Luận văn thạc sĩ: Nghiên cứu và ứng dụng deep learning để phát hiện người xâm nhập

Trong bối cảnh hiện đại, việc đảm bảo an ninh mạng trở thành một vấn đề cấp bách. Deep learning đã mở ra những khả năng mới trong việc phát hiện xâm nhập. Hệ thống camera giám sát hiện tại chỉ có khả năng ghi lại hình ảnh mà không thể tự động phát hiện và cảnh báo các hành vi xâm nhập. Việc ứng dụng machine learning và học sâu vào hệ thống này giúp nâng cao khả năng phát hiện, giảm thiểu các cảnh báo sai. Theo nghiên cứu, việc sử dụng học sâu có thể cải thiện đáng kể độ chính xác trong việc phát hiện các đối tượng xâm nhập, từ đó bảo vệ an ninh cho các cơ quan, tổ chức.

Mục tiêu chính của nghiên cứu này là phát triển một hệ thống phát hiện xâm nhập tự động dựa trên công nghệ deep learning. Cụ thể, nghiên cứu sẽ xây dựng mô hình phát hiện người và khuôn mặt trong ảnh tĩnh và video. Hệ thống sẽ sử dụng các thuật toán như YOLOv3 và mạng nơ-ron tích chập để nhận diện và phân loại đối tượng. Mục tiêu cuối cùng là áp dụng mô hình này vào thực tế tại Trung tâm hành chính tỉnh Bà Rịa-Vũng Tàu, nhằm nâng cao hiệu quả giám sát và bảo mật thông tin.

Nghiên cứu về phát hiện xâm nhập đã được thực hiện từ lâu, tuy nhiên, sự phát triển của học sâu đã mang lại những bước tiến vượt bậc. Các phương pháp truyền thống thường gặp khó khăn trong việc phân loại và nhận diện đối tượng trong các tình huống phức tạp. Deep learning cho phép xây dựng các mô hình phức tạp hơn, có khả năng học từ dữ liệu lớn và tự động cải thiện hiệu suất. Các nghiên cứu trước đây đã chỉ ra rằng việc áp dụng AI trong an ninh mạng có thể giúp phát hiện các hành vi bất thường một cách hiệu quả hơn.

Có nhiều phương pháp để phát hiện đối tượng trong ảnh và video. Các phương pháp này thường dựa vào các đặc trưng như màu sắc, hình dạng và kết cấu bề mặt. Việc áp dụng học sâu đã dẫn đến sự ra đời của các thuật toán như R-CNN, YOLO và SSD, cho phép phát hiện đối tượng với độ chính xác cao. Các nghiên cứu đã chỉ ra rằng mạng nơ-ron có thể học và nhận diện các đặc trưng phức tạp mà các phương pháp truyền thống không thể làm được. Điều này mở ra cơ hội mới cho việc phát hiện xâm nhập trong các hệ thống giám sát.

Kết quả thực nghiệm cho thấy mô hình phát hiện xâm nhập dựa trên deep learning có khả năng nhận diện người và khuôn mặt với độ chính xác cao. Hệ thống đã được thử nghiệm trong môi trường thực tế tại Trung tâm hành chính tỉnh Bà Rịa-Vũng Tàu. Các thử nghiệm cho thấy tỷ lệ phát hiện thành công đạt trên 90%, trong khi tỷ lệ cảnh báo sai chỉ dưới 5%. Điều này chứng tỏ rằng việc ứng dụng học sâu trong phát hiện xâm nhập không chỉ khả thi mà còn mang lại hiệu quả cao trong việc bảo vệ an ninh.