Khóa luận tốt nghiệp an toàn thông tin nghiên cứu phương pháp phát hiện website lừa đảo dựa trên cách tiếp cận học đa thể thức và học máy đối kháng

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp an toàn thông tin nghiên cứu phương pháp phát hiện website lừa đảo dựa trên cách tiếp, vận dụng lý thuyết vào thực tế, đề xuất giải pháp

• Tác giả: Võ Quang Minh
• Người hướng dẫn: TS. Phạm Văn Hậu
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Nghiên Cứu Về Kháng Kháng Đối Kháng Và Cơ Chế Phòng Thủ Trong Phát Hiện Website Lừa Đảo Đa Phương Thức
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• TÓM TẮT KHOÁ LUẬN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Lý do chọn đề tài
• 1.2. Phương pháp nghiên cứu
• 1.3. Mục tiêu nghiên cứu
• 1.4. Phạm vi và đối tượng nghiên cứu
• 1.5. Công bố khoa học và giải thưởng
• 1.6. Cấu trúc Khóa luận tốt nghiệp
• 2. CHƯƠNG 2: CƠ SỞ LÝ THUYẾT
• 2.1. Tình hình nghiên cứu các kỹ thuật xây dựng và phát hiện Website lừa đảo hiện nay
• 2.1.1. Các kỹ thuật xây dựng Website lừa đảo hiện nay
• 2.1.2. Các phương pháp phát hiện Website lừa đảo
• 2.1.3. Ví dụ về tên miền lừa đảo nguyên bản và tên miền lừa đảo đối kháng
• 2.1.3.1. Tên miền lừa đảo nguyên bản
• 2.1.3.2. Tên miền lừa đảo nguyên bản đối kháng
• 2.2. Mô hình học Đa thể thức
• 2.2.1. Phân loại các mô hình học đa thể thức
• 2.2.2. Mô hình phân loại website áp dụng học Đa thể thức
• 2.2.3. Khung sinh mẫu AWG và các chiến lược tấn công, phòng thủ
• 2.2.3.1. Tổng quan Mạng sinh đối kháng GAN
• 2.2.3.2. Mô hình WassersteinGAN
• 2.2.3.3. Kỹ thuật tấn công đối kháng
• 2.2.3.4. Kỹ thuật tấn công chuyển giao đối kháng
• 2.2.3.5. Tấn công giả mạo đồng hình
• 2.2.3.6. Các hình thức tấn công giả mạo đồng hình
• 2.2.3.7. Các chiến lược phòng thủ trước cuộc tấn công đối kháng
• 2.2.4. Mô hình Mạng khả diễn giải XAI
• 2.2.4.1. Một số đặc điểm của Mạng khả diễn giải XAI
• 2.2.4.2. So sánh với những nghiên cứu trước đây
• 3. CHƯƠNG 3: PHƯƠNG PHÁP THỰC HIỆN
• 3.1. Thu thập dữ liệu phục vụ cho nghiên cứu
• 3.1.1. Tổng quan về bộ dữ liệu
• 3.1.2. Mô hình học sâu đa thể thức Shark-Eyes [42]
• 3.1.2.1. Nhánh cấu trúc DOM - Xử lý dữ liệu
• 3.1.2.2. Nhánh cấu trúc từ ngữ tên miền - Cấu trúc II
• 3.1.2.3. Nhánh hình ảnh tên miền - Xử lý dữ liệu
• 3.2. Cấu trúc mạng
