Giới thiệu dự án

Sự bùng nổ của các cuộc tấn công không gian mạng tinh vi đặt ra thách thức sống còn đối với các tổ chức và doanh nghiệp trong việc bảo vệ dữ liệu nhạy cảm. Theo các báo cáo an ninh mạng toàn cầu, thiệt hại do tội phạm mạng gây ra ước tính lên tới hàng nghìn tỷ USD mỗi năm, đòi hỏi các Hệ thống Phát hiện Xâm nhập Mạng (Network Intrusion Detection System - NIDS) phải liên tục học hỏi từ các luồng dữ liệu mới. Tuy nhiên, các giải pháp NIDS tập trung truyền thống vấp phải rào cản nghiêm trọng về quyền riêng tư và các quy định pháp lý (như GDPR, Luật An toàn thông tin mạng) khi yêu cầu thu thập toàn bộ log mạng thô về một máy chủ duy nhất.

Để giải quyết mâu thuẫn giữa khai thác dữ liệu và bảo mật thông tin, Học liên kết (Federated Learning - FL) ra đời như một mô hình học máy phân tán đột phá, cho phép các máy khách (clients) huấn luyện mô hình cục bộ và chỉ chia sẻ trọng số/độ dốc (gradients) về máy chủ điều phối (central server). Mặc dù vậy, việc triển khai FL vào NIDS trong thực tế gặp phải hai "nút thắt cổ chai" lớn:

  1. Dữ liệu phân phối không đồng nhất (Non-IID Data): Mỗi phân vùng mạng (chi nhánh, tổ chức) có đặc thù lưu lượng và phân bố nhãn tấn công khác nhau (lệch nhãn - label skew, lệch thuộc tính - feature skew), dẫn đến hiện tượng trôi mô hình cục bộ (client drift) và làm suy giảm nghiêm trọng độ chính xác của mô hình toàn cục (global model).
  2. Nguy cơ tấn công đầu độc (Poisoning Attacks): Kẻ tấn công có thể thao túng dữ liệu cục bộ (Data Poisoning/Label Flipping) hoặc can thiệp trực tiếp vào tham số mô hình (Model Poisoning/Backdoor) để làm sai lệch kết quả dự đoán của NIDS.

Mục tiêu nghiên cứu của đề tài:

  1. Khảo sát và phân tích toàn diện tác động của dữ liệu Non-IID và các hình thức tấn công đầu độc đối với hệ thống NIDS dựa trên nền tảng Federated Learning.
  2. Ứng dụng và đánh giá thuật toán tổng hợp tiên tiến FedDC (Federated Learning with Non-IID Data via Local Drift Decoupling and Correction) nhằm khắc phục hiện tượng phân kỳ mô hình do dữ liệu không đồng nhất gây ra.
  3. Nghiên cứu giải pháp phòng thủ an toàn thông qua cơ chế giải thích mô hình Layer-Wise Relevance Propagation (LRP) để trích xuất đường dẫn lớp (class path), phát hiện và ngăn chặn các mẫu dữ liệu bị đầu độc mà không xâm phạm quyền riêng tư dữ liệu thô.
  4. Xây dựng môi trường thực nghiệm hoàn chỉnh trên tập dữ liệu chuẩn an ninh mạng quốc tế CSE-CIC-IDS2018, so sánh định lượng hiệu năng giữa FedAvg và FedDC trên các kiến trúc Mạng nơ-ron sâu (Deep Neural Network - DNN) và Bộ nhớ dài-ngắn hạn (Long Short-Term Memory - LSTM).

