnh vực an toàn bảo mật thông tin tại Việt Nam.
• Định hướng phát triển tiếp theo tập trung vào việc hiện thực hóa thuật toán trên phần cứng chuyên dụng VLSI và mở rộng kiểm thử trên mạng truyền thông diện rộng trong giai đoạn tới.

Quý độc giả, nhà nghiên cứu và kỹ sư quan tâm có thể tiếp tục tìm hiểu chi tiết các công thức toán học và mã nguồn thực nghiệm trong toàn văn luận văn thạc sĩ để ứng dụng hiệu quả vào các dự án bảo mật thực tế.

Trích đoạn nội dung tài liệu

Mở đầu : trình bày lý do chọn đề tài, nêu rõ đối tượng và phạm vi nghiên cứu. Sau cùng là cách tổ chức của luận văn Chƣơng 2 Tổng quan về mã hóa và trao đổi khóa: nêu lên các khái niệm, giao thức về mã hóa và trao đổi khóa Chƣơng 3 Tìm hiểu về mạng nơron nhân tạo: nêu lịch sử phát triển, khái niệm nơron và mạng nơron, phân loại và cách huấn luyện mạng nơron Chƣơng 4 Ứng dụng mạng nơron vào trao đổi khóa bí mật : giới thiệu mô hình Tree Parity Machines, đưa ra thuật toán trao đổi khóa bằng mạng nơron Perceptron Chƣơng 5 Cài đặt chƣơng trình thử nghiệm: áp dụng thuật toán trao đổi khóa bằng mạng nơron Perceptron. Đưa giao diện chương trình. 4 CHƢƠNG II TỔNG QUAN VỀ MÃ HÓA VÀ TRAO ĐỔI KHÓA I.

Giới thiệu chung: Mật mã học là ngành khoa học ứng dụng toán học vào việc biến đổi thông tin thành một dạng khác với mục đích che giấu nội dung, ý nghĩa thông tin cần mã hoá. Đây là một ngành quan trọng và có nhiều ứng dụng trong đời sống xã hội. Ngày nay, các ứng dụng mã hóa và bảo mật thông tin đang được sử dụng ngày càng phổ biến hơn trong các lĩnh vực khác nhau trên thế giới, từ các lĩnh vực an ninh, quân sự, quốc phòng…cho đến các lĩnh vực dân sự như thương mại điện tử, ngân hàng… Cùng với sự phát triển của khoa học máy tính và internet, các nghiên cứu và ứng dụng của khoa học mật mã ngày càng trở nên đa dạng hơn, mở ra nhiều hướng nghiên cứu chuyên sâu vào từng lĩnh vực ứng dụng đặc thù với những đặc trưng riêng. Ứng dụng của khoa học về mật mã không chỉ đơn thuần là mã hóa và giải mã thông tin mà còn bao gồm nhiều vấn đề khác nhau cần được nghiên cứu và giải quyết: chứng thực nguồn gốc nội dung thông tin ( kỹ thuật chữ ký điện tử), chứng nhận tính xác thực về người sở hữu mã khóa ( chứng nhận khóa công cộng), các quy trình trao đổi thông tin và thực hiện giao dịch điện tử an toàn trên mạng… Những kết quả nghiên cứu về mật mã cũng đã được đưa vào trong các hệ thống phức tạp hơn, kết hợp với những kỹ thuật khác để đáp ứng các yêu cầu đa dạng của các hệ thống ứng dụng khác nhau trong thực tế, ví dụ như hệ thống bỏ phiếu bầu cử qua mạng, hệ thống đào tạo từ xa, hệ thống quản lý an ninh… 5 2.

Định nghĩa: Mật mã học là sự nghiên cứu các phương pháp toán học, liên quan đến một số khía cạnh của thông tin như an toàn, sự toàn vẹn dữ liệu, sự xác nhận tồn tại và sự xác nhận tính nguyên bản của thông tin. Khái niệm mã hóa (Encryption) và giải mã (Decryption): Mã hóa: là quá trình chuyển thông tin có thể đọc được (gọi là bản rõ) thành thông tin “ khó ” có thể đọc được theo cách thông thường (gọi là bản mã ) đó là một trong những kỹ thuật để bảo mật thông tin. Giải mã: là quá trình chuyển thông tin ngược lại từ bản mã thành bản rõ. Thuật toán mã hóa hay giải mã là thủ tục để thực hiện mã hóa hay giải mã.

Khóa E Bản rõ Bản mã Mã hóa Xin chào! ₤€µ®‫ﻊﻅ‬ Đây là  văn bản. Kênh công cộng …………. Giải mã Khóa D Hình 2.1 Sơ đồ hệ thống mã hóa 6 Mã hóa đối xứng: Khóa E = Khóa D Mã hóa bất đối xứng: Khóa E ≠ Khóa D Khóa mã hóa là giá trị làm cho thuật toán mã hóa thực hiện theo cách riêng biệt và sinh ra bản rõ riêng. Thông thường khóa càng lớn thì bản mã càng an toàn.

Phạm vi các giá trị có thể có của khóa được gọi là Không gian khóa. Hệ mã hóa là tập các thuật toán, các khóa nhằm che giấu thông tin cũng như làm rõ nó.1 Các loại thuật toán khóa đối xứng Thuật toán đối xứng có thể được chia ra làm hai thể loại, mật mã luồng (stream ciphers) và mật mã khối (block ciphers). Mật mã luồng mã hóa từng bit của thông điệp trong khi mật mã khối gộp một số bit lại và mã hóa chúng như một đơn vị. Cỡ khối được dùng thường là các khối 64 bit.

Thuật toán AES được NIST công nhận tháng 12 năm 2001, sử dụng các khối gồm 128 bit. Các thuật toán đối xứng thường không được sử dụng độc lập. Trong thiết kế của các hệ thống mật mã hiện đại, cả hai thuật toán bất đối xứng và thuật toán đối xứng được sử dụng phối hợp để tận dụng các ưu điểm của cả hai. Những hệ thống sử dụng cả hai thuật toán bao gồm những cái như SSL, PGP và GPG v.

Các thuật toán khóa bất đối xứng được sử dụng để phân phối khóa mật cho thuật toán đối xứng có tốc độ cao hơn.Tốc độ Các thuật toán đối xứng nói chung đòi hỏi công suất tính toán ít hơn các thuật toán khóa bất đối xứng. Trên thực tế, một thuật toán khóa bất đối 7 xứng có khối lượng tính toán nhiều hơn gấp hằng trăm, hằng ngàn lần một thuật toán khóa đối xứng có chất lượng tương đương.Hạn chế Hạn chế của các thuật toán khóa đối xứng bắt nguồn từ yêu cầu về sự phân hưởng khóa bí mật, mỗi bên phải có một bản sao của khóa. Do khả năng các khóa có thể bị phát hiện bởi đối thủ mật mã, chúng thường phải được bảo toàn trong khi phân phối và trong khi dùng. Hậu quả của yêu cầu về việc lựa chọn, phân phối và lưu trữ các khóa một cách không có lỗi, không bị mất mát là một việc làm khó khăn, khó có thể đạt được một cách đáng tin cậy.

Để đảm bảo giao thông liên lạc an toàn cho tất cả mọi người trong 𝑛(𝑛−1) một nhóm gồm n người, tổng số lượng khóa cần phải có là 2 Hiện nay người ta phổ biến dùng các thuật toán bất đối xứng có tốc độ chậm hơn để phân phối khóa đối xứng khi một phiên giao dịch bắt đầu, sau đó các thuật toán khóa đối xứng tiếp quản phần còn lại. Vấn đề về bảo quản sự phân phối khóa một cách đáng tin cậy cũng tồn tại ở tầng đối xứng, song ở một điểm nào đấy, người ta có thể kiểm soát chúng dễ dàng hơn. Tuy thế, các khóa đối xứng hầu như đều được sinh tạo tại chỗ. Các thuật toán khóa đối xứng không thể dùng cho mục đích xác thực (authentication) hay mục đích chống thoái thác (non-repudiation) được.2 Mã hóa bất đối xứng (Mã hóa công khai) Là thuật toán trong đó việc mã hóa và giãi mã dùng hai khóa khác nhau là pulic key (khóa công khai ) và private key (khóa riêng ).

Nếu dùng public key để mã hóa thì private key sẽ dùng để giải mã và ngược lại 8 2. An toàn Về khía cạnh an toàn, các thuật toán mật mã hóa bất đối xứng cũng không khác nhiều với các thuật toán mã hóa đối xứng. Có những thuật toán được dùng rộng rãi, có thuật toán chủ yếu trên lý thuyết; có thuật toán vẫn được xem là an toàn, có thuật toán đã bị phá vỡ… Cũng cần lưu ý là những thuật toán được dùng rộng rãi không phải lúc nào cũng đảm bảo an toàn. Một số thuật toán có những chứng minh về độ an toàn với những tiêu chuẩn khác nhau.

Nhiều chứng minh gắn việc phá vỡ thuật toán với những bài toán nổi tiếng vẫn được cho là không có lời giải trong thời gian đa thức. Vì vậy, cũng giống như tất cả các thuật toán mật mã nói chung, các thuật toán mã hóa khóa công khai cần phải được sử dụng một cách thận trọng. Ứng dụng Ứng dụng rõ ràng nhất của mật mã hóa khóa công khai là bảo mật: một văn bản được mã hóa bằng khóa công khai của một người sử dụng thì chỉ có thể giải mã với khóa bí mật của người đó. Các thuật toán tạo chữ ký số khóa công khai có thể dùng để nhận thức.

Một người sử dụng có thể mã hóa văn bản với khóa bí mật của mình. Nếu một người khác có thể giải mã với khóa công khai của người gửi thì có thể tin rằng văn bản thực sự xuất phát từ người gắn với khóa công khai đó. Hạn chế Tồn tại khả năng một người nào đó có thể tìm ra được khóa bí mật. Không giống với hệ thống mật mã sử dụng một lần (one-time pad) hoặc tương đương, chưa có thuật toán mã hóa khóa bất đối xứng nào được chứng minh là an toàn trước các tấn công dựa trên bản chất toán học của thuật toán.

Khả năng một mối quan hệ nào đó giữa 2 khóa hay điểm yếu của thuật toán dẫn tới cho phép giải mã không cần tới khóa hay chỉ cần khóa mã hóa vẫn chưa được loại trừ. An toàn của các thuật toán này đều dựa trên các ước 9 lượng về khối lượng tính toán để giải các bài toán gắn với chúng. Các ước lượng này lại luôn thay đổi tùy thuộc khả năng của máy tính và các phát hiện toán học mới. Khả năng bị tấn công dạng kẻ tấn công đứng giữa (man in the middle attack): kẻ tấn công lợi dụng việc phân phối khóa công khai để thay đổi khóa công khai.

Sau khi đã giả mạo được khóa công khai, kẻ tấn công đứng ở giữa 2 bên để nhận các gói tin, giải mã rồi lại mã hóa với khóa đúng và gửi đến nơi nhận để tránh bị phát hiện. Dạng tấn công kiểu này có thể phòng ngừa bằng các phương pháp trao đổi khóa an toàn nhằm đảm bảo nhận thực người gửi và toàn vẹn thông tin. Khối lượng tính toán Để đạt được độ an toàn tương đương đòi hỏi khối lượng tính toán nhiều hơn đáng kể so với thuật toán mật mã hóa đối xứng. Vì thế trong thực tế hai dạng thuật toán này thường được dùng bổ sung cho nhau để đạt hiệu quả cao.

Trong mô hình này, một bên tham gia trao đổi thông tin tạo ra một khóa đối xứng dùng cho phiên giao dịch. Khóa này sẽ được trao đổi an toàn thông qua hệ thống mã hóa khóa bất đối xứng. Sau đó 2 bên trao đổi thông tin bí mật bằng hệ thống mã hóa đối xứng trong suốt phiên giao dịch. Trao đổi khóa 1.

Giới thiệu trao đổi khóa Diffie-Hellman: Trao đổi khóa Diffie-Hellman là một phương pháp trao đổi khóa được phát minh sớm nhất trong mật mã học. Phương pháp trao đổi khóa Diffie- Hellman cho phép hai bên (người, thực thể giao tiếp) thiết lập một khóa bí mật chung để mã hóa dữ liệu sử dụng trên kênh truyền thông không an toàn mà không cần có sự thỏa thuận trước về khóa bí mật giữa hai bên.