• 3.2.1. Lớp đưa ra quyết định
• 3.3. Các nghiên cứu về học sâu đơn thể thức và đa thể thức gần đây
• 3.3.1. Các mô hình học sâu đơn thể thức
• 3.3.2. Mô hình học sâu đa thể thức
• 3.4. Xây dựng và huấn luyện bộ khung tấn công AWG
• 3.4.1. Các tập dữ liệu cần thiết
• 3.4.2. Kiến trúc khung tấn công AWG
• 3.4.3. Mô hình phát hiện hộp đen Blackbox
• 3.4.4. Bộ phân biệt - Quá trình huấn luyện
• 3.4.5. Bộ khung cải thiện XAI Homo
• 3.4.6. Chiến lược tấn công đối kháng nhắm vào các mô hình phát hiện trang web lừa đảo
• 3.4.7. Chiến lược phòng thủ trước tấn công đối kháng
• 3.4.8. Tổng quan quá trình hoạt động của tiện ích Shark-Eyes
• 4. CHƯƠNG 4: HIỆN THỰC VÀ ĐÁNH GIÁ, THẢO LUẬN
• 4.1. Môi trường thực nghiệm
• 4.1.1. Môi trường huấn luyện và kiểm thử các mô hình đề xuất
• 4.1.2. Môi trường phát triển tiện ích Shark-Eyes
• 4.2. Dữ liệu thực nghiệm
• 4.3. Tiêu chí đánh giá
• 4.3.1. Hiệu năng của bộ sinh
• 4.3.2. Chỉ số phát hiện - Detection Rate
• 4.3.3. Tỉ lệ trốn tránh - Evasion Rate
• 4.4. Mô hình nạn nhân
• 4.4.1. Mô hình hộp đen Blackbox
• 4.4.2. Khung sinh mẫu đối kháng AWG
• 4.4.3. Kịch bản thử nghiệm
• 4.5. Đánh giá hiệu năng của các mô hình phân loại tên miền
• 4.6. Đánh giá hiệu năng của các mô hình phân loại Website
• 4.7. Khảo sát khả năng phòng thủ của các mô hình trước tấn công đối kháng chuyển giao
• 4.8. Khảo sát khả năng phòng thủ của các mô hình phân loại website trước tấn công nâng cao áp dụng bộ khung cải thiện XAI Homo
• 4.9. Đánh giá hiệu năng của khung sinh mẫu AWG
• 4.10. Tăng cường khả năng phòng thủ của các mô hình
• 4.11. Kết quả nghiệm thu
• 4.11.1. Đánh giá hiệu năng của các mô hình phân loại tên miền
• 4.11.2. Đánh giá hiệu năng của các mô hình phân loại Website
• 4.11.3. Khảo sát khả năng phòng thủ của các mô hình trước tấn công đối kháng chuyển giao
• 4.11.4. Khảo sát khả năng phòng thủ của các mô hình phân loại website trước tấn công nâng cao áp dụng bộ khung cải thiện XAI Homo
• 4.11.5. Đánh giá hiệu năng của khung sinh mẫu AWG
• 4.11.6. Tăng cường khả năng phòng thủ của các mô hình
• 4.11.7. Hiện thực tiện ích Shark-Eyes trên trình duyệt web
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Kết luận
• 5.2. Hướng phát triển
• DANH SÁCH HÌNH VẼ
• DANH SÁCH BẢNG
• DANH MỤC TỪ VIẾT TẮT
• DANH MỤC TỪ TẠM DỊCH

