Tổng quan nghiên cứu

Tài liệu lưu trữ quốc gia là di sản văn hóa đặc biệt của dân tộc, mang giá trị lịch sử, chính trị, kinh tế và khoa học to lớn trong sự nghiệp xây dựng và bảo vệ đất nước. Hiện nay, bốn Trung tâm Lưu trữ quốc gia thuộc Cục Văn thư và Lưu trữ nhà nước đang trực tiếp quản lý gần 30 km giá tài liệu gốc cùng hệ thống cơ sở dữ liệu đồ sộ gồm hơn 1,6 triệu biểu ghi đặc tả và trên 12 triệu tệp số hóa, bao gồm 12.250.396 trang ảnh và 8.464 giờ ghi âm. Tuy nhiên, toàn bộ khối lượng tài liệu điện tử này chủ yếu lưu trữ dưới dạng tệp ảnh rời rạc JPEG và chưa áp dụng các giải pháp kỹ thuật bảo đảm an toàn thông tin. Vấn đề nghiên cứu then chốt là nguy cơ sai lệch, sửa đổi nội dung và giả mạo tài liệu số mà không để lại dấu vết, khiến giá trị pháp lý của tài liệu điện tử bị suy giảm nghiêm trọng.

Mục tiêu cụ thể của đề tài là khảo sát thực trạng số hóa tài liệu, nghiên cứu cơ sở lý thuyết mật mã khóa công khai, từ đó xây dựng giải pháp chuyển đổi tệp JPEG sang định dạng PDF và phát triển ứng dụng ký số tích hợp thuật toán RSA cùng hàm băm SHA-256 theo đúng tiêu chuẩn nhà nước. Phạm vi nghiên cứu tập trung vào nguồn tài liệu lịch sử tại bốn Trung tâm Lưu trữ quốc gia trên lãnh thổ Việt Nam trong giai đoạn năm 2014 đến 2015. Ý nghĩa của nghiên cứu thể hiện qua việc giảm hơn 90% số lượng tệp quản trị (từ hơn 12 triệu tệp JPEG xuống dưới 1 triệu tệp PDF), thiết lập cơ chế bảo đảm 100% tính toàn vẹn, tính xác thực và chống chối bỏ, đồng thời nâng cao hiệu suất phục vụ khai thác tài liệu công cộng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng dựa trên nền tảng của mật mã học khóa công khai (Asymmetric Cryptography) và lý thuyết hạ tầng khóa công khai (Public Key Infrastructure - PKI) theo tiêu chuẩn quốc tế X.509, kết hợp với lý thuyết hàm băm một chiều mật mã học (Cryptographic Hash Function). Khung lý thuyết bao gồm năm khái niệm cốt lõi: cặp khóa công khai và khóa bí mật, hàm băm mật mã học, chữ ký số điện tử, chứng thư số do cơ quan chứng thực (Certificate Authority - CA) phát hành và thiết bị lưu trữ khóa bảo mật phần cứng (USB Token) có mã số PIN.

Mô hình nghiên cứu triển khai lược đồ chữ ký số RSA do Ron Rivest, Adi Shamir và Len Adleman phát minh, kết hợp với thuật toán băm bảo mật SHA-256 thuộc họ SHA-2 do Viện Tiêu chuẩn và Công nghệ Quốc gia Hoa Kỳ (NIST) ban hành. Thuật toán RSA dựa trên độ phức tạp của bài toán phân tích một hợp số lớn thành tích của hai số nguyên tố bí mật. Với chiều dài khóa tối thiểu từ 2048 bit đến 4096 bit, độ an toàn của hệ thống được bảo vệ vững chắc trước các kỹ thuật thám mã hiện đại. Hàm băm SHA-256 xử lý khối thông điệp kích thước 512 bit để tạo ra bản tóm lược dữ liệu cố định 256 bit với độ an toàn kháng va chạm đạt mức 128 bit, bảo đảm tính duy nhất và không thể đảo ngược cho mọi văn bản điện tử.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu khảo sát thực tế từ cơ sở dữ liệu quản lý văn bản, hồ sơ nghiệp vụ tại Cục Văn thư và Lưu trữ nhà nước và các văn bản quy phạm pháp luật, trọng tâm là Thông tư số 06/2015/TT-BTTTT của Bộ Thông tin và Truyền thông quy định danh mục tiêu chuẩn bắt buộc về chữ ký số. Cỡ mẫu nghiên cứu bao gồm toàn bộ 12.250.396 trang ảnh quét và hơn 1,6 triệu biểu ghi hồ sơ hiện có tại bốn Trung tâm Lưu trữ quốc gia. Phương pháp chọn mẫu là chọn mẫu toàn bộ (census sampling) nhằm bảo đảm tính bao quát, chuẩn xác và không bỏ sót các khối tài liệu lịch sử đặc thù từ thời kỳ phong kiến đến hiện đại.

Phương pháp phân tích được lựa chọn là phương pháp phân tích thực nghiệm kết hợp quy trình phát triển phần mềm ứng dụng. Tác giả sử dụng ngôn ngữ lập trình C# kết hợp hai thư viện mã nguồn mở chuyên dụng là iTextSharp và PdfSharp. Lý do lựa chọn phương pháp này là vì iTextSharp và PdfSharp cho phép can thiệp trực tiếp vào cấu trúc nhị phân của tệp PDF, tạo điều kiện thuận lợi để gộp hàng trăm tệp ảnh thành một tài liệu duy nhất và nhúng chữ ký số chuẩn PKCS#7 trực tiếp vào luồng dữ liệu của tệp mà không làm biến dạng nội dung gốc. Timeline nghiên cứu được thực hiện xuyên suốt trong năm 2014 và hoàn tất nghiệm thu thử nghiệm vào năm 2015.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Thứ nhất, khảo sát chỉ ra rằng 100% trong số 12.250.396 trang tài liệu số hóa tại các trung tâm lưu trữ đang tồn tại dưới định dạng tệp ảnh JPEG riêng lẻ và chưa từng được áp dụng bất kỳ biện pháp ký số hay mã hóa nào. Tình trạng này khiến tài liệu đối mặt với nguy cơ bị chỉnh sửa trái phép mà không để lại dấu vết.

Thứ hai, việc chuyển đổi hàng loạt từ định dạng JPEG sang PDF đa trang giúp gom nhóm các trang ảnh rời rạc thành các hồ sơ hoàn chỉnh. Giải pháp này giúp cắt giảm tổng số lượng tệp tin lưu trữ trên hệ thống máy chủ từ hơn 12 triệu tệp xuống dưới 1 triệu tệp, tương đương mức giảm hơn 91,6% số lượng thực thể tệp tin cần quản trị.

Thứ ba, ứng dụng thử nghiệm tích hợp thuật toán RSA với hàm băm SHA-256 đạt hiệu năng xử lý ký số vượt trội với thời gian trung bình dưới 1,5 giây cho một tệp tài liệu PDF tiêu chuẩn, mang lại khả năng phát hiện sai lệch dữ liệu chính xác 100% khi tệp bị can thiệp dù chỉ 1 bit.

Thứ tư, hiệu quả phục vụ độc giả tra cứu tăng lên rõ rệt. Đối với một hồ sơ lưu trữ lịch sử có độ dày khoảng 500 trang, thời gian tải và mở từng tệp ảnh riêng lẻ trước đây mất khoảng 15 đến 20 phút, nhưng sau khi gộp thành 01 tệp PDF duy nhất, thời gian truy xuất giảm xuống chỉ còn dưới 30 giây, giúp tiết kiệm hơn 95% thời gian thao tác cho người dùng.

Thảo luận kết quả

Nguyên nhân chính của tình trạng dữ liệu tồn tại ở dạng JPEG phân tán là do trong giai đoạn đầu thực hiện số hóa, các dòng máy quét chuyên dụng cũ chỉ hỗ trợ xuất định dạng ảnh đơn trang và hạ tầng công nghệ thông tin chưa đồng bộ. So với các giải pháp quản lý tài liệu truyền thống hoặc các nghiên cứu trước đây chỉ sử dụng hàm băm MD5 và SHA-1 vốn đã bộc lộ nhiều lỗ hổng va chạm từ năm 2005, việc nâng cấp lên hàm băm SHA-256 kết hợp cặp khóa RSA 2048 bit mang lại độ an toàn mật mã vượt trội và hoàn toàn tương thích với Thông tư 06/2015/TT-BTTTT.

Dữ liệu so sánh hiệu năng có thể được trình bày trực quan thông qua biểu đồ cột thể hiện mức sụt giảm 91,6% số lượng tệp quản trị trên hệ thống và bảng ma trận đánh giá thời gian truy xuất tài liệu thực tế của độc giả trước và sau khi ứng dụng phần mềm. Điều này chứng minh rằng việc kết hợp chuyển đổi định dạng tài liệu với ký số nhúng trực tiếp không chỉ củng cố giá trị pháp lý của tài liệu lưu trữ điện tử mà còn tối ưu hóa tài nguyên phần cứng máy chủ và băng thông truyền dẫn mạng.

Đề xuất và khuyến nghị

Thứ nhất, ban hành quy chuẩn kỹ thuật bắt buộc về định dạng tài liệu số hóa lưu trữ lâu dài. Cục Văn thư và Lưu trữ nhà nước cần ban hành hướng dẫn chuyển đổi toàn diện 12,25 triệu trang ảnh JPEG hiện tại sang định dạng PDF/A tiêu chuẩn trong thời hạn 12 tháng, với mục tiêu đạt 100% hồ sơ lưu trữ điện tử thống nhất định dạng và sẵn sàng tích hợp chữ ký số.

Thứ hai, triển khai đồng bộ hạ tầng khóa công khai chuyên dùng và cấp phát chứng thư số. Ban Cơ yếu Chính phủ phối hợp với Cục Văn thư và Lưu trữ nhà nước trang bị thiết bị phần cứng USB Token chứa khóa bí mật cho 100% cán bộ, chuyên viên quản trị kho lưu trữ tại bốn Trung tâm Lưu trữ quốc gia trong thời gian từ 6 đến 12 tháng, bảo đảm mỗi thao tác phát hành tài liệu đều gắn liền với định danh pháp lý cá nhân.

Thứ ba, ứng dụng phần mềm ký số tự động theo lô vào quy trình nghiệp vụ thường nhật. Trung tâm Tin học thuộc Cục Văn thư và Lưu trữ nhà nước cần cài đặt và vận hành hệ thống phần mềm ký số xây dựng trên nền tảng iTextSharp và PdfSharp với mục tiêu xử lý tự động tối thiểu 10.000 tệp hồ sơ mỗi ngày, hoàn thành việc ký số toàn bộ kho tài liệu số hóa hiện có trong vòng 18 tháng.

Thứ tư, thiết lập cổng dịch vụ kiểm tra và xác thực chữ ký số trực tuyến công khai. Cục Văn thư và Lưu trữ nhà nước cần phối hợp với các tổ chức cung cấp dịch vụ chứng thực chữ ký số xây dựng hệ thống thẩm tra tính toàn vẹn của tệp PDF theo giao thức kiểm tra trực tuyến OCSP và danh sách thu hồi chứng thư CRL, bảo đảm thời gian phản hồi kết quả xác thực dưới 2 giây cho mọi độc giả tra cứu.

Đối tượng nên tham khảo luận văn

Nhóm thứ nhất là cán bộ quản lý, chuyên viên văn thư và lưu trữ tại các cơ quan nhà nước. Nhóm này có thể ứng dụng trực tiếp quy trình chuẩn hóa định dạng tệp và phương pháp tích hợp chữ ký số để bảo vệ tính pháp lý, tính toàn vẹn cho các phông tài liệu lịch sử và hồ sơ hành chính điện tử tại đơn vị.

Nhóm thứ hai là kỹ sư công nghệ thông tin và chuyên gia an toàn thông tin. Đây là tài liệu tham khảo kỹ thuật chi tiết về cách thức nhúng chữ ký số chuẩn PKCS#7 vào tệp PDF thông qua các thư viện mã nguồn mở iTextSharp và PdfSharp, cung cấp các đoạn mã nguồn mẫu để phát triển hệ thống quản lý tài liệu điện tử.

Nhóm thứ ba là lãnh đạo các bộ, ngành và cơ quan hành chính công đang triển khai chính phủ điện tử. Nghiên cứu cung cấp cơ sở khoa học và thực tiễn để hoạch định chính sách, xây dựng các đề án số hóa kho lưu trữ và nâng cấp hạ tầng bảo mật thông tin theo tiêu chuẩn quốc gia.

Nhóm thứ tư là giảng viên, học viên cao học và sinh viên chuyên ngành Công nghệ thông tin, Kỹ thuật phần mềm và An toàn thông tin. Đề tài đóng vai trò là một case study thực tiễn điển hình về việc giải quyết bài toán an toàn dữ liệu quy mô lớn trong môi trường lưu trữ quốc gia.

Câu hỏi thường gặp

Tại sao cần chuyển đổi tài liệu từ định dạng JPEG sang định dạng PDF trước khi thực hiện ký số? Tệp ảnh JPEG chỉ chứa được một trang đơn lẻ, gây khó khăn lớn khi quản lý các hồ sơ dày hàng trăm trang và không hỗ trợ tính năng nhúng trực tiếp chữ ký số vào tệp. Chuyển sang PDF giúp gộp toàn bộ trang ảnh vào 01 tệp duy nhất, giảm hơn 90% số lượng tệp quản trị và cho phép nhúng chữ ký số xác thực trực tiếp trên tài liệu.

Thuật toán RSA kết hợp hàm băm SHA-256 mang lại ưu thế bảo mật như thế nào cho tài liệu lưu trữ? Hàm băm SHA-256 tạo ra bản tóm lược dữ liệu 256 bit có tính kháng xung đột tuyệt đối, bảo đảm bất kỳ thay đổi nào trên tệp dù là 1 bit cũng sẽ làm thay đổi toàn bộ mã băm. Thuật toán RSA với chiều dài khóa từ 2048 bit trở lên dùng khóa bí mật để mã hóa bản băm này, tạo ra chữ ký số không thể giả mạo và bảo đảm tính chống chối bỏ.

Quy trình xác thực tính toàn vẹn của tệp tài liệu PDF đã ký số diễn ra như thế nào trong ứng dụng? Ứng dụng sẽ trích xuất chữ ký số từ tệp PDF và giải mã bằng khóa công khai của người gửi để lấy bản tóm lược dữ liệu ban đầu. Đồng thời, hệ thống dùng hàm băm SHA-256 tính toán lại bản tóm lược của tệp hiện tại. Nếu hai giá trị tóm lược trùng khớp hoàn toàn, tệp được xác nhận là vẹn toàn 100% và xuất phát từ đúng người ký.

Giải pháp trong luận văn tối ưu hóa trải nghiệm của độc giả tra cứu tài liệu lưu trữ ra sao? Trước đây, khi tiếp cận một hồ sơ lịch sử gồm 500 trang ảnh JPEG, độc giả phải tải và mở 500 tệp rời rạc, tiêu tốn khoảng 15 đến 20 phút. Với giải pháp mới, độc giả chỉ cần tải 01 tệp PDF duy nhất trong thời gian dưới 30 giây, giúp việc đọc, tra cứu thông tin diễn ra liền mạch và nhanh chóng hơn 95%.

Những thư viện mã nguồn mở nào được sử dụng để xây dựng ứng dụng ký số trong nghiên cứu? Ứng dụng được lập trình bằng ngôn ngữ C# trên nền tảng .NET Framework, tích hợp hai thư viện mã nguồn mở chuyên dụng là iTextSharp và PdfSharp. Các thư viện này hỗ trợ xử lý đồ họa, ghép nối các trang ảnh JPEG thành tệp PDF đa trang và tương tác trực tiếp với chứng thư số trên thiết bị phần cứng USB Token để ký số.

Kết luận

  • Khảo sát thực trạng quy mô lớn trên gần 30 km giá tài liệu và 12.250.396 trang ảnh số hóa tại bốn Trung tâm Lưu trữ quốc gia, chỉ ra nguy cơ mất an toàn thông tin của dữ liệu định dạng ảnh JPEG đơn trang.
  • Đề xuất giải pháp chuyển đổi tệp ảnh JPEG sang định dạng văn bản PDF đa trang, giúp cắt giảm hơn 91,6% số lượng tệp tin cần quản lý trên hệ thống máy chủ.
  • Xây dựng mô hình mật mã học vững chắc kết hợp thuật toán ký số RSA khóa 2048 bit và hàm băm SHA-256 theo đúng tiêu chuẩn bắt buộc tại Thông tư 06/2015/TT-BTTTT của Bộ Thông tin và Truyền thông.
  • Phát triển hoàn thiện phần mềm ứng dụng thực nghiệm với đầy đủ bốn chức năng cốt lõi: chuyển đổi định dạng hàng loạt, ký số tự động có hiển thị ảnh đại diện, mã hóa dữ liệu bảo mật và xác thực tính toàn vẹn.
  • Tạo lập nền tảng kỹ thuật và pháp lý hoàn chỉnh cho công tác quản trị, bảo tồn và khai thác di sản tài liệu lưu trữ quốc gia trên môi trường mạng internet.

Đóng góp chính của luận văn là đã giải quyết trọn vẹn bài toán tích hợp công nghệ mật mã học hiện đại vào nghiệp vụ lưu trữ tài liệu lịch sử thực tế tại Việt Nam. Về lộ trình tiếp theo, giải pháp cần được chuẩn hóa thành phần mềm dịch vụ dùng chung và triển khai thử nghiệm diện rộng trong thời gian từ 6 đến 12 tháng tới. Các cơ quan quản lý và đơn vị lưu trữ hãy chủ động áp dụng ngay giải pháp ký số PDF để nâng tầm giá trị pháp lý và bảo vệ an toàn tuyệt đối cho kho tàng di sản thông tin quốc gia.