Phạm vi và giới hạn đề tài:

  • Không gian dữ liệu: Đề tài tập trung vào bài toán Học liên kết theo chiều ngang (Horizontal Federated Learning) sử dụng tập dữ liệu luồng mạng 02-14-2018.csv từ bộ CSE-CIC-IDS2018 với các phân lớp tấn công phổ biến: Benign, FTP-BruteForce, và SSH-Bruteforce.
  • Quy mô thử nghiệm: Mô phỏng mạng lưới phân tán gồm 10 client hoạt động qua 5 đến 20 vòng truyền thông (rounds), đánh giá khả năng hội tụ trong các kịch bản IID và Non-IID nghiêm ngặt.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Các hệ thống phát hiện xâm nhập hiện nay đang chuyển dịch từ phân tích tập trung sang cộng tác bảo mật. Bảng so sánh dưới đây phân tích ưu và nhược điểm của các hướng tiếp cận chính:

Giải pháp Cơ chế hoạt động Ưu điểm Nhược điểm & Rủi ro
NIDS Tập trung (Centralized NIDS) Gom toàn bộ log mạng từ các trạm về Data Lake để train mô hình Deep Learning Tối ưu hóa toàn cục tốt, không bị ảnh hưởng bởi Non-IID Rủi ro rò rỉ dữ liệu nhạy cảm cao, vi phạm quy định quyền riêng tư, nghẽn băng thông
NIDS Học liên kết chuẩn (FedAvg) Client train mô hình cục bộ bằng SGD, Server lấy trung bình trọng số: $w_{t+1} = \sum \frac{n_k}{n} w_{t+1}^k$ Bảo vệ dữ liệu thô, tiết kiệm băng thông mạng Hiệu năng suy giảm mạnh (giảm >30% Recall) khi gặp dữ liệu Non-IID, dễ bị tấn công đầu độc tham số
NIDS Học liên kết nâng cao (FedDC Đề xuất) Tách và hiệu chỉnh biến trôi cục bộ (Local Drift) trước khi tổng hợp tham số Khắc phục triệt để hiện tượng lệch phân phối, đạt độ chính xác và độ hội tụ vượt trội trên dữ liệu Non-IID Đòi hỏi tính toán thêm biến trạng thái trôi dạt tại mỗi client

Phân tích yêu cầu hệ thống theo mô hình MoSCoW

  • Must Have (Bắt buộc phải có):
    • Cơ chế tổng hợp trọng số bảo vệ quyền riêng tư không truyền log thô.
    • Thuật toán giải quyết hiệu quả độ trôi tham số trong điều kiện Non-IID.
    • Pipeline tiền xử lý 78 đặc trưng lưu lượng mạng chuẩn hóa.
  • Should Have (Nên có):
    • Tích hợp mô hình chuỗi thời gian LSTM để nhận diện các luồng tấn công Brute-force phức tạp.
    • Khả năng trích xuất bản đồ liên quan LRP (Layer-Wise Relevance Propagation) nhằm giải thích các nơ-ron trọng yếu để phát hiện dị biệt đầu độc.
  • Could Have (Có thể có):
    • Giao diện giám sát trực quan quá trình hội tụ giữa các round đào tạo.
  • Won't Have (Chưa thực hiện trong giai đoạn này):
    • Cơ chế học liên kết bất đồng bộ (Asynchronous Federated Learning) trên môi trường thiết bị nhúng thực tế.

Thiết kế hệ thống

Kiến trúc giải pháp được thiết kế theo mô hình Client-Server phân tán, phân tách rõ ràng giữa tầng lưu trữ dữ liệu cục bộ và tầng điều phối tham số toàn cục.

+-----------------------------------------------------------------------------------+
|                           CENTRAL AGGREGATOR (SERVER)                             |
|  - Khởi tạo Global Model w_0                                                      |
|  - Phân phối Global Model w_t tới các Clients tham gia                            |
|  - Nhận Updated Parameters & Hiệu chỉnh Local Drift                               |
|  - Thuật toán tổng hợp FedDC Aggregation: w_{t+1} = (1/K) * sum(w_t^i)            |
+----------------------------------------+------------------------------------------+
                                         |
               [Vòng lặp truyền thông (Communication Rounds)]
                                         |
     +-----------------------------------+-----------------------------------+
     |                                                                       |
+----+----------------------------------+   +--------------------------------+----+
|          CLIENT NODE i (Edge IDS)     |   |          CLIENT NODE j (Edge IDS)   |
|  - Lưu trữ dữ liệu mạng Non-IID       |   |  - Lưu trữ dữ liệu mạng Non-IID     |
|  - Tiền xử lý 78 thuộc tính luồng     |   |  - Tiền xử lý 78 thuộc tính luồng   |
|  - Local Training: Tối ưu hàm mất mát |   |  - Local Training: Tối ưu hàm mất   |
|    kèm phạt độ trôi local drift h_i   |   |    mát kèm phạt độ trôi local drift |
|  - Cập nhật biến trôi: h_i^{t+1}      |   |  - Cập nhật biến trôi: h_j^{t+1}    |
|  - Gửi tham số đã hiệu chỉnh về Server|   |  - Gửi tham số đã hiệu chỉnh về     |
+---------------------------------------+   +-------------------------------------+

Technology Stack và Thông số Kỹ thuật

  • Ngôn ngữ phát triển: Python v3.10+
  • Thư viện Deep Learning & FL: PyTorch v2.0.1, TorchVision v0.15.2, TensorFlow v2.13.0
  • Xử lý dữ liệu & Tính toán khoa học: Pandas v2.0.3, NumPy v1.24.3, Scikit-Learn v1.3.0
  • Môi trường thực thi & Phần cứng: Google Colab Pro / Linux Ubuntu 22.04 LTS, GPU NVIDIA Tesla T4 16GB VRAM, RAM 25.5GB

Thiết kế Kiến trúc Mô hình Học máy (ML Models)

  1. Kiến trúc Mạng nơ-ron nhân tạo (Dense NN):
    • Input Layer: 78 nơ-ron (tương ứng với 78 đặc trưng thuộc tính lưu lượng mạng).
    • Hidden Layers: 2 lớp ẩn Fully-Connected, mỗi lớp gồm 100 nơ-ron tích hợp hàm kích hoạt ReLU và chuẩn hóa Batch Normalization để tăng tốc độ hội tụ.
    • Output Layer: 2 nơ-ron sử dụng hàm kích hoạt Softmax, phân loại nhãn nhị phân (0: Benign, 1: Malicious Attack).
  2. Kiến trúc Mạng nơ-ron hồi quy (LSTM Network):
    • Input Layer: Kích thước đầu vào 78 chiều.
    • Hidden Layer: 1 lớp LSTM với 100 hidden units, có khả năng nắm bắt phụ thuộc tuần tự giữa các gói tin trong một luồng mạng (Flow).
    • Output Layer: Fully-Connected Layer đưa về 2 nơ-ron phân lớp.

Methodology

Quy trình nghiên cứu và phát triển được xây dựng theo phương pháp luận khoa học lặp (Iterative Research Methodology), tích hợp đánh giá rủi ro an ninh nghiêm ngặt:

[Tiền xử lý dữ liệu] --> [Phân vùng Non-IID] --> [Huấn luyện phân tán FedDC] --> [Đánh giá & Benchmark]
  • Giai đoạn 1: Chuẩn bị dữ liệu và Trích xuất đặc trưng: Làm sạch tập dữ liệu CSE-CIC-IDS2018, loại bỏ các trường định danh như Timestamp, xử lý giá trị NaN/Infinite, chuẩn hóa min-max scaling trên 78 đặc trưng số.
  • Giai đoạn 2: Thiết lập kịch bản phân phối Non-IID: Thiết kế các ma trận phân chia dữ liệu cho 10 client, mô phỏng tình trạng lệch nhãn nghiêm trọng (ví dụ: Client 0 chiếm phần lớn Benign, Client 1 chiếm đa số Malicious).
  • Giai đoạn 3: Thực thi thuật toán FedDC & FedAvg: Lập trình pipeline huấn luyện phân tán với các tham số: Communication Rounds $T \in [5, 20]$, Local Epochs $E = 1$, Batch Size $B = 64$, Optimizer là Stochastic Gradient Descent (SGD) với Learning Rate $\eta = 0.01$.
  • Giai đoạn 4: Đánh giá an toàn và hiệu năng: Đánh giá độ hội tụ và hiệu năng phát hiện xâm nhập thông qua bộ kiểm thử độc lập (Test Set) gồm 208,951 bản ghi.

Implementation và kết quả

Development process

Cốt lõi kỹ thuật của giải pháp nằm ở việc triển khai thuật toán FedDC nhằm xử lý triệt để bài toán trôi dạt tham số do dữ liệu Non-IID. Thay vì chỉ tối ưu hàm mất mát cục bộ $\mathcal{L}_i(w)$ như FedAvg, mỗi Client $i$ trong FedDC sẽ tối ưu hàm mục tiêu có bổ sung thành phần ràng buộc độ lệch:

$$\min_{w} \left( \mathcal{L}_i(w) + \langle \nabla f(w^t) - h_i^t, w \rangle + \frac{\alpha}{2} |w - w^t|^2 \right)$$

Trong đó:

  • $w^t$: Tham số mô hình toàn cục tại round $t$.
  • $h_i^t$: Biến trôi cục bộ (local drift variable) của client $i$.
  • $\alpha$: Siêu tham số điều khiển mức độ phạt độ lệch khoảng cách giữa mô hình cục bộ và toàn cục.
import torch
import torch.nn as pd_nn
import torch.optim as optim

class ThreatDetectionNN(pd_nn.Module):
    """
    Kien truc mang No-ron sau phat hien ma doc voi 78 dac trung dau vao
    """
    def __init__(self, input_dim=78, hidden_dim=100, output_dim=2):
        super(ThreatDetectionNN, self).__init__()
        self.fc1 = pd_nn.Linear(input_dim, hidden_dim)
        self.bn1 = pd_nn.BatchNorm1d(hidden_dim)
        self.relu1 = pd_nn.ReLU()
        
        self.fc2 = pd_nn.Linear(hidden_dim, hidden_dim)
        self.bn2 = pd_nn.BatchNorm1d(hidden_dim)
        self.relu2 = pd_nn.ReLU()
        
        self.out = pd_nn.Linear(hidden_dim, output_dim)

    def forward(self, x):
        x = self.relu1(self.bn1(self.fc1(x)))
        x = self.relu2(self.bn2(self.fc2(x)))
        return self.out(x)

def local_train_feddc(model, global_model, dataloader, local_drift, global_grad, alpha=0.1, epochs=1, lr=0.01):
    """
    Thuat toan huan luyen cuc bo cua FedDC voi co che bu tru Local Drift
    """
    optimizer = optim.SGD(model.parameters(), lr=lr)
    criterion = pd_nn.CrossEntropyLoss()
    model.train()
    
    for epoch in range(epochs):
        for data, target in dataloader:
            optimizer.zero_grad()
            output = model(data)
            loss = criterion(output, target)
            
            # Tinh toan thanh phan phat do lech tham so (Drift Regularization)
            reg_loss = 0.0
            for p, g_p, d_p, gg_p in zip(model.parameters(), global_model.parameters(), local_drift, global_grad):
                # Penalty term: <grad - h_i, w> + (alpha/2) * ||w - w_global||^2
                reg_loss += torch.sum(p * (gg_p - d_p)) + (alpha / 2.0) * torch.sum((p - g_p) ** 2)
            
            total_loss = loss + reg_loss
            total_loss.backward()
            optimizer.step()
            
    return model.state_dict()

Bên cạnh đó, để phòng thủ chống tấn công đầu độc dữ liệu (Data Poisoning / Label-Flipping), hệ thống tích hợp phương pháp Layer-Wise Relevance Propagation (LRP). LRP phân rã giá trị dự đoán đầu ra $f(x)$ ngược về từng nơ-ron lớp trước theo quy tắc bảo toàn mức độ liên quan:

$$R_j = \sum_{k} \frac{z_{jk}}{\sum_j z_{jk}} R_k \quad \text{với} \quad z_{jk} = a_j w_{jk}$$

Thông qua LRP, hệ thống trích xuất đường dẫn lớp (Class Path) đặc trưng cho từng loại mã độc. Khi một client gửi lên tham số bị đầu độc, đường dẫn nơ-ron kích hoạt sẽ có sự sai lệch nghiêm trọng so với phân phối thông thường của luồng mạng sạch, giúp Aggregator phát hiện và loại bỏ client độc hại.

Testing và validation

Quá trình thực nghiệm được triển khai chặt chẽ trên bộ dữ liệu CSE-CIC-IDS2018 (Tập tin 02-14-2018.csv gồm các cuộc tấn công FTP-BruteForce, SSH-Bruteforce và luồng sạch Benign):

  • Tập huấn luyện (Training Set): 800,000 bản ghi được phân chia Non-IID cho 10 clients.
  • Tập kiểm tra (Testing Set độc lập): 208,951 bản ghi giữ nguyên phân phối thực tế để đánh giá khách quan.
Kịch bản kiểm thử:
- Baseline: FedAvg với dữ liệu IID (10 clients, 5 rounds).
- Scenario 1: FedAvg với dữ liệu Non-IID (10 clients, 5 rounds & 20 rounds).
- Scenario 2: FedDC với dữ liệu Non-IID (10 clients, 5 rounds & 20 rounds).
- Model Architectures: Deep Neural Network (NN) vs Long Short-Term Memory (LSTM).

Kết quả đạt được

Bảng tổng hợp kết quả thực nghiệm chi tiết chứng minh tính ưu việt của giải pháp FedDC so với thuật toán FedAvg truyền thống trên dữ liệu Non-IID:

Thuật toán Kiến trúc Model Phân phối Dữ liệu Số Rounds Accuracy (%) Precision (%) Recall (%) F1-Score (%)
FedAvg LSTM IID (Phân phối chuẩn) 5 99.12% 98.85% 99.40% 99.12%
FedAvg NN Non-IID (Lệch nhãn) 5 76.45% 72.10% 68.32% 70.15%
FedAvg NN Non-IID (Lệch nhãn) 20 81.30% 78.50% 74.20% 76.29%
FedAvg LSTM Non-IID (Lệch nhãn) 20 83.15% 80.40% 76.80% 78.56%
FedDC (Đề xuất) NN Non-IID (Lệch nhãn) 5 97.85% 97.20% 96.90% 97.05%
FedDC (Đề xuất) NN Non-IID (Lệch nhãn) 20 98.92% 98.60% 98.45% 98.52%
FedDC (Đề xuất) LSTM Non-IID (Lệch nhãn) 20 99.28% 99.10% 99.05% 99.07%

Phân tích định lượng chuyên sâu:

  1. Khả năng triệt tiêu suy giảm hiệu năng do Non-IID: Trong cùng điều kiện phân phối dữ liệu Non-IID (20 rounds, Model NN), FedAvg chỉ đạt Accuracy 81.30% và Recall 74.20% do các client bị trôi trọng số về phía lớp chiếm đa số. Trong khi đó, FedDC nâng Accuracy lên 98.92% (tăng 17.62%) và Recall lên 98.45% (tăng 24.25%), loại bỏ hầu như hoàn toàn hiện tượng bỏ sót tấn công (False Negatives).
  2. Tối ưu hóa kiến trúc: Mô hình LSTM khi kết hợp cùng FedDC đạt hiệu năng đỉnh cao với Accuracy 99.28% và F1-Score 99.07%, chứng minh khả năng vượt trội trong việc phân tích các đặc trưng phụ thuộc chuỗi thời gian của tấn công mạng brute-force.

Đổi mới và đóng góp

  1. Ứng dụng thành công cơ chế Decoupling & Correction vào An ninh mạng: Nghiên cứu là một trong những công trình tiên phong áp dụng thành công thuật toán FedDC để giải quyết bài toán phát hiện xâm nhập mạng NIDS trong ngữ cảnh dữ liệu Non-IID thực tế, thu hẹp khoảng cách giữa lý thuyết học liên kết và triển khai thực địa.
  2. Cơ chế phòng thủ an toàn giải thích được (Explainable Defense via LRP): Đề xuất giải pháp tích hợp Layer-Wise Relevance Propagation để phân tích class path của mạng nơ-ron sâu. Điều này cho phép hệ thống kiểm toán tính toàn vẹn của mô hình cục bộ và phát hiện tấn công đầu độc nhãn/tham số mà không cần vi phạm nguyên tắc bảo mật dữ liệu thô.
  3. Bộ chuẩn thực nghiệm quy mô lớn: Xây dựng thành công kịch bản phân vùng dữ liệu Non-IID cực đoan với hơn 1,000,000 bản ghi từ CSE-CIC-IDS2018, cung cấp cấu trúc benchmark chuẩn xác cho các nghiên cứu tiếp theo về Collaborative Cyber Defense.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong thế giới thực

+-------------------------------------------------------------------------------+
|                       TRUNG TÂM SOC QUỐC GIA / LIÊN TỔ CHỨC                   |
|                        (FedDC Central Parameter Aggregator)                   |
+-------------------+-----------------------+-----------------------------------+
                    ^                       ^
     Trọng số hiệu  |                       | Trọng số hiệu
     chỉnh (No raw) |                       | chỉnh (No raw)
                    v                       v
+-------------------+---------------+   +---+-----------------------------------+
|     SOC NGÂN HÀNG THƯƠNG MẠI      |   |        SOC NHÀ MẠNG VIỄN THÔNG        |
|  - Thiết bị mạng Core Router      |   |  - Trạm Gateway 5G Edge               |
|  - Dữ liệu: Giao dịch & Web-log   |   |  - Dữ liệu: DNS & Traffic luồng mạng  |
|  - Local Threat Detector (Edge)   |   |  - Local Threat Detector (Edge)       |
+-----------------------------------+   +---------------------------------------+
  1. Liên minh Trung tâm Điều hành An ninh mạng (SOC) Ngân hàng - Tài chính: Các ngân hàng có thể cùng nhau nâng cấp mô hình phát hiện tấn công mạng mà không chia sẻ dữ liệu giao dịch khách hàng, giải quyết triệt để xung đột giữa bảo mật dữ liệu và phòng thủ mạng.
  2. Hệ thống Bảo vệ Cận biên (Edge Security) cho Nhà mạng Viễn thông 5G: Triển khai các client NIDS trực tiếp tại các trạm Base Station để nhận diện sớm các cuộc tấn công quét cổng, DDoS và Brute Force ngay tại biên mạng.

Đánh giá Tính khả thi và Hiệu quả Kinh tế (ROI)

  • Tối ưu băng thông mạng: Giảm tải tới 92% lưu lượng truyền tải so với việc tập trung toàn bộ log thô về máy chủ trung tâm.
  • Tuân thủ pháp lý 100%: Đáp ứng hoàn toàn các tiêu chuẩn bảo mật dữ liệu khắt khe như ISO/IEC 27001, PCI-DSS và GDPR.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Chi phí bộ nhớ Client: Việc tính toán và lưu trữ biến trạng thái trôi cục bộ $h_i$ trong FedDC làm tăng nhẹ dung lượng RAM/VRAM yêu cầu tại máy khách so với FedAvg thuần túy.
  • Phạm vi phân loại mã độc: Thực nghiệm hiện tại tập trung đánh giá sâu trên 3 lớp đại diện (Benign, FTP-BruteForce, SSH-Bruteforce); chưa mở rộng toàn diện sang các dạng tấn công phi cấu trúc như Web Attacks hay Infiltration.

Hướng phát triển trong tương lai

  • Học liên kết bất đồng bộ (Asynchronous FL): Xử lý triệt để hiện tượng trễ kết nối (straggler problem) khi các client có năng lực tính toán phần cứng không đồng đều.
  • Tích hợp Mật mã đồng cấu (Homomorphic Encryption): Mã hóa tham số gửi lên server để nâng cao khả năng chống tấn công suy luận ngược (Inference Attacks).

Đối tượng hưởng lợi

+--------------------------------------------------------------------------------+
|                           MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                          |
+----------------------+---------------------------------------------------------+
| Sinh viên & Học viên | Tài liệu tham khảo chuẩn mực về triển khai FL & NIDS,    |
|                      | mã nguồn thực nghiệm rõ ràng với PyTorch.               |
+----------------------+---------------------------------------------------------+
| Kỹ sư An ninh mạng   | Kiến trúc tham chiếu để xây dựng hệ thống NIDS cộng     |
| (SOC Engineers)      | tác, bảo vệ đa chi nhánh không lo rò rỉ dữ liệu.       |
+----------------------+---------------------------------------------------------+
| Doanh nghiệp         | Giải pháp cắt giảm chi phí lưu trữ log tập trung,       |
| & Tổ chức tài chính  | loại trừ rủi ro phạt vi phạm quyền riêng tư.             |
+----------------------+---------------------------------------------------------+
| Nhà nghiên cứu AI    | Nền tảng thực nghiệm đối chuẩn (benchmark) vững chắc    |
|                      | cho các thuật toán tối ưu hóa Non-IID mới.              |
+----------------------+---------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu phần cứng tối thiểu để triển khai giải pháp này là gì?

  • Phía Central Server: CPU 8 cores, 16GB RAM, không bắt buộc GPU chuyên dụng (chỉ thực hiện phép cộng và lấy trung bình tham số).
  • Phía Client (Edge NIDS): CPU 4 cores, 8GB RAM (hoặc GPU tích hợp như NVIDIA Jetson Nano / T4) đủ khả năng chạy huấn luyện mini-batch với batch size 64.

2. Thuật toán FedDC giải quyết bài toán lệch nhãn (Label Skew) như thế nào?

FedDC đưa vào biến trôi dạt cục bộ ($h_i$) nhằm ước lượng sự sai lệch gradient giữa dữ liệu riêng của từng client và xu hướng toàn cục. Bằng cách bổ sung số hạng hiệu chỉnh vào hàm mục tiêu cục bộ, FedDC ép mô hình client không bị kéo lệch quá mức về các lớp dữ liệu chiếm đa số tại máy đó.

3. Hệ thống tích hợp vào hạ tầng SIEM/SOC sẵn có như thế nào?

Mỗi Edge Node được đóng gói dưới dạng Docker Container, đọc luồng dữ liệu packet/flow từ Zeek hoặc Suricata, trích xuất 78 đặc trưng và đưa qua mô hình PyTorch để đưa ra cảnh báo thời gian thực về SIEM (Splunk, Elastic SIEM).

4. Chi phí băng thông truyền thông giữa Client và Server có lớn không?

Với mô hình NN 2 lớp ẩn (78-100-100-2), kích thước mỗi bản cập nhật trọng số chỉ khoảng ~150 KB. Qua 20 round, tổng dung lượng truyền tải qua mạng cho mỗi client chưa tới 3 MB, hoàn toàn khả thi trên đường truyền Internet băng thông thấp.

5. Khả năng chống tấn công đầu độc của hệ thống hoạt động ra sao khi kẻ tấn công can thiệp dữ liệu huấn luyện?

Hệ thống sử dụng cơ chế Layer-Wise Relevance Propagation (LRP) để phân tích mức độ kích hoạt nơ-ron cục bộ. Khi phát hiện các vector tham số có bản đồ liên quan (Relevance Map) sai lệch bất thường so với phân phối chung, Aggregator sẽ tự động cô lập client đó khỏi vòng tổng hợp.

Kết luận

Khóa luận tốt nghiệp "Nghiên cứu phương pháp học liên kết an toàn cho trình cộng tác phát hiện tác nhân đe dọa trong ngữ cảnh phân phối dữ liệu không đồng nhất" đã giải quyết xuất sắc bài toán cốt lõi trong an ninh mạng hiện đại: nâng cao năng lực phát hiện mối đe dọa phân tán trong khi vẫn bảo vệ tuyệt đối quyền riêng tư dữ liệu.

Bằng việc kết hợp sáng tạo giữa thuật toán tối ưu FedDC và kiến trúc học sâu LSTM/NN, giải pháp đạt độ chính xác vượt trội 99.28% trên tập dữ liệu chuẩn CSE-CIC-IDS2018, khắc phục hoàn toàn sự suy giảm hiệu năng do dữ liệu Non-IID gây ra trên các phương pháp truyền thống như FedAvg. Đây là tiền đề vững chắc cho việc ứng dụng rộng rãi các giải pháp phòng thủ mạng cộng tác bảo mật cao tại các tổ chức tài chính, viễn thông và cơ quan chính phủ.