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Kháng Kháng Đối Kháng Trong Phát Hiện Website Lừa Đảo

Nghiên cứu về kháng kháng đối kháng và cơ chế phòng thủ trong phát hiện website lừa đảo đa phương thức đang trở thành một lĩnh vực quan trọng trong an ninh mạng. Sự gia tăng các cuộc tấn công lừa đảo đã đặt ra nhiều thách thức cho các hệ thống phát hiện. Việc hiểu rõ về các phương pháp và công nghệ hiện có là cần thiết để phát triển các giải pháp hiệu quả hơn. Các nghiên cứu gần đây đã chỉ ra rằng mô hình học đa thể thức có tiềm năng lớn trong việc phát hiện các trang web lừa đảo, nhưng vẫn cần cải thiện khả năng chống lại các cuộc tấn công đối kháng.

1.1. Tình Hình Hiện Tại Về Website Lừa Đảo

Số lượng các cuộc tấn công lừa đảo trên không gian mạng đang gia tăng nhanh chóng. Theo thống kê, trong năm 2023, số lượng cuộc tấn công phishing đã đạt đỉnh hơn 600.000 cuộc. Điều này cho thấy sự cần thiết phải có các phương pháp phát hiện hiệu quả hơn để bảo vệ người dùng.

1.2. Tầm Quan Trọng Của Nghiên Cứu Kháng Kháng Đối Kháng

Nghiên cứu về kháng kháng đối kháng giúp cải thiện khả năng phát hiện của các mô hình học máy trước các cuộc tấn công tinh vi. Việc phát triển các cơ chế phòng thủ hiệu quả sẽ giúp bảo vệ thông tin và tài sản của người dùng khỏi các mối đe dọa ngày càng gia tăng.

II. Vấn Đề Và Thách Thức Trong Phát Hiện Website Lừa Đảo

Các phương pháp phát hiện website lừa đảo hiện tại gặp nhiều thách thức, đặc biệt là trong việc phát hiện các mẫu đối kháng. Những kẻ tấn công ngày càng tinh vi hơn, sử dụng các kỹ thuật như tấn công chuyển giao để qua mặt các hệ thống phát hiện. Điều này đặt ra yêu cầu cấp thiết cho việc nghiên cứu và phát triển các giải pháp mới.

2.1. Các Kỹ Thuật Tấn Công Đối Kháng

Tấn công đối kháng là một kỹ thuật mà kẻ tấn công thêm nhiễu loạn vào dữ liệu đầu vào để làm cho các mô hình học máy không thể phát hiện chính xác. Điều này làm giảm hiệu quả của các hệ thống phát hiện hiện tại.

2.2. Hạn Chế Của Các Phương Pháp Phát Hiện Hiện Tại

Các phương pháp phát hiện truyền thống như danh sách đen và danh sách trắng thường không đủ hiệu quả trong việc phát hiện các URL lừa đảo mới. Chúng cũng tốn nhiều thời gian và tài nguyên, khiến cho việc phát hiện trở nên khó khăn hơn.

III. Phương Pháp Nghiên Cứu Kháng Kháng Đối Kháng

Để giải quyết các thách thức trong phát hiện website lừa đảo, nghiên cứu này đề xuất một khung tấn công để tạo ra các mẫu đối kháng hiệu quả. Đồng thời, việc phát triển mô hình học đa thể thức sẽ giúp cải thiện khả năng phát hiện và kháng lại các cuộc tấn công đối kháng.

3.1. Khung Tấn Công Để Sinh Mẫu Đối Kháng

Khung tấn công được xây dựng nhằm tạo ra các mẫu đối kháng có khả năng qua mặt các mô hình phát hiện. Điều này giúp đánh giá khả năng chống chịu của các mô hình học máy trước các cuộc tấn công tinh vi.

3.2. Mô Hình Học Đa Thể Thức

Mô hình học đa thể thức sử dụng thông tin từ nhiều nguồn khác nhau để đưa ra dự đoán chính xác hơn. Việc áp dụng mô hình này trong phát hiện website lừa đảo có thể giúp cải thiện đáng kể hiệu suất phát hiện.

IV. Ứng Dụng Thực Tiễn Và Kết Quả Nghiên Cứu

Nghiên cứu đã chỉ ra rằng việc áp dụng mô hình học đa thể thức có thể nâng cao khả năng phát hiện website lừa đảo. Các kết quả thực nghiệm cho thấy mô hình này có thể phát hiện các mẫu đối kháng với độ chính xác cao, đồng thời giảm thiểu tỷ lệ trốn tránh.

4.1. Kết Quả Thực Nghiệm

Các thử nghiệm cho thấy mô hình học đa thể thức có khả năng phát hiện các trang web lừa đảo với tỷ lệ chính xác cao. Điều này chứng tỏ rằng việc áp dụng công nghệ mới có thể mang lại hiệu quả trong việc bảo vệ người dùng.

4.2. Ứng Dụng Trong Thực Tế

Mô hình phát hiện website lừa đảo có thể được tích hợp vào các hệ thống bảo mật hiện có, giúp nâng cao khả năng bảo vệ thông tin và tài sản của người dùng trước các mối đe dọa từ tấn công lừa đảo.

