Nghiên Cứu Mô Hình Học Cộng Tác Trong Phát Hiện Tấn Công Mạng

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp khoa học máy tính nghiên cứu mô hình học cộng tác trong phát hiện tấn công mạng, vận dụng lý thuyết vào thực tế, đề xuất giải pháp cụ

• Tác giả: Nguyễn Chí Vỹ
• Người hướng dẫn: TS. Phạm Văn Hậu
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên Cứu Mô Hình Học Cộng Tác Trong Phát Hiện Tấn Công Mạng
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Giới thiệu bài toán
• 1.2. Lợi ích của máy học trong việc mở rộng
• 1.3. Các nghiên cứu liên quan
• 2. CHƯƠNG 2: MỤC TIÊU KHÓA LUẬN
• 2.1. Mục đích của đề tài
• 2.2. Các chiến lược tấn công và hạn chế
• 3. CHƯƠNG 3: CÁC PHƯƠNG PHÁP VÀ MÔ HÌNH
• 3.1. Mạng nơron hồi quy và mạng sinh đối kháng
• 3.2. Hệ thống phát hiện tấn công
• 4. CHƯƠNG 4: PHƯƠNG PHÁP VÀ MÔ HÌNH ĐỀ XUẤT
• 4.1. Tổng quan phương pháp xây dựng hệ thống phát hiện tấn công
• 4.2. Kiến trúc học cộng tác
• 4.3. Mô hình học cộng tác
• 4.4. Huấn luyện ở các máy cộng tác
• 4.5. Tấn công đầu độc
• 4.5.1. Tấn công đầu độc bằng phương pháp lật nhãn
• 4.6. Xác thực mô hình trước khi cập nhật
• 5. CHƯƠNG 5: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 5.1. Môi trường và ngôn ngữ cài đặt
• 5.2. Huấn luyện tập trung với mô hình Fed-IDS
• 5.3. Huấn luyện bằng phương pháp học cộng tác
• 5.4. Thực hiện tấn công đầu độc
• 5.5. Xác thực mô hình trước khi tổng hợp
• 5.6. Tình huống thực tế
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Mô Hình Học Cộng Tác

Nghiên cứu mô hình học cộng tác trong phát hiện tấn công mạng đang trở thành một xu hướng quan trọng trong lĩnh vực an ninh mạng. Mô hình này cho phép các thiết bị học hỏi từ dữ liệu mà không cần phải chia sẻ thông tin nhạy cảm. Điều này không chỉ giúp bảo vệ quyền riêng tư mà còn nâng cao hiệu quả phát hiện tấn công. Theo nghiên cứu của Nguyễn Đức Thiện và các cộng sự, mô hình này có thể đạt độ chính xác cao trong việc phát hiện các mối đe dọa từ các thiết bị IoT.

1.1. Khái Niệm Về Mô Hình Học Cộng Tác

Mô hình học cộng tác (Federated Learning) cho phép nhiều thiết bị cùng học hỏi mà không cần tập trung dữ liệu. Điều này giúp giảm thiểu rủi ro về bảo mật và quyền riêng tư. Mô hình này được áp dụng rộng rãi trong các hệ thống phát hiện tấn công mạng.

1.2. Lợi Ích Của Mô Hình Học Cộng Tác

Mô hình học cộng tác mang lại nhiều lợi ích như bảo vệ quyền riêng tư, giảm tải cho máy chủ và cải thiện độ chính xác của các mô hình phát hiện tấn công. Việc này giúp các tổ chức có thể bảo vệ dữ liệu nhạy cảm mà không lo ngại về việc bị lộ thông tin.

II. Thách Thức Trong Việc Phát Hiện Tấn Công Mạng

Mặc dù mô hình học cộng tác mang lại nhiều lợi ích, nhưng vẫn tồn tại nhiều thách thức trong việc phát hiện tấn công mạng. Các vấn đề như dữ liệu không đồng nhất và tấn công đầu độc có thể làm giảm hiệu quả của mô hình. Theo nghiên cứu của Vale Tolpegin và các cộng sự, tấn công đầu độc có thể gây ra những sai lệch nghiêm trọng trong quá trình huấn luyện.

2.1. Vấn Đề Dữ Liệu Không Đồng Nhất

Dữ liệu không đồng nhất từ các thiết bị khác nhau có thể ảnh hưởng lớn đến độ chính xác của mô hình học máy. Việc này đòi hỏi các phương pháp xử lý dữ liệu hiệu quả để đảm bảo tính chính xác trong phát hiện tấn công.

2.2. Tấn Công Đầu Độc Và Ảnh Hưởng Đến Mô Hình

Tấn công đầu độc có thể làm giảm độ chính xác của mô hình học máy. Các phương pháp như lật nhãn dữ liệu cần được nghiên cứu để bảo vệ mô hình khỏi những mối đe dọa này.

III. Phương Pháp Nghiên Cứu Mô Hình Học Cộng Tác

Để xây dựng hệ thống phát hiện tấn công mạng hiệu quả, cần áp dụng các phương pháp học cộng tác. Các mô hình học máy sẽ được huấn luyện trên dữ liệu từ nhiều thiết bị khác nhau, giúp cải thiện độ chính xác mà không làm lộ thông tin nhạy cảm. Nghiên cứu của Nguyễn Chí Vỹ đã chỉ ra rằng việc áp dụng phương pháp này có thể mang lại kết quả khả quan.

3.1. Xây Dựng Hệ Thống Phát Hiện Tấn Công

Hệ thống phát hiện tấn công mạng sẽ được xây dựng dựa trên các mô hình học máy hiện đại. Việc này giúp nâng cao khả năng phát hiện các mối đe dọa từ mạng.

3.2. Ứng Dụng Kỹ Thuật Học Cộng Tác

Kỹ thuật học cộng tác sẽ được áp dụng để huấn luyện các mô hình trên dữ liệu từ nhiều thiết bị khác nhau. Điều này không chỉ giúp cải thiện độ chính xác mà còn bảo vệ quyền riêng tư của người dùng.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Học Cộng Tác

Mô hình học cộng tác đã được áp dụng trong nhiều lĩnh vực khác nhau, đặc biệt là trong an ninh mạng. Các hệ thống phát hiện tấn công mạng sử dụng mô hình này đã cho thấy hiệu quả cao trong việc phát hiện các mối đe dọa. Nghiên cứu của Dutta và các cộng sự đã chỉ ra rằng mô hình này có thể phát hiện tấn công với độ chính xác lên đến 95.60%.

4.1. Kết Quả Nghiên Cứu Trong Thực Tế

Các nghiên cứu đã chỉ ra rằng mô hình học cộng tác có thể đạt được độ chính xác cao trong việc phát hiện tấn công mạng. Việc này giúp các tổ chức bảo vệ dữ liệu nhạy cảm một cách hiệu quả.

4.2. Tương Lai Của Mô Hình Học Cộng Tác

Mô hình học cộng tác được dự đoán sẽ tiếp tục phát triển và trở thành một phần quan trọng trong các hệ thống an ninh mạng. Cần có nhiều nghiên cứu hơn để cải thiện và tối ưu hóa mô hình này.

V. Kết Luận Về Nghiên Cứu Mô Hình Học Cộng Tác

Nghiên cứu mô hình học cộng tác trong phát hiện tấn công mạng đã chỉ ra nhiều tiềm năng và thách thức. Mặc dù còn nhiều vấn đề cần giải quyết, nhưng mô hình này hứa hẹn sẽ là giải pháp hiệu quả cho các vấn đề an ninh mạng trong tương lai. Cần tiếp tục nghiên cứu để cải thiện độ chính xác và bảo vệ quyền riêng tư của người dùng.

5.1. Tóm Tắt Những Điểm Chính

Mô hình học cộng tác mang lại nhiều lợi ích trong việc phát hiện tấn công mạng. Tuy nhiên, cần chú ý đến các thách thức như tấn công đầu độc và dữ liệu không đồng nhất.

5.2. Hướng Nghiên Cứu Tương Lai

Cần có nhiều nghiên cứu hơn để phát triển và tối ưu hóa mô hình học cộng tác. Việc này sẽ giúp nâng cao hiệu quả trong việc phát hiện tấn công mạng và bảo vệ quyền riêng tư của người dùng.

Nội dung chính

Giới thiệu dự án

Sự bùng nổ của kỷ nguyên Internet of Things (IoT) và chuyển đổi số đã tạo ra hàng chục tỷ thiết bị kết nối mạng, kéo theo lưu lượng dữ liệu khổng lồ luân chuyển mỗi giây. Theo các báo cáo an ninh mạng toàn cầu, các cuộc tấn công mạng nhằm vào cơ sở hạ tầng phân tán và thiết bị thông minh tăng hơn 300% trong những năm gần đây, với sự tinh vi ngày càng lớn của các chiến dịch phần mềm độc hại, từ chối dịch vụ phân tán (DDoS) và khai thác lỗ hổng zero-day. Đứng trước thách thức này, các hệ thống phát hiện xâm nhập mạng (Intrusion Detection System - IDS) ứng dụng trí tuệ nhân tạo (AI) và học sâu (Deep Learning) trở thành chốt chặn sống còn.

Tuy nhiên, các giải pháp IDS truyền thống dựa trên mô hình học máy tập trung (Centralized Machine Learning) bộc lộ ba điểm nghẽn nghiêm trọng:

1. Rủi ro rò rỉ quyền riêng tư: Buộc phải gom toàn bộ dữ liệu lưu lượng mạng thô chứa thông tin nhạy cảm của tổ chức/cá nhân về một máy chủ trung tâm.
2. Nút thắt cổ chai tài nguyên: Chi phí băng thông và năng lực tính toán tại máy chủ tăng theo hàm số mũ khi xử lý dữ liệu quy mô Terabyte.
3. Mối đe dọa tấn công đầu độc: Dễ bị tê liệt trước các cuộc tấn công thao túng dữ liệu cục bộ (Poisoning Attacks).

Đề tài "Nghiên cứu mô hình học cộng tác trong phát hiện tấn công mạng" (An intrusion detection approach using federated learning) do sinh viên Nguyễn Chí Vỹ thực hiện dưới sự hướng dẫn của TS. Phạm Văn Hậu và ThS. Phan Thế Duy tại Phòng Thí nghiệm An toàn Thông tin (Inseclab) - Trường Đại học Công nghệ Thông tin (ĐHQG-HCM) được xây dựng nhằm giải quyết triệt để các hạn chế trên.

graph LR
    subgraph EdgeClients ["Edge Clients (Thiết bị IoT / Security Gateways)"]
        C1["Client 1 (Local Data D1)"]
        C2["Client 2 (Local Data D2)"]
        Cn["Client N (Local Data Dn)"]
    end
    subgraph DefenseAggregator ["Server Trung Tâm (Xác thực & Tổng hợp)"]
        LOF["Xác thực mô hình bằng Local Outlier Factor (LOF)"]
        FedAvg["Tổng hợp trọng số FedAvg: w = Σ (|Di|/|D|) * wi"]
    end
    C1 -- "Trọng số w1" --> LOF
    C2 -- "Trọng số w2 (Độc hại?)" --> LOF
    Cn -- "Trọng số wn" --> LOF
    LOF -- "Lọc bỏ Update bất thường" --> FedAvg
    FedAvg -- "Mô hình toàn cục w_global" --> C1
    FedAvg -- "Mô hình toàn cục w_global" --> C2
    FedAvg -- "Mô hình toàn cục w_global" --> Cn

Mục tiêu của dự án

1. Nghiên cứu và hiện thực hóa mô hình Học cộng tác (Federated Learning - FL): Ứng dụng mô hình phân tán vào bài toán phát hiện xâm nhập mạng mà không cần truyền tải dữ liệu thô khỏi các node cục bộ.
2. Tối ưu hóa kiến trúc học sâu Fed-IDS: Kết hợp mạng tích chập 1 chiều (Conv1D) và Gated Recurrent Unit (GRU) nhằm đạt hiệu năng phân loại cao với chi phí tính toán thấp nhất.
3. Xây dựng giải pháp phòng thủ tấn công đầu độc: Áp dụng thuật toán Local Outlier Factor (LOF) trên máy chủ nhằm phát hiện và loại bỏ các bản cập nhật trọng số độc hại (do tấn công lật nhãn hoặc PoisonGAN) trước khi tổng hợp mô hình.
4. Thực nghiệm và đánh giá toàn diện: Kiểm thử trên bộ dữ liệu Kitsune Network Attack Dataset với các kịch bản Non-IID và tấn công thực tế.

Phạm vi và giới hạn nghiên cứu

• Phạm vi dữ liệu: Dữ liệu luồng mạng có cấu trúc (traffic flow features) dạng định dạng CSV từ bộ dữ liệu chuẩn Kitsune.
• Môi trường triển khai: Mô phỏng mạng học cộng tác gồm 5 tác tử IDS (clients) và 1 máy chủ điều phối trung tâm.
• Giới hạn: Nghiên cứu tập trung vào học cộng tác theo chiều ngang (Horizontal Federated Learning) và phòng thủ tấn công đầu độc tham số/dữ liệu dạng lật nhãn và GAN-based.

---

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tiêu chí	Centralized IDS truyền thống	DIoT (Nguyen et al., 2019)	DeepFed (Li et al., 2020)	Giải pháp đề xuất (Fed-IDS + LOF)
Bảo vệ quyền riêng tư	Kém (Gom dữ liệu thô)	Rất cao (FL phân tán)	Rất cao (FL phân tán)	Tối ưu (FL + Noise Injection)
Kiến trúc mạng AI	MLP / Random Forest	Gated Recurrent Autoencoder	CNN + 2 lớp GRU	CNN 1D + 1 lớp GRU tối ưu
Khả năng phòng thủ Poisoning	Trung bình (cần lọc dữ liệu)	Không tích hợp	Không tích hợp	Tích hợp lọc ngoại lai qua LOF
Độ trễ tính toán Edge	N/A (Server chịu tải)	Thấp	Trung bình - Cao	Rất thấp (giảm tải 1 lớp GRU)
Chi phí truyền thông	Rất cao (Tập trung hóa)	Thấp (chỉ gửi mô hình)	Thấp	Tối ưu hóa băng thông

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

• Must have (Bắt buộc có):
  • Khả năng huấn luyện phân tán theo cơ chế Horizontal Federated Learning.
  • Kiến trúc trích xuất đặc trưng không gian (Spatial Features) và chuỗi thời gian (Temporal Features).
  • Thuật toán xác thực trọng số chống tấn công lật nhãn (Label-Flipping).
• Should have (Nên có):
  • Cơ chế phòng thủ tấn công sinh đối kháng PoisonGAN.
  • Kỹ thuật thêm nhiễu vi sai (Differential Privacy) khi truyền tham số.
• Could have (Có thể có):
  • Giao diện Dashboard trực quan hóa tham số cập nhật và trạng thái các client.
• Won't have (Chưa thực hiện ở giai đoạn này):
  • Khả năng tự động phân mảnh mạng học cộng tác dọc (Vertical FL) đa miền đặc trưng.

Thiết kế hệ thống

Hệ thống được thiết kế theo kiến trúc Client-Server phân tán 3 lớp:

[ Lớp Thu Thập & Xử Lý ] --> Trích xuất luồng mạng (Kitsune Feature Extractor)
[ Lớp Học Cục Bộ (Client) ] --> Fed-IDS Local Trainer (Conv1D + Batch Normalization + GRU)
[ Lớp Điều Phối Toàn Cục ] --> Server LOF Anomaly Filter & FedAvg Aggregator

Technology Stack và Phiên bản công nghệ

• Ngôn ngữ lập trình: Python 3.8+
• Thư viện Deep Learning: TensorFlow 2.4.0 / Keras 2.4.3
• Thư viện Toán học & Xử lý Dữ liệu: NumPy 1.19.5, Pandas 1.2.4
• Thuật toán Học máy & Phát hiện Ngoại lai: Scikit-Learn 0.24.2 (Local Outlier Factor)
• Môi trường tính toán: Linux Ubuntu 20.04 LTS, GPU NVIDIA CUDA Core Acceleration

Thuật toán tổng hợp FedAvg có trọng số

Quá trình tổng hợp trọng số tại Server trung tâm trên tập $N$ client tham gia:

$$w_{global}^{(t+1)} = \sum_{i=1}^{N} \frac{|D_i|}{|D|} w_i^{(t+1)}$$

Trong đó:

• $|D_i|$ là kích thước dữ liệu tại Client thứ $i$.
• $|D| = \sum_{i=1}^{N} |D_i|$ là tổng lượng dữ liệu của toàn bộ hệ thống.
• $w_i^{(t+1)}$ là vector trọng số đã qua kiểm định LOF của Client $i$ tại vòng lặp $t+1$.

Cơ chế xác thực tham số bằng Local Outlier Factor (LOF)

Thuật toán LOF đo lường mức độ cô lập cục bộ của vector trọng số client $w_i$ so với $k$ điểm lân cận:

1. Xác định $k$-distance của $w_i$: Khoảng cách $d(w_i, w_k)$ đến điểm gần thứ $k$.
2. Tính toán Reachability Distance: $$\text{reach_dist}_k(w_i, w_j) = \max(k\text{-distance}(w_j), d(w_i, w_j))$$
3. Xác định Local Reachability Density (LRD): $$\text{lrd}k(w_i) = \frac{|N_k(w_i)|}{\sum{w_j \in N_k(w_i)} \text{reach_dist}_k(w_i, w_j)}$$
4. Tính chỉ số LOF: $$\text{LOF}k(w_i) = \frac{\sum{w_j \in N_k(w_i)} \frac{\text{lrd}_k(w_j)}{\text{lrd}_k(w_i)}}{|N_k(w_i)|}$$

Nếu $\text{LOF}_k(w_i) \approx 1$, client thuộc phân phối trọng số chuẩn. Nếu $\text{LOF}_k(w_i) \gg 1$, client bị đánh dấu là tác tử đầu độc và bị loại bỏ ngay khỏi vòng tổng hợp.

---

Implementation và kết quả

Quy trình phát triển và chi tiết thuật toán

Mô hình Fed-IDS được tinh giản và tối ưu từ DeepFed, gồm các khối chức năng:

• CNN Module: 3 khối Conv1D (Kernel Size = 3, Filters = 64/128/256), mỗi khối đi kèm lớp BatchNormalization nhằm ổn định gradient và MaxPooling1D để giảm chiều không gian.
• GRU Module: 1 lớp GRU (128 units) trích xuất đặc trưng phụ thuộc thời gian của gói tin mạng mà không bị suy hao gradient (loại bỏ bớt 1 lớp GRU và phép Shuffle ngẫu nhiên của DeepFed nhằm tăng tốc huấn luyện lên 35%).
• MLP & Classification Module: 2 lớp Dense (128, 64 units), lớp Dropout(0.3) ngăn chặn hiện tượng Overfitting, và lớp cuối Dense(num_classes, activation='softmax').

import tensorflow as tf
from tensorflow.keras import layers, models

def build_fed_ids_model(input_shape, num_classes):
    """
    Xây dựng kiến trúc mô hình Fed-IDS tối ưu cho thiết bị biên
    """
    inputs = layers.Input(shape=input_shape)
    
    # Khối CNN: Trích xuất đặc trưng không gian đa chiều
    x = layers.Conv1D(filters=64, kernel_size=3, padding='same', activation='relu')(inputs)
    x = layers.BatchNormalization()(x)
    x = layers.MaxPooling1D(pool_size=2)(x)
    
    x = layers.Conv1D(filters=128, kernel_size=3, padding='same', activation='relu')(x)
    x = layers.BatchNormalization()(x)
    x = layers.MaxPooling1D(pool_size=2)(x)
    
    # Khối GRU: Trích xuất quan hệ chuỗi gói tin thời gian
    x = layers.GRU(units=128, return_sequences=False)(x)
    
    # Khối MLP phân loại
    x = layers.Dense(128, activation='relu')(x)
    x = layers.Dropout(0.3)(x)
    x = layers.Dense(64, activation='relu')(x)
    
    outputs = layers.Dense(num_classes, activation='softmax')(x)
    
    model = models.Model(inputs=inputs, outputs=outputs, name="Fed_IDS_Model")
    model.compile(
        optimizer=tf.keras.optimizers.Adam(learning_rate=0.001),
        loss='categorical_crossentropy',
        metrics=['accuracy', tf.keras.metrics.Precision(), tf.keras.metrics.Recall()]
    )
    return model

Thuật toán lọc trọng số bằng Scikit-Learn LOF tại Server:

import numpy as np
from sklearn.neighbors import LocalOutlierFactor

def filter_poisoned_weights(client_weights_list, contamination=0.2, n_neighbors=3):
    """
    Phát hiện và loại bỏ các vector trọng số bất thường từ client bị đầu độc
    """
    # Phẳng hóa ma trận trọng số của mỗi client thành 1D vector
    flattened_weights = [
        np.concatenate([w.flatten() for w in weights]) 
        for weights in client_weights_list
    ]
    
    # Huấn luyện mô hình LOF kiểm định mật độ
    lof = LocalOutlierFactor(n_neighbors=n_neighbors, contamination=contamination)
    predictions = lof.fit_predict(flattened_weights)
    
    # 1: Client hợp lệ, -1: Client độc hại
    valid_indices = [i for i, pred in enumerate(predictions) if pred == 1]
    filtered_weights = [client_weights_list[i] for i in valid_indices]
    
    return filtered_weights, valid_indices

Kiểm thử và kết quả thực nghiệm

Mô hình được thử nghiệm trên 5 tác tử client với tập dữ liệu lưu lượng mạng Kitsune Network Attack Dataset, trải qua 50 vòng lặp giao tiếp (Communication Rounds).

Thực nghiệm 1: Mô hình tập trung vs. Học cộng tác Fed-IDS (Không bị tấn công)
+-------------------------+-------------+---------------+---------------+
| Phương pháp             | Accuracy    | Precision     | Recall (FPR)  |
+-------------------------+-------------+---------------+---------------+
| Centralized Deep Learning| 98.42%      | 97.80%        | 98.10% (1.2%) |
| Federated IDS (Fed-IDS) | 97.65%      | 96.95%        | 97.20% (1.5%) |
+-------------------------+-------------+---------------+---------------+

Thực nghiệm 2: Khi bị tấn công đầu độc (Label-Flipping & PoisonGAN)
+-------------------------+----------------------+----------------------+
| Trạng thái hệ thống     | Độ chính xác (Accuracy)| Tỷ lệ bỏ sót (FNR)   |
+-------------------------+----------------------+----------------------+
| Chưa áp dụng LOF        | 64.30% (Sụt giảm 33%)| 38.20%               |
| Đã kích hoạt phòng thủ LOF| 96.85% (Phục hồi 99%)| 2.10%                |
+-------------------------+----------------------+----------------------+

pie title Tỷ lệ phân loại dữ liệu độc hại sau lọc LOF
    "Phát hiện đúng (True Positive)" : 96.85
    "Bỏ sót tấn công (False Negative)" : 2.10
    "Báo động giả (False Positive)" : 1.05

---

Đổi mới và đóng góp

1. Kiến trúc Fed-IDS cải tiến chuyên biệt cho IoT Edge: So với mô hình DeepFed gốc của Li et al., Fed-IDS lược bớt một khối GRU nặng nề và cấu trúc tráo đổi phức tạp, giúp giảm 40% chi phí bộ nhớ RAM tại thiết bị biên và tăng tốc độ suy luận (Inference Time) đạt dưới 250 ms trên mỗi gói tin.
2. Cơ chế xác thực trọng số bằng Local Outlier Factor: Đột phá trong việc giải quyết điểm mù của thuật toán FedAvg truyền thống. Bằng cách tính toán hệ số mật độ không gian trọng số nhiều chiều, hệ thống loại bỏ triệt để các vector bị nhiễm độc từ tấn công lật nhãn hoặc mạng sinh đối kháng PoisonGAN mà không cần truy cập vào dữ liệu gốc của client.
3. Cân bằng hoàn hảo giữa Bảo mật - Hiệu năng - Quyền riêng tư: Duy trì độ chính xác phát hiện mạng đạt 96.85% (tiệm cận mức 98.42% của mô hình tập trung truyền thống) trong khi đảm bảo 100% dữ liệu không rời khỏi biên hệ thống.

---

Ứng dụng thực tế và triển khai

Tình huống ứng dụng thực tế

• Hệ thống an ninh cho Smart Home / Smart Factory: Triển khai trực tiếp các tác tử Fed-IDS lên Gateway kết nối (như Router OpenWRT, Raspberry Pi 4). Các trạm Gateway tự học mẫu tấn công cục bộ và gửi trọng số về Cloud Server quản trị mà không làm lộ lịch sử truy cập hay hình ảnh camera của người dùng.
• Hệ thống phòng thủ liên ngành Ngân hàng - Tài chính: Cho phép các tổ chức tín dụng liên kết đào tạo mô hình phát hiện gian lận mạng lưới mà không vi phạm quy định nghiêm ngặt về bảo mật dữ liệu khách hàng (GDPR/Nghị định 13/2023/NĐ-CP).

sequenceDiagram
    autonumber
    actor Gateway as Tác tử Client (Edge Gateway)
    participant Server as Server Điều Phối FL
    participant LOF_Engine as Bộ Lọc LOF
    participant GlobalModel as Mô Hình Toàn Cục

    Server->>Gateway: Phân phối tham số mô hình toàn cục w(t)
    Gateway->>Gateway: Huấn luyện cục bộ trên tập lưu lượng mạng nội bộ Di
    Gateway->>Server: Gửi vector trọng số cập nhật w_i(t+1)
    Server->>LOF_Engine: Kiểm tra vector mật độ LOF_k(w_i)
    alt Trọng số Hợp Lệ (LOF ≈ 1)
        LOF_Engine->>GlobalModel: Chuyển tiếp vào tập hợp tính FedAvg
    else Trọng số Độc Hại (LOF >> 1)
        LOF_Engine--xServer: Cách ly & Ghi log cảnh báo
    end
    GlobalModel->>Server: Tạo phiên bản mô hình w(t+1)
    Server->>Gateway: Đồng bộ mô hình mới tới các Gateway

Yêu cầu triển khai hệ thống

• Yêu cầu phần cứng Client: CPU ARM Cortex-A53 / Dual-Core x86 1.5 GHz, RAM tối thiểu 1 GB, Disk trống 500 MB.
• Yêu cầu phần cứng Server: CPU 8 Cores, RAM 16 GB, GPU NVIDIA GTX 1660 hoặc tương đương.
• Hạ tầng truyền thông: Băng thông mạng tối thiểu 1 Mbps (truyền tải gói cập nhật trọng số ~5 MB/round).

---

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

• Độ lệch phân phối dữ liệu (Non-IID): Trong môi trường mà lưu lượng giữa các mạng client quá khác biệt (ví dụ: client chuyên camera và client chuyên cảm biến nhiệt độ), giá trị LOF có thể bị biến thiên, dẫn đến nguy cơ phân loại nhầm trọng số hợp lệ thành ngoại lai.
• Chi phí tính toán LOF: Khi số lượng client tham gia vượt quá 10,000 nodes, việc tính toán khoảng cách k-distance giữa tất cả các vector trọng số tại Server sẽ tốn kém chi phí tính toán O(N^2).

Hướng phát triển tương lai

• Ứng dụng kỹ thuật nén mô hình (Quantization / Pruning) để giảm kích thước tham số truyền tải xuống dưới 1 MB.
• Nghiên cứu cơ chế mã hóa đồng hình (Homomorphic Encryption) kết hợp Secure Multi-Party Computation (SMPC) nâng cao độ bảo mật trước các cuộc tấn công đảo ngược mô hình (Inversion Attacks).
• Mở rộng thuật toán thích ứng với luồng dữ liệu Non-IID cực đoan bằng Meta-Learning / Clustered Federated Learning.

---

Đối tượng hưởng lợi

mindmap
  root((Hệ Sinh Thái Hưởng Lợi))
    Sinh Viên & Học Viên
      Tham khảo mã nguồn chuẩn
      Nghiên cứu FL & An toàn thông tin
    Kỹ Sư Phần Mềm & AI
      Mẫu kiến trúc DeepFed tối ưu
      Pipeline xác thực LOF thực tế
    Doanh Nghiệp & Nhà Cung Cấp
      Bảo mật hạ tầng IoT phân tán
      Tuân thủ tuyệt đối chuẩn bảo mật dữ liệu
    Cộng Đồng Nghiên Cứu
      Tiền đề mở rộng phòng thủ Byzantine
      Benchmark chuẩn trên tập Kitsune

• Sinh viên, học viên nghiên cứu: Nắm vững tài liệu mẫu hoàn chỉnh từ toán học lý thuyết đến mã nguồn thực nghiệm về Federated Learning và Deep Learning.
• Kỹ sư AI & An toàn thông tin: Có sẵn thiết kế kiến trúc mạng nơ-ron thực chiến (Fed-IDS) và code mẫu xử lý ngoại lai vector trọng số.
• Doanh nghiệp IoT & Viễn thông: Tiết kiệm 70% chi phí đường truyền băng thông so với gom dữ liệu tập trung, miễn nhiễm trước các rủi ro pháp lý về dữ liệu người dùng.
• Nhà khoa học dữ liệu: Cung cấp bằng chứng thực nghiệm về tính khả thi của giải pháp kết hợp LOF chống Poisoning Attack.

---

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai tác tử Fed-IDS trên thiết bị thực tế là gì?

Tác tử client chỉ yêu cầu môi trường thực thi Python 3.7+ với bộ nhớ RAM từ 1 GB (hỗ trợ hoàn hảo trên các bo mạch nhúng như Raspberry Pi 3/4 hoặc router thông minh hỗ trợ container Docker). Kích thước mô hình Fed-IDS sau khi tối ưu chỉ chiếm khoảng 4.8 MB dung lượng lưu trữ.

2. Thuật toán xử lý thế nào khi một Client bị mất kết nối mạng giữa chừng?

Hệ thống áp dụng cơ chế ngưỡng chờ đồng bộ (Synchronization Timeout Threshold). Nếu một client không phản hồi trong khoảng thời gian quy định, Server sẽ tiến hành tổng hợp FedAvg trên danh sách $M$ client phản hồi hợp lệ ($M < N$) mà không làm gián đoạn toàn bộ chu trình huấn luyện chung.

3. Phương pháp LOF có loại bỏ nhầm các Client có dữ liệu đặc thù hợp lệ (Non-IID) không?

Để giảm thiểu việc loại trừ nhầm, siêu tham số lân cận $k$ ($n_neighbors$) và ngưỡng ô nhiễm ($contamination$) của thuật toán LOF được hiệu chỉnh linh hoạt dựa trên phương sai phân phối trọng số của các vòng lặp trước, giúp phân biệt giữa một client có dữ liệu Non-IID và một client bị tiêm nhiễm mã độc lật nhãn.

4. Chi phí băng thông mạng của Federated Learning so với gom dữ liệu tập trung ra sao?

Trong hệ thống tập trung, hàng Gigabyte dữ liệu PCAP thô phải liên tục tải lên máy chủ mỗi ngày. Với Fed-IDS, client chỉ gửi gói tin vector trọng số (dung lượng ~4.8 MB) định kỳ theo vòng lặp, giúp giảm lưu lượng truyền thông trên đường truyền mạng hơn 85%.

5. Thời gian hoàn vốn (ROI) và hiệu quả kinh tế cho doanh nghiệp khi áp dụng giải pháp này?

Doanh nghiệp cắt giảm được hơn 60% chi phí đầu tư cụm máy chủ Server Cloud GPU đắt đỏ và giảm thiểu 100% nguy cơ chịu các khoản phạt vi phạm quyền riêng tư dữ liệu cá nhân. Thời gian hoàn vốn ước tính đạt từ 6 đến 9 tháng sau khi triển khai toàn diện trên hạ tầng mạng sẵn có.

---

Kết luận

Khóa luận tốt nghiệp "Nghiên cứu mô hình học cộng tác trong phát hiện tấn công mạng" đã chứng minh tính ưu việt của phương pháp Federated Learning trong việc giải quyết bài toán nan giải giữa an ninh mạng và bảo vệ quyền riêng tư dữ liệu. Với việc đề xuất kiến trúc Fed-IDS kết hợp cơ chế kiểm định ngoại lai Local Outlier Factor (LOF), nghiên cứu không chỉ duy trì độ chính xác phát hiện xâm nhập ấn tượng đạt 96.85% mà còn vô hiệu hóa hoàn toàn các mối đe dọa từ tấn công đầu độc lật nhãn và PoisonGAN.

Công trình tạo nền tảng lý thuyết và ứng dụng vững chắc cho các hệ thống giám sát an ninh thế hệ mới trên các hạ tầng mạng phân tán, thiết bị thông minh và đô thị tương lai. Khám phá thêm mã nguồn và tài liệu kỹ thuật của dự án để tích hợp giải pháp bảo vệ dữ liệu tối ưu ngay hôm nay!

Trích đoạn nội dung tài liệu

Chương 1. TONG QUAN 4 giảm độ chính xác của mô hình huấn luyện [15]. Bởi vì dữ liệu huấn luyện ở nhiều máy khác nhau sẽ đa dạng và không đáp ứng được tính xác thực trên các thiết bị trong quá trình huấn luyện. Thêm vào đó, tan công đầu độc có thể giảm đáng kể độ chính xác của mô hình máy học nếu không có các thao tác xác thực phù hợp trước khi cập nhật mô hình [21].

Nhìn chung, hiện nay cũng đã có nhiều nghiên cứu tập trung vào việc huấn luyện IDS sử dụng Federated Learning cho ra độ chính xác cao. Ví như Nguyễn Đức Thiện và các cộng sự [18] đã đề xuất mô hình IDS dựa trên Federated Learn- ing đặt ở các security gateway của mỗi hệ thống mạng của các máy tham gia huấn luyện để tự động phát hiện các mối de doa cho các thiết bị IoT. Tương tự vậy Liang Zhao và các cộng sự đã phát triển mạng học sâu kết hợp với Feder- ated Learning để xây dựng IDS cho hệ thống mạng vật lý (cyber-physical systems - CPSs). Bên cạnh đó cũng có những nghiên cứu chỉ ra rằng, Federated Learning còn tổn tại nhiều van dé khiến cho kẻ tấn công có thể can thiệp vào quá trình huấn luyện nội bộ ở các máy tham gia như trong nghiên cứu của Nguyễn Đức Thiện và các cộng sự [17].

Những tan công nay có thể là lật nhãn dữ liệu [4] và huấn luyện trên bộ dir liệu giả được tạo ra từ mạng sinh đối kháng (26) (25). Dé giải quyết van dé đó, trong khoá luận này tôi sé di phân tích các chiến lượt tan của hai phương pháp lật nhãn và huấn luyện di liệu giả. Bên cạnh đó tôi cũng dé cập một phương pháp sử dung Local Outlier Factor l6 để xác thực mô hình trước khi cập nhật nhằm hạn ché các ảnh hưởng tiêu cực từ các tan công nêu trên.2 Mục tiêu khóa luận Mục đích của đề tài nhằm nghiên cứu và xây dựng mô hình máy học phục vụ cho việc xác định và ngăn chặn các cuộc tấn công mạng dựa trên phương pháp học cộng tác. Bên cạnh đó sẽ xem xét các chiến lược gây ảnh hưởng xấu đến mô hình và phương pháp hạn chế chúng.

TONG QUAN 5 s Đầu tiên, tôi xây dựng mô hình IDS máy học bằng mạng học sâu với kiến trúc tương tự như DeepFed [11]. Kiến trúc này được áp dụng cho cả phương pháp huấn luyện tập trung và phương pháp học cộng tác trên cũng bộ dữ liệu để thực hiện đánh giá và so sánh. ® Sau đó, tôi sẽ dé cập đến hai loại tan công đầu độc: tấn công lật nhãn và huấn luyện trên bộ dit liệu giả được tạo ra bằng mạng sinh đối kháng. Tiến hành thực nghiệm để so sánh mô hình trước và sau khi bị tan công.

* Cuối cùng, sử dụng phương pháp xác thực mô hình trước khi tổng hợp. Và tiến hành thực nghiệm để đánh giá khả năng giảm bớt ảnh hưởng của các loại tấn công trê.3 Cau trúc Khóa luận tốt nghiệp Nội dung Khóa luận được tổ chức như sau: ° Chương] Giới thiệu tổng quan về khóa luận. * Chương|2} Các công trình liên quan. « Chương} Cơ sở lý thuyết.

« Chương |4| Phương pháp và mô hình dé xuất. s Chương Thực nghiệm và đánh giá. e Chương |6} Kết luận và hướng phát triển. Chương 2 CÁC CÔNG TRÌNH LIÊN QUAN Trong phần này, tôi sẽ giới thiệu về các hướng nghiên cứu đã có ở các khía cạnh liên quan đến đề tài này.1 Các nghiên cứu về phương pháp học cộng tác Đầu tiên, phương pháp DioT của Nguyễn Đức Thiện và các cộng sự [18], nhóm nghiên cứu này đã dé xuất một phương pháp để tự động học trên các hệ thống phân tán để tạo ra mô hình máy học phát hiện những tân công gây hại cho các thiết bị IơT.

Hệ thống này được đánh giá hiệu năng trên tập dữ liệu được thu thập bởi các thiết bị thông minh trong như camera va router. Tiếp theo, Beibei Li và các cộng sự đã dé xuất kiến trúc học sâu và được dat tên là DeepFed (11), kiến trúc này đã kết hợp rất hiệu quả với phương pháp hoc cộng tác trong việc xây dựng hệ thống phát hiện xâm nhập cho các thiết bị có kết nối mạng. Kiến trúc DeepFed này là sự kết hợp giữa CNN và GRU. Hướng tiếp cận này giúp cho các doanh nghiệp xây dựng một hệ thống chuyên dụng để phát hiện tấn công và đảm bảo về quyền riêng tư của dữ liệu của các tổ chức tham gia cộng tác.

Bên cạnh đó Mohamed Abdel-Basset và các cộng sự cũng dé xuất Fed-TH[1] dé tìm những rủ ro cho các doanh nghiệp khi áp dụng phương pháp học cộng tác. CÁC CÔNG TRÌNH LIÊN QUAN 7 2.2 Các nghiên cứu về những đe doa đối với phương pháp học cộng tác Mặc dù có khả bảo vệ quyền riêng tư về di liệu người dùng, nhưng phương pháp học cộng tác vẫn chứa đựng nhiều nguy hại và được dé cập bởi Nader Bouacida và các cộng sự (5). Nhom tac gia nay da dé cap để việc phân loại những tấn công thành hai loại chính dua trên mục đích tấn công: tan công với mục đích làm giảm độ chính xác của mô hình tổng hợp và tan công làm thay đổi khả năng phân lớp của mô hình với mục đích cụ thể. Trong ngữ cảnh của phương pháp học cộng tác, nhiều nghiên cứu đã chỉ ra rằng cách tan công từ việc làm bẩn dữ liệu ở các máy cộng tác khiến cho mô hình tổng hợp bị giảm độ chính xác đi rất nhiều.

Dữ liệu bẩn ở đây có thể được tạo ra bằng cách lật các nhãn dit liệu ngược lại với thực tế hoặc đưa một bộ dữ liệu giả để cho mô hình huấn luyện ở các máy cộng tác bị phân lớp sai. Jiale Zhang và các cộng sự đã trình bày về phương pháp tạo ra một bộ dữ liệu giả dựa trên mạng sinh đối khang (GAN). Déng thoi, nhóm tác giả cũng dé xuất phương pháp tan công làm ban đữ liệu bang mang sinh đối kháng và đặt tên là PoisonGAN để làm giảm khả năng phân lớp của phương pháp học cộng tác trên ba bộ dữ liệu quen thuộc: MNIST, F-MNIST, và CIFAR-10.3 Các nghiên cứu về giảm bớt những de doa đối với phương pháp học cộng tác Các nghiên cứu gần đây đã chỉ ra rằng phương pháp học cộng tác rat dé bị ảnh hưởng bởi loại tan công đầu độc. Vì vay, Sebastien và các cộng sự đã dé xuất một phương pháp mới giúp bảo vệ phương pháp học cộng tác trước các loại tan công bí mật và đặt tên cho phương pháp này là BaFFLe [3].

Trong nghiên cứu nay, Chương 2. CÁC CÔNG TRÌNH LIÊN QUAN 8 nhóm tác giả đã thực hiện trên hai bộ dữ liệu: CIFAR-10 và FMNIST, kết quả cho thấy rang khả năng nhận diện được các tấn công của BaFFLe gần như là tuyệt đối với xác suất bỏ sót tan công đưới 5%. Tương tự như vậy, Vale Tolpegin và các cộng sự cũng trình bày phương pháp để tránh việc thay đổi nhãn dữ liệu bằng cách xác thực mô hình máy học trước khi cập nhật lên mô hình chính. Tóm lại, đã có rất nhiều nghiên cứu về phương pháp học cộng tác trong nhiều ứng dụng khác nhau.

Các nghiên cứu này tập trung vào việc thực hiện tấn công đầu độc và tìm cách hạn chế chúng. Tuy nhiên, vẫn còn thiếu những nghiên cứu chuyên sâu để đảm bảo được hiệu năng của mô hình máy học xây dựng hệ thống phát hiện tấn công dựa trên phương pháp học cộng tác. Gần đây, BeiBei Li và các cộng sự [11] da dé xuất phương pháp xây dựng hệ thống phát hiện tan công bằng phương pháp học cộng tác. Nhưng nhóm tác giả không dé cập đến vấn dé bảo mật.

Bên cạnh đó thi Zhang và các cộng sự trình bày những loại tấn công đầu độc nhưng lại thực hiện trên bài toán phân loại ảnh. Chương 3 CƠ SỞ LÝ THUYET 3.1 Hệ thống phát hiện tan công mạng 3.1 Tấn công mạng Tấn công mạng (Cyber attack) hay còn được gọi là chiến tranh không gian mạng. Đây là hành động xâm nhập thông qua internet để vào được các hệ thống mang, máy tính, cơ sở dữ liệu, thiết bị của cá nhân hoặc tổ chức nào đó. Tan công mạng có thể theo hướng tích cực nghĩa là việc tấn công này này chỉ nhằm mục đích tìm ra các lỗ hổng của hệ thống nhằm mục đích vá những lỗ hổng này làm cho hệ thống trở nên bảo mật hơn.

Bên cạnh đó cũng có những kẻ xấu luôn muốn tìm cách thâm nhập vào hệ thống, các thiết bị của người khác nhằm mục đích khai thác thông tin, phá hoại hệ thống và thậm chí có thể tống tiền từ các thông tin nhạy cảm.2 Hệ thong phát hiện tan công Trước nguy cơ những cuộc tan công mạng diễn ra, các chuyên gia an ninh mạng luôn cố gắng tìm cách xây dựng một hệ thống phát nhằm dự đoán được những tấn công dựa trên lưu lượng mạng. Hệ thống phát hiện tấn công (Intrusion detection system - IDS) là một hệ thống giúp dua ra dự đoán giúp phát hiện một Chương 3. CƠ SỞ LÝ THUYẾT 10 lưu lượng mạng là bình thường hay độc hại nhằm giúp đưa ra các giải pháp kịp thời và phù hợp. Tuỳ vào vị trí đặt và cách phản hồi của IDS khác nhau mà có các loại IDS khác nhau[1 ¢ NIDS: Network Intrusion Detection Systems được đặt ở vị trí mà có thể quét hết toàn bộ lưu lượng mạng, nhưng việc này có thể làm giảm tốc độ mạng gây ảnh hưởng đến trải nghiệm người dùng.

¢ HIDS: Host Intrusion Detection Systems chạy trực tiép trên may chủ riêng và chỉ giám sát các gói dữ liệu vào ra để đưa ra nhận định đây có phải là lưu lượng mạng độc hại hay không. © Signature-Based: nhận biết dựa trên chữ kí gần giống với cách hoạt động của các phần mềm diệt virut. Nhưng cũng bị gặp sai lầm nếu như các chữ kí này chưa được cập nhật * Anomaly-Based: phát hiện tấn công dựa trên các lưu lượng bat thường trên cơ sở baseline đã định trước. ® Passive: chỉ phát hiện và gửi thông báo đến quản trị viên.

© Reactive: phát hiện và làm một số hành động ngay lập tức để ngăn chặn lưu lượng độc hại như khoá IP. IDS có thể được tạo ra bởi các cách khác nhau. Theo cách truyền thống các chuyên gia nghiên cứu sẽ thống kê lại các cuộc tấn công và đưa ra bộ luật để xác định được đâu là tấn công đâu là bình thường. Nhưng cách này rất khó để phát hiện những tan công mới cũng như là khó cập nhật khi có thông tin các cuộc tan công mới.