Đồ án tốt nghiệp công nghệ kỹ thuật điện tử viễn thông nghiên cứu và phát triển mô hình bert nhẹ để phân loại mối đe dọa mạng cho thiết bị iot

Đồ án tốt nghiệp nghiên cứu và phát triển mô hình BERT nhẹ nhằm phân loại mối đe dọa mạng cho thiết bị IoT, ứng dụng công nghệ điện tử viễn thông hiệu quả.

Người đăng

Ẩn danh

Thể loại

đồ án tốt nghiệp

2024

74
5
0

Phí lưu trữ

30 Point

Mục lục chi tiết

LỜI CẢM ƠN

LỜI CAM ĐOAN

TÓM TẮT

1. CHƯƠNG 1: TỔNG QUAN

1.1. TÌNH HÌNH NGHIÊN CỨU HIỆN NAY

1.2. MỤC TIÊU ĐỀ TÀI

1.3. GIỚI HẠN ĐỀ TÀI

1.4. PHƯƠNG PHÁP NGHIÊN CỨU

1.5. ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU

1.6. BỐ CỤC BÁO CÁO

2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

2.1. CÁC LOẠI TẤN CÔNG MẠNG TRONG ỨNG DỤNG IOT

2.1.1. Tấn công DoS/DDoS

2.1.2. Thu thập thông tin

2.1.3. Tấn công trung gian

2.2. NGÔN NGỮ LẬP TRÌNH PYTHON

2.2.1. Tổng quan về ngôn ngữ lập trình Python

2.2.2. Ưu điểm và nhược điểm

2.3. TỔNG QUAN VỀ PYTORCH

2.3.1. Giới thiệu Pytorch

2.3.2. Đặc điểm nổi bật

2.3.3. Các thành phần trong Pytorch

2.3.4. Ưu nhược điểm của Pytorch

2.4. KIẾN TRÚC TRANSFORMERS

2.4.1. Kiến trúc Transformers

2.5. TỔNG QUAN VỀ MÔ HÌNH NGÔN NGỮ BERT

2.5.1. Kiến trúc mô hình

2.5.2. Đặc điểm nổi bật của BERT

2.5.3. Ứng dụng của BERT

2.6. Các kĩ thuật tách từ trong xử lý ngôn ngữ tự nhiên

2.7. CÁC PHƯƠNG PHÁP ĐO LƯỜNG VÀ ĐÁNH GIÁ

2.7.1. Precision và Recall

2.7.2. Macro Average và Weight Average

3. CHƯƠNG 3: KẾT QUẢ THỰC NGHIỆM

3.1. PHÂN TÍCH BÀI TOÁN VÀ XÂY DỰNG QUY TRÌNH LÀM VIỆC

3.1.1. Phân tích bài toán

3.1.2. Xây dựng quy trình làm việc mô hình

3.1.3. Giới thiệu tập dữ liệu

3.2. TIỀN XỬ LÝ DỮ LIỆU

3.2.1. Các thư viện để xử lý dữ liệu

3.2.2. Trình bày dữ liệu sang dạng văn bản

3.3. MÃ HÓA TẬP DỮ LIỆU

3.3.1. Byte-level BPE tokenizer

3.3.2. Mã hóa tập dữ liệu

3.4. MÔ HÌNH BERT CHO PHÂN LOẠI TẤN CÔNG MẠNG

3.4.1. Kiến trúc mô hình Bert cho phân loại

3.4.2. Giải thuật huấn luyện mô hình

3.4.3. Giải thuật đánh giá mô hình

3.5. CÁC MÔ HÌNH DÙNG ĐỂ SO SÁNH

3.5.1. Thiết lập tập dữ liệu

3.5.2. Thiết lập mô hình so sánh

4. CHƯƠNG 4: KẾT QUẢ VÀ THẢO LUẬN

4.1. KẾT QUẢ THỰC HIỆN

4.2. So sánh hiệu suất

4.3. NHẬN XÉT VÀ ĐÁNH GIÁ MÔ HÌNH

5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN

5.1. KẾT LUẬN

5.2. HƯỚNG PHÁT TRIỂN

TÀI LIỆU THAM KHẢO

Tóm tắt

I. Mô hình BERT và ứng dụng trong an ninh mạng

Mô hình BERT (Bidirectional Encoder Representations from Transformers) là một công nghệ tiên tiến trong lĩnh vực xử lý ngôn ngữ tự nhiên (NLP). Mô hình này nổi bật với khả năng hiểu ngữ cảnh hai chiều, giúp nâng cao hiệu quả trong các nhiệm vụ phân tích và phân loại dữ liệu. Trong bối cảnh an ninh mạng, BERT được ứng dụng để phân loại mối đe dọa mạng thông qua việc phân tích dữ liệu phi cấu trúc, đặc biệt là các giao thức mạng và lưu lượng truy cập. Các nghiên cứu gần đây như MalBERTSecureBERT đã chứng minh hiệu quả của BERT trong việc phát hiện phần mềm độc hại và phân loại email rác. Đề tài này tập trung vào việc phát triển một mô hình BERT nhẹ để phân loại các mối đe dọa mạng trên thiết bị IoT, nhằm tăng cường bảo mật thông tin và giảm thiểu rủi ro từ các tấn công mạng.

1.1. Kiến trúc và đặc điểm của BERT

Kiến trúc BERT dựa trên cơ chế Transformer, cho phép mô hình hiểu ngữ cảnh của từ trong câu thông qua việc mã hóa hai chiều. Điều này giúp BERT vượt trội trong các nhiệm vụ như phân loại văn bản, trả lời câu hỏi và dịch máy. Trong lĩnh vực an ninh mạng, BERT được tối ưu hóa để xử lý các dữ liệu phi cấu trúc như lưu lượng mạng và nhật ký hệ thống. Các mô hình nhẹ như SecureBERTMalBERT đã được phát triển để phù hợp với các thiết bị có tài nguyên hạn chế, đặc biệt là thiết bị IoT.

1.2. Ứng dụng BERT trong phân loại mối đe dọa mạng

BERT được ứng dụng để phân loại mối đe dọa mạng thông qua việc phân tích các giao thức mạng và lưu lượng truy cập. Các nghiên cứu như SecureBERTMalBERT đã chứng minh hiệu quả của BERT trong việc phát hiện phần mềm độc hại và phân loại email rác. Đề tài này tập trung vào việc phát triển một mô hình BERT nhẹ để phân loại các mối đe dọa mạng trên thiết bị IoT, nhằm tăng cường bảo mật thông tin và giảm thiểu rủi ro từ các tấn công mạng.

II. Phân loại mối đe dọa mạng trên thiết bị IoT

Thiết bị IoT đang trở thành mục tiêu hấp dẫn cho các tấn công mạng do sự thiếu chú trọng về bảo mật thông tin. Các mối đe dọa mạng phổ biến bao gồm tấn công DoS/DDoS, thu thập thông tintấn công trung gian. Đề tài này tập trung vào việc phân loại mối đe dọa mạng thông qua việc phân tích các giao thức mạng và lưu lượng truy cập. Mô hình BERT nhẹ được phát triển để phù hợp với các thiết bị IoT, giúp tăng cường an ninh mạng và giảm thiểu rủi ro từ các tấn công mạng.

2.1. Các loại tấn công mạng phổ biến

Các tấn công mạng phổ biến trên thiết bị IoT bao gồm tấn công DoS/DDoS, thu thập thông tintấn công trung gian. Tấn công DoS/DDoS nhằm làm gián đoạn hoạt động của hệ thống bằng cách gửi một lượng lớn yêu cầu đến máy chủ. Thu thập thông tin là loại tấn công nhằm đánh cắp dữ liệu cá nhân và quyền truy cập mật khẩu. Tấn công trung gian là loại tấn công nhằm chặn và thay đổi thông tin giữa hai bên giao tiếp.

2.2. Phân tích và xử lý dữ liệu mạng

Đề tài này tập trung vào việc phân tích và xử lý dữ liệu mạng để phân loại mối đe dọa mạng. Các giao thức mạng và lưu lượng truy cập được phân tích để xác định các mối đe dọa mạng. Mô hình BERT nhẹ được phát triển để phù hợp với các thiết bị IoT, giúp tăng cường an ninh mạng và giảm thiểu rủi ro từ các tấn công mạng.

III. Phát triển mô hình BERT nhẹ cho thiết bị IoT

Mô hình BERT nhẹ được phát triển để phù hợp với các thiết bị IoT, giúp tăng cường an ninh mạng và giảm thiểu rủi ro từ các tấn công mạng. Mô hình này được tối ưu hóa để xử lý các dữ liệu phi cấu trúc như lưu lượng mạng và nhật ký hệ thống. Đề tài này tập trung vào việc phát triển mô hình BERT nhẹ để phân loại các mối đe dọa mạng trên thiết bị IoT, nhằm tăng cường bảo mật thông tin và giảm thiểu rủi ro từ các tấn công mạng.

3.1. Tối ưu hóa mô hình BERT cho thiết bị IoT

Mô hình BERT nhẹ được tối ưu hóa để phù hợp với các thiết bị IoT, giúp tăng cường an ninh mạng và giảm thiểu rủi ro từ các tấn công mạng. Mô hình này được tối ưu hóa để xử lý các dữ liệu phi cấu trúc như lưu lượng mạng và nhật ký hệ thống. Đề tài này tập trung vào việc phát triển mô hình BERT nhẹ để phân loại các mối đe dọa mạng trên thiết bị IoT, nhằm tăng cường bảo mật thông tin và giảm thiểu rủi ro từ các tấn công mạng.

3.2. Đánh giá hiệu suất của mô hình BERT nhẹ

Mô hình BERT nhẹ được đánh giá hiệu suất thông qua việc phân tích các giao thức mạng và lưu lượng truy cập. Mô hình này đạt độ chính xác cao trong việc phân loại mối đe dọa mạng và phù hợp với các thiết bị IoT. Đề tài này tập trung vào việc phát triển mô hình BERT nhẹ để phân loại các mối đe dọa mạng trên thiết bị IoT, nhằm tăng cường bảo mật thông tin và giảm thiểu rủi ro từ các tấn công mạng.

21/02/2025
Đồ án tốt nghiệp công nghệ kỹ thuật điện tử viễn thông nghiên cứu và phát triển mô hình bert nhẹ để phân loại mối đe dọa mạng cho thiết bị iot

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan. Chương này trình bày tình hình nghiên cứu hiện nay, mục tiêu nghiên cứu, giới hạn đề tài, đối tượng và phạm vi nghiên cứu, phương pháp nghiên cứu và bố cục bài nghiên cứu. Chương 2: Cơ sở lý thuyết. Chương này trình bày về các lý thuyết chính về thuật toán, mô hình ngôn ngữ, phần mềm sử dụng và các vấn đề liên quan đến tập dữ liệu,lập trình, framework được sử dụng.

Chương 3: Kết quả thực nghiệm. chương này sẽ tiến hành xây dựng những hướng đi để giải quyết được đặt ra bằng cách vận dụng những nghiên cứu từ chương 2 để vận dụng vào giải quyết vấn đề. Trình bày các thuật toán, lưu đồ giải thuật, sơ đồ khối và những kết quả đã giải quyết được. Chương 4: Kết quả và thảo luận.

Chương này sẽ trình bày các kết quả đạt được qua các số liệu hình ảnh. Sử dụng những số liệu đó đánh giá mô hình đã đạt được và chưa đạt được, nhận xét về mô hình và so sánh với các mô hình máy học. thảo luận về những vấn đề về đề tài và hướng phát triển cho đề tài. Chương 5: Kết luận và hướng phát triển.

Chương này sẽ trình bày những gì đề tài đã đạt được và vấn đề còn tồn đọng. Trình bày hướng phát triển của đề tài, mô hình hình đề xuất một hệ thống hoạt động cho mô hình. 5 CHƯƠNG 2 CƠ SỞ LÝ THUYẾT 2.1 CÁC LOẠI TẤN CÔNG MẠNG TRONG ỨNG DỤNG IOT 2.1 Tấn công DoS/DDoS 2.1 Giới thiệu Tấn công DoS, thường gọi là tấn công từ chối dịch vụ, là hình thức tấn công mà người gây ra gián đoạn, dừng hoạt động của một máy chủ hay hệt thống mạng. Việc này khiến cho người dùng không thể truy cập máy chủ hay hệ thống mạng.

Tấn công DDoS, tấn công từ chối dịch vụ phân tán, là hình thức nâng cao hơn hình thức DoS. Hậu quả của DDoS cũng giống với DoS làm hệ thống không truy cập được, điểm khác là DDoS tập hợp nhiều nhiều nguồn máy ảo thay vì như DoS tạo ra chỉ từ một nguồn.2 Hình thức tấn công Sử dụng kỹ thuật SYN Flood: tấn công vào giao thức TCP, bằng cách khai thác quá trình “bắt tay” ba chiều, gửi đi yêu cầu SYN đến máy chủ và được phản hồi bằng gói SYN-ACK, nhưng không trả ACK về máy chủ. Kiểu tấn công này sẽ đánh vào tài nguyên của hệ thống vì dồn tày nguyên vào quá trình chờ gói ACK trả về, khiến hệ thống không thể truy cập được do lưu lượng không đủ. Tấn công UDP flood: Sử dụng một lượng lớp gói giao thức dữ liệu người dùng UDP, vì sử dụng hết tài nguyên vào gói giao thức này nên hệ thống bị nghẽn do còn đang xử lý gói dữ liệu.

Người tấn công thương sử dụng địa chỉ giả để thực hiện quá trình này vì mỗi gói dữ liệu đều có gán địa chỉ IP của người gửi. Tấn công HTTP flood: Tấn công này nhằm làm tràn ngập mục tiêu bằng cách truy vấn ở giao thức HTTP. Có hai loại khác nhau, gồm yêu cầu POST và yêu cầu GET. Bằng cách sử dụng nhiều máy ảo kết nối và gửi nhiều yêu cầu sẽ làm tắt nghẽn hệ thống vì quá tải.

6 Tấn công ICMP flood: tấn công trên giao thức ICMP thông qua truy vấn ICMP echo (pings). Bằng cách làm tràn ngập gói truy vấn ICMP echo làm cho đích đến bị hạn chế trả lời với lượng gói giống trả lời giống nhau, làm cho điểm đích không còn khả năng đối với lưu lượng truy cập mạng.2 Thu thập thông tin 2.1 Giới thiệu Thu thập thông tin là loại tấn công sẽ thu thập các thông tin của mục tiêu để đánh lừa mục tiêu và chiếm đoạt. Ở trong ứng dụng IoT thì các thông tin có thể đánh cắp thường là port scanning, vân tay, vulnerability scanning thông qua lỗ hỏng trên thiết bị mạng.2 Hình thức tấn công Port scanning: Cuộc tấn công này thường tấn công ở các điểm truy cập mạng dễ dàng. Sau khi xâm nhập được mạng, người tấn công sẽ trích xuất các thành phần kiến trúc mạng để thu thập các dữ liệu cá nhân, quyền truy cập mật khẩu, … Đánh cắp dấu vân tay: kiểu tấn công này thường xảy ra khi người tấn công xác định được lỗ hỏng của mục tiêu và tấn công vào lỗ hỏng đó.

Cuộc tấn công này thường có đặc điểm là hoạt động với các gói tin kết nối giao thức TCP có ACK, SNY/ACK và SYN. vulnerability scanning: Tìm ra lỗ hỏng của hệ thống và tấn công vào chúng, người tấn công cố gắng xâm nhập các điểm truy cập. Chi làm ba loại, quét lỗ hỏng môi trường, quét lỗ hỏng bên ngoài, quét lỗ hỏng nội bộ. Quét môi trường là quét từ các thiết bị IoT, quét bên ngoài là quét từ các ứng dụng mà người dùng truy cập, quét nội bộ là xác định lỗ hỏng bên trong mạng.3 Tấn công trung gian 2.1 Giới thiệu Tấn công trung gian còn gọi là tấn công nghe lén, người tấn công sẽ tìm cách xâm nhập vào các cuộc giao dịch hay cuộc liên lạc giữa hai đối tượng, sau đó người 7 tấn công sẽ đánh cắp các dữ liệu thong qua cuộc giao dịch hay sự liên lạc của 2 đối tượng đó.

Cuộc tấn công này hay nhắm vào các giao thức phổ biến nhất trong hệ thống hiện nay, DNS và ARP.2 Các hình thức tấn công Tấn công giả mạo DNS: Sự dụng điểm yếu của giao thức DNS and/or thông qua các máy chủ tên miền. Có hai loại tấn công giả mạo DNS: giả mạo DNS và DNS cache poisoning. Với giả mạo DNS, người tấn công sẽ tận dụng lúc thiết bị IoT dùng giao thứ DNS để yêu cầu địa chỉ IP của máy chủ biên nhằm liên lạc với nhau, bằng cách gửi phản hồi giả trước máy chủ. DNS cache poisoning thì hoạt động việc làm hỏng bộ nhớ đệm bằng các thông tin sai lệch.

Tấn công giả mạo ARP: Cuộc tấn công giả mạo ARP cho phép người tấn công chặn thông tin liên lạc giữa các thiết bị mạng. Người tấn công thường sẽ nhắm mục tiêu là các thiết bị IoT và gửi gói tin ARP qua mạng IoT trong đó có địa chỉ IP là của thiết bị và địa chỉ MAC là của người tấn công. Khi thiết bị IoT khác nhận định là thuộc mạng IoT thì sẽ lưu gói tin với địa chỉ MAC mới, các dữ liệu do thiết bị IoT này khi được gửi đi sẽ không đến nạn nhân mà gửi đến kẻ tấn công.1 Giới thiệu Injection là kiểu tấn công nhắm đến tính toàn vẹn và bảo mật của hệ thống. Mục này tôi tìm hiểu ở ba hình thức tấn công là XSS, SQL injection, uploading.2 Hình thức tấn công Cross-site Scripting (XSS) là khai thác từ lỗ hỏng bảo mật trên các website, cho phép người tấn công chèn mã độc hại vào.

Dựa trên XSS các cuộc tấn công rất đa dạng, nhưng thường liên quan đến chuyển tiếp dư liệu dễ bị tấn công như thông tin phiên hoặc cookie. Có thể chia thành hai loại khác nhau: được phản ánh và được lưu trữ. SQL injection: Kiểu tấn công khai thác trên lỗ hỏng bảo mật của ứng dụng tương tác với cơ sở dữ liệu. Bằng cách thay đổi chạy trên một tệp SQL khác của 8 người tấn công.

Sau đó, người tấn công có thể truy cập vào cơ sở dữ liệu và thay đổi thông tin chứa trên đó, gây tổn hại đến sự an toàn của ứng dụng. Có thể chia làm bốn loại: error-base, stacked queries, blind-base, union-base. Uploading: Sau khi kẻ tấn công tải thành công tệp chương trình phần mềm độc hại lên máy chủ web, kẻ tấn công có thể có được các đặc quyền quản trị. Sau đó kẻ tấn công có thể tải lên và chạy web shell, lọc dữ liệu có khả năng bí mật, tải lên XSS vĩnh viễn cũng như một trang lừa đảo.1 Giới thiệu Malware là hình thức tấn công sử dụng phần mềm, tệp tin độc hại để xâm nhập hệ thống đẻ chiếm quyền kiểm soát hệ thống, mã hóa hoặc xóa thông tin, đánh cắp dữ liệu.

Trong ứng dụng IoT sẽ khai thác ở loại tấn công backdoor, ransomware, password cracking 2.2 Hình thức tấn công Bachdoor: người tấn công sẽ sử dụng phần mềm độc hại trên người dùng để có quyền truy cập từ xa vào thiết bị của họ. Sử dụng backdoor để đánh hơi người dùng, đánh sập các máy chủ hay giám sát toàn bộ hệ thống của người bị hại. Password cracking: thông qua các lần thử liên tiếp các mật khẩu để tìm ra mật khẩu chính xác. Ransomware: Là loại phầm mềm độc hại dùng các thông tin, tập tin, hoặc chiếm được quyền thiết bị IoT để tống tiền.2 NGÔN NGỮ LẬP TRÌNH PYTHON 2.1 Tổng quan về ngôn ngữ lập trình Python Python là ngôn ngữ lập trình bậc cao, mã nguồn mở và có tính linh hoạt.

Được ứng dụng rộng rãi ở nhiều lĩnh vực như phát triển phần mềm, lập trình web, khoa học dữ liệu và máy học. Ngôn ngữ lập trình này do ông Guido van Rossum tạo ra vào năm 1980 tại Trung tâm Toán học ở Hà Lan, năm 1989 bắt đầu được triển 9 khai. Đến năm 1991 thì được ra mắt toàn cầu và phát triển đến nay thành một ngôn ngữ lập trình hàng đầu. Bởi tính linh hoạt, nguồn mở và chạy trên nhiều nền tảng khác nhau nên nhiều nhà phát triển, hay các lập trình viên đều dùng ngôn ngữ này để phục cho công việc của họ.1: Logo của Python 2.2 Ưu điểm và nhược điểm 2.

Dễ dàng sử dụng và dễ học: ngôn ngữ Python có cú pháp đơn giản và dễ đọc gúp người lập trình theo giải thuật một cách dễ dàng và nhanh chóng. Đặc biệt ngôn ngữ ở dạng nguồn mở nên ai cũng có thể tiếp cận và học tập. Tính linh hoạt và đa năng: với tính linh hoạt Python có thể dử dụng trên nhiều lĩnh vực khác nhau từ đơn giản đến phức tạp. Nhiều công cụ và thư viện hỗ trợ: có rất nhiều công cụ hỗ trợ phục vụ cho công việc từ đơn giản đến phức tạp mà không cần viết mã từ đầu.

Các framework được phát triển để hỗ trợ khá nhiều như Tensorflow, Pytorch, … phục vụ xây dựng và huấn luyện mạng neural, hoặc phát triển ứng dụng thì có Django và Flash, và nhiều thư viện khác hỗ trợ cho xử lý ảnh, âm thanh, dữ liệu mảng. Cộng đồng lớn vàtích cực: Python có công đồng hỗ trợ rất lớn và tích cực chia sẻ tài liệu, kiến thức.2 Nhược điểm. Hiệu suất chạm hơn so với ngôn ngữ khác: vì trước khi vận hành cần qua bước thông dịch ngôn ngữ máy nên có thể sẽ chậm hơn so với các ngôn ngữ khác như C/C++, Java. Vì thế, thường không dùng trong ứng dụng đa nhiệm hay tính toán nặng, phức tạp.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