V. Kết Luận Và Hướng Phát Triển Tương Lai

Nghiên cứu về kháng kháng đối kháng trong phát hiện website lừa đảo đã chỉ ra nhiều tiềm năng và thách thức. Việc phát triển các mô hình học đa thể thức có thể là một bước tiến quan trọng trong việc nâng cao khả năng phát hiện và phòng thủ trước các cuộc tấn công lừa đảo.

5.1. Tầm Quan Trọng Của Nghiên Cứu

Nghiên cứu này không chỉ giúp nâng cao hiểu biết về các phương pháp phát hiện mà còn mở ra hướng đi mới cho các nghiên cứu tiếp theo trong lĩnh vực an ninh mạng.

5.2. Hướng Phát Triển Trong Tương Lai

Cần tiếp tục nghiên cứu và phát triển các phương pháp mới để cải thiện khả năng phát hiện và kháng lại các cuộc tấn công đối kháng. Việc áp dụng công nghệ mới và cải tiến mô hình hiện tại sẽ là chìa khóa để bảo vệ người dùng khỏi các mối đe dọa ngày càng tinh vi.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Tấn công lừa đảo qua website (Phishing Website) đang gia tăng nghiêm trọng trên toàn cầu. Theo thống kê của tổ chức Anti-Phishing Working Group, số lượng các cuộc tấn công phishing tăng mạnh trong giai đoạn đại dịch Covid và hậu Covid (Quý 1/2021 – Quý 4/2023), đạt đỉnh hơn 600.000 cuộc vào tháng 3/2023 — mức cao nhất kể từ năm 2021. Tại Việt Nam, theo DataReportal, số lượng người dùng Internet đã lên đến 78,44 triệu người (chiếm 79,1% dân số), nhưng tỉ lệ người có kiến thức về an toàn thông tin vẫn còn thấp, tạo điều kiện thuận lợi cho các hành vi lừa đảo mạng phát triển.

Các phương pháp phát hiện truyền thống như danh sách đen/trắng hay so sánh tương đồng giao diện trang web đã bộc lộ nhiều hạn chế về độ chính xác, tốc độ và khả năng phát hiện URL lừa đảo mới (zero-day). Các mô hình học máy và học sâu dù có độ chính xác cao nhưng thường chỉ phân tích một phương thức đầu vào đơn lẻ (URL, mã nguồn HTML, hình ảnh trang web), khiến chúng dễ bị qua mặt bởi các kỹ thuật tấn công đối kháng. Đặc biệt, mặc dù mô hình học đa thể thức (multimodal learning) được kỳ vọng vượt trội về khả năng dự đoán, chưa có nhiều nghiên cứu đánh giá khả năng kháng mẫu đối kháng của loại mô hình này trong ngữ cảnh phát hiện website lừa đảo.

Mục tiêu nghiên cứu được nhóm xác định gồm năm nhiệm vụ:

1. Nghiên cứu và triển khai xây dựng mô hình đa thể thức có khả năng phát hiện các trang web lừa đảo và các mẫu đối kháng của chúng.
2. Khảo sát hiệu suất phát hiện trang web lừa đảo của các mô hình học máy, học sâu và mô hình học đa thể thức.
3. Xây dựng khung tấn công sinh mẫu đối kháng (AWG) có khả năng qua mặt các mô hình phát hiện sử dụng trí tuệ nhân tạo.
4. Khảo sát khả năng kháng mẫu trốn tránh của các mô hình học máy, học sâu và mô hình học đa thể thức.
5. Đề xuất chiến lược phòng thủ hiệu quả cho các mô hình phát hiện website lừa đảo.

Đối tượng nghiên cứu gồm các mô hình học máy, học sâu, học tổng hợp (Ensemble Learning) và học đa thể thức; kỹ thuật tấn công trốn tránh và tấn công chuyển giao; mạng sinh đối kháng (GAN/WGAN); mô hình học khả diễn giải (XAI); và bộ khung sinh mẫu đối kháng AWG. Phạm vi tập trung vào bài toán phát hiện phishing website, sử dụng dữ liệu thu thập từ các nguồn báo cáo lừa đảo như PhishDB, PhishTank và danh sách tên miền lành tính xếp hạng bởi Alexa.

---

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình sử dụng:

Khóa luận xây dựng trên nền tảng lý thuyết của bốn nhóm công nghệ chính:

• Học đa thể thức (Multimodal Learning): Tích hợp dữ liệu từ nhiều nguồn (tên miền, cấu trúc HTML DOM, hình ảnh tên miền) thông qua ba kiểu hợp nhất: hợp nhất sớm (early fusion), hợp nhất muộn (late fusion) và hợp nhất lai (hybrid fusion).
• Mạng sinh đối kháng Wasserstein — WGAN: Mô hình WGAN do Martin Arjovsky, Soumith Chintala và Léon Bottou đề xuất năm 2017, sử dụng khoảng cách Wasserstein thay cho hàm mất mát truyền thống của GAN, giúp cải thiện độ ổn định huấn luyện và chất lượng mẫu sinh ra.
• Kỹ thuật tấn công đối kháng: Tấn công hộp đen (Black-box), tấn công chuyển giao (Transfer Attack) theo cách tiếp cận của Papernot et al., và tấn công giả mạo đồng hình (Homograph Phishing Attack) sử dụng ký tự từ các bảng chữ cái khác nhau (Cyrillic, Hy Lạp) để giả mạo tên miền.
• Mạng khả diễn giải XAI (Explainable AI): Được tận dụng trong bộ khung cải thiện XAI Homo để xác định điểm yếu của mô hình AI và phục vụ chiến lược tấn công nâng cao nhắm vào các mô hình phân loại website.

Phương pháp nghiên cứu:

Nghiên cứu thực nghiệm thiết kế hệ thống, bao gồm: (1) xây dựng và huấn luyện mô hình học sâu đa thể thức Shark-Eyes, (2) xây dựng bộ khung tấn công AWG dựa trên WGAN, (3) thực nghiệm đánh giá nhiều kịch bản tấn công và phòng thủ theo các chỉ số Detection Rate và Evasion Rate. Các công trình tham chiếu được trích từ các hội nghị và tạp chí uy tín quốc tế. Nhóm cũng tái triển khai các mô hình từ nghiên cứu liên quan (CCBLA, Eman-CNN, Fusion-CNN, Multi-Modal DL) để tạo cơ sở so sánh đối chứng.

Nguồn dữ liệu:

Bộ dữ liệu	Nội dung	Nguồn
Tên miền lừa đảo	Tên miền độc hại thu thập định kỳ	PhishDB, PhishTank
Tên miền lành tính	Tên miền xếp hạng cao và tên miền phụ	Alexa, công cụ subfinder
Trang web lừa đảo	URL, tên miền, mã HTML, JS, nội dung trang	Các nguồn báo cáo lừa đảo
Trang web lành tính	URL, tên miền, mã HTML, JS, nội dung trang	Các trang thống kê tin cậy

---

Nội dung chính theo từng chương

Chương 1: Tổng quan đề tài

Chương này trình bày bối cảnh lừa đảo mạng toàn cầu, phân tích thực trạng tấn công phishing từ Quý 1/2021 đến Quý 4/2023, và chỉ ra khoảng trống nghiên cứu về khả năng kháng mẫu đối kháng của mô hình đa thể thức. Nhóm xác định năm mục tiêu nghiên cứu cụ thể và trình bày các công bố khoa học đạt được trong quá trình thực hiện khóa luận, bao gồm ba bài báo được chấp nhận tại SOICT 2023, MAPR 2023, ATC 2023, một giải Ba cuộc thi "Dữ liệu với cuộc sống 2023" do Bộ Công An phối hợp tổ chức, và một bài báo đang bình duyệt tại tạp chí IEEE Access (Q1).

Chương 2: Cơ sở lý thuyết

Chương cung cấp nền tảng lý thuyết cho toàn bộ đề tài. Về phía phát hiện: phân loại ba kiểu fusion trong multimodal learning và kiến trúc mô hình phân loại website đa thể thức (phân tích HTML tags, URL, JavaScript, nội dung, hình ảnh trang web). Về phía tấn công: trình bày nguyên lý GAN (bộ sinh — bộ phân biệt theo cơ chế Nash equilibrium), lý thuyết WGAN, kỹ thuật tấn công đối kháng hộp trắng/xám/đen, tấn công chuyển giao, và tấn công giả mạo đồng hình. Về XAI: phân tích sáu đặc điểm của Explainable AI (tính minh bạch, công bằng, độ tin cậy, độ bền vững, tính riêng tư, khả năng lý giải) và chỉ ra rủi ro khi kẻ tấn công khai thác XAI để phân tích điểm yếu mô hình. Bảng 2.1 so sánh đề tài với bốn nhóm nghiên cứu trước (Zhang et al., Bac et al., Apruzzese et al., Madry et al.), làm rõ đóng góp mới của nhóm.

Chương 3: Phương pháp thực hiện

Chương trình bày toàn bộ phương pháp kỹ thuật. Mô hình Shark-Eyes được xây dựng theo kiến trúc ba nhánh song song:

• Nhánh cấu trúc DOM: Chuỗi thẻ HTML được mã hóa bằng one-hot encoding → Embedding → Conv1D → MaxPooling1D → BiLSTM → Attention.
• Nhánh cấu trúc từ ngữ tên miền: Chuỗi ký tự tên miền mã hóa one-hot → Embedding → Conv1D → MaxPooling1D → GRU → Attention.
• Nhánh hình ảnh tên miền: Tên miền chuyển sang giá trị ASCII → ánh xạ thành ảnh xám → Conv2D → MaxPooling2D → BatchNormalization → Dropout → Attention.

Ba vectơ thuộc tính sau lớp Attention được nối lại và đổ vào các lớp ẩn để đưa ra quyết định phân loại cuối cùng (0 = lành tính, 1 = lừa đảo).

Bộ khung tấn công AWG gồm ba thành phần: WGAN (Bộ sinh + Bộ phân biệt), Validator tên miền, và Black-box detector. Trong quá trình huấn luyện, bộ sinh học cách tạo tên miền giả mạo qua mặt Black-box, trong khi bộ phân biệt học cách giả dạng Black-box. Thuật toán CharBot được tích hợp để tạo tập mẫu ban đầu hỗ trợ giai đoạn khởi động huấn luyện. Nhóm khảo sát mười hai mô hình Black-box thuộc bốn nhóm: học máy truyền thống (DT, SVM, LR), học sâu (CNN, LSTM, CNN-LSTM), học tổng hợp (RF, AdaBoost, XGBoost) và đa thể thức (CNN-RNN). Hai mô hình hiệu suất tốt nhất được chọn làm Black-box chính cho AWG; các mô hình còn lại đóng vai trò nạn nhân của tấn công chuyển giao.

Chương cũng mô tả bộ khung cải thiện XAI Homo, chiến lược phòng thủ, và tổng quan triển khai tiện ích Shark-Eyes trên trình duyệt web.

Chương 4: Hiện thực, đánh giá và thảo luận

Chương trình bày môi trường thực nghiệm, bộ dữ liệu thực nghiệm cụ thể (bảng thống kê trang web và bảng thống kê tên miền), siêu tham số của các mô hình đề xuất và mô hình WGAN, cùng bảy kịch bản thử nghiệm:

1. Đánh giá hiệu năng các mô hình phân loại tên miền.
2. Đánh giá hiệu năng các mô hình phân loại website.
3. Khảo sát khả năng phòng thủ trước tấn công chuyển giao đối kháng.
4. Khảo sát khả năng phòng thủ trước tấn công nâng cao áp dụng bộ khung XAI Homo.
5. Đánh giá hiệu năng khung sinh mẫu AWG (tỉ lệ sinh mẫu hợp lệ, tài nguyên tiêu thụ).
6. Tăng cường khả năng phòng thủ của các mô hình sau khi áp dụng chiến lược đề xuất.
7. Hiện thực tiện ích Shark-Eyes trên trình duyệt web.

Kết quả được trình bày qua mười sáu bảng thống kê (Bảng 4.1 đến 4.16) bao gồm: hiệu năng phân loại, tỉ lệ phát hiện mẫu đối kháng, tỉ lệ trốn tránh thành công, thống kê tài nguyên tiêu thụ và ví dụ về các mẫu đối kháng được sinh ra bởi AWG với hai mô hình Black-box MM và RF.

Chương 5: Kết luận và hướng phát triển

Chương tổng kết kết quả đạt được, chỉ ra ưu điểm và nhược điểm của phương pháp đề xuất, đồng thời đề xuất các hướng phát triển mở rộng trong tương lai.

---

Thiết kế và triển khai

Kiến trúc hệ thống:

Mô hình Shark-Eyes được thiết kế theo kiến trúc song song ba nhánh với cơ chế Attention ở đầu ra mỗi nhánh. Đầu vào gồm tên miền và danh sách cấu trúc thẻ HTML; đầu ra là xác suất phân loại trang web lừa đảo/lành tính. Nhóm thử nghiệm thêm phiên bản cải tiến Shark-Eyes v2 bổ sung nhánh xử lý nội dung trang web theo kiến trúc tham khảo từ Multi-Modal DL, với đánh đổi giữa tài nguyên sử dụng và độ chính xác tăng thêm.

Bộ khung AWG được triển khai với WGAN làm nhân, tích hợp Validator kiểm tra tính hợp lệ cấu trúc tên miền quốc tế và Black-box detector làm mục tiêu huấn luyện, ngăn chặn overfitting khi bộ sinh tạo ra mẫu không đúng cấu trúc.

Công nghệ sử dụng:

Thành phần	Kỹ thuật/Mô hình
Trích xuất cấu trúc DOM	BiLSTM + Conv1D + Attention
Trích xuất từ ngữ tên miền	GRU + Conv1D + Attention
Trích xuất hình ảnh tên miền	CNN (Conv2D) + BatchNormalization + Attention
Sinh mẫu đối kháng	WGAN (Wasserstein GAN)
Hỗ trợ huấn luyện AWG	Thuật toán CharBot
Tấn công nâng cao	Bộ khung XAI Homo
Triển khai thực tế	Tiện ích trên trình duyệt web (Shark-Eyes extension)

Kiểm thử:

Nhóm triển khai bảy kịch bản thực nghiệm đa tầng, từ đánh giá hiệu năng thuần túy đến các kịch bản tấn công chuyển giao và tấn công nâng cao sử dụng XAI Homo. Môi trường thực nghiệm được hỗ trợ bởi hệ thống máy chủ tại Phòng thí nghiệm An toàn thông tin InSecLab, Trường Đại học Công nghệ Thông tin — ĐHQG TP.HCM.

---

Kết quả và đóng góp

Kết quả chính:

Khóa luận công bố kết quả thực nghiệm qua mười sáu bảng số liệu tổng hợp. Các bảng đánh giá hiệu năng (Bảng 4.6, 4.7) thống kê độ chính xác phân loại của mười hai mô hình trên hai tác vụ: phân loại tên miền và phân loại website. Bảng 4.9 và 4.10 thống kê tỉ lệ phát hiện mẫu đối kháng của các mô hình trước tấn công chuyển giao. Bảng 4.11 thống kê khả năng phát hiện mẫu đối kháng Homo của các mô hình trước bộ khung XAI Homo. Bảng 4.12 thống kê tỉ lệ sinh mẫu hợp lệ của bộ sinh G trong AWG. Bảng 4.15 thống kê tỉ lệ trốn tránh thành công của mẫu đối kháng trước các mô hình. Bảng 4.16 trình bày hiệu năng của các mô hình sau khi áp dụng chiến lược phòng thủ do nhóm đề xuất.

Tiện ích Shark-Eyes trên trình duyệt web đã được hiện thực hóa và kiểm thử trong hai kịch bản: nhận diện trang web an toàn và nhận diện trang web lừa đảo.

Giải pháp và kiến nghị:

• Bộ khung sinh mẫu đối kháng AWG dựa trên WGAN, tích hợp Black-box detector và Validator, tạo ra số lượng lớn mẫu đối kháng chất lượng cao trong thời gian ngắn.
• Bộ khung cải thiện XAI Homo nhằm tăng hiệu quả tấn công nâng cao nhắm vào điểm yếu của mô hình AI thông qua thông tin từ XAI.
• Chiến lược phòng thủ kết hợp tái huấn luyện có chọn lọc với mẫu đối kháng để tăng cường khả năng kháng chịu mà không làm suy giảm hiệu suất tổng thể.

Đóng góp so với nghiên cứu trước:

Theo bảng so sánh của nhóm (Bảng 2.1), điểm mới của đề tài so với bốn nhóm nghiên cứu tham chiếu bao gồm: (1) khảo sát đồng thời khả năng kháng mẫu đối kháng trên cả mô hình DL đơn thể thức, EL và mô hình MM — điều mà các nghiên cứu trước chưa thực hiện toàn diện; (2) đề xuất khung AWG kết hợp WGAN với tấn công hộp đen; (3) tích hợp chiến lược tấn công/phòng thủ trong một nghiên cứu thống nhất; (4) hiện thực tiện ích phát hiện phishing trực tiếp trên trình duyệt.

---

Hạn chế và hướng nghiên cứu tiếp

Nhóm tác giả tự xác định hai hạn chế chính của nghiên cứu:

• Về bộ khung AWG: Khung công cụ AWG cần được cải tiến để sinh mẫu với tỉ lệ trốn tránh cao hơn so với kết quả hiện tại.
• Về mô hình đa thể thức: Mô hình Shark-Eyes và Shark-Eyes v2 cần được tối ưu về tài nguyên và thời gian xử lý để đáp ứng yêu cầu triển khai thực tế trong môi trường có hạn chế phần cứng.

Dựa trên phạm vi nghiên cứu, các hướng mở rộng tiềm năng bao gồm: mở rộng bộ dữ liệu với các kịch bản tấn công phishing mới nổi, tối ưu kiến trúc Shark-Eyes v2 theo hướng giảm tài nguyên sử dụng, và thử nghiệm các chiến lược phòng thủ kết hợp nhiều lớp bảo vệ song song.

---

Giá trị tham khảo

Khóa luận có giá trị tham khảo cho các nhóm đối tượng sau:

• Sinh viên ngành An toàn thông tin đang nghiên cứu về tấn công đối kháng (adversarial attack), phát hiện phishing, hoặc ứng dụng học sâu trong bảo mật mạng. Phần Chương 2 cung cấp nền tảng lý thuyết toàn diện về GAN, WGAN, XAI và các kỹ thuật tấn công/phòng thủ.
• Sinh viên ngành Khoa học máy tính và Trí tuệ nhân tạo quan tâm đến kiến trúc multimodal learning và cơ chế Attention. Chương 3 trình bày chi tiết quy trình xây dựng và huấn luyện mô hình đa thể thức ba nhánh, hữu ích cho các đề tài tương tự.
• Nhóm nghiên cứu về phát hiện mã độc và website lừa đảo có thể tham khảo thiết kế bộ khung AWG và chiến lược phòng thủ được trình bày tại Chương 3, cùng quy trình đánh giá thực nghiệm đa kịch bản tại Chương 4.
• Nhà phát triển công cụ bảo mật có thể tham khảo phần hiện thực tiện ích Shark-Eyes trên trình duyệt (Mục 4.9) như một mô hình tích hợp mô hình học sâu vào sản phẩm bảo mật người dùng cuối.

---

Câu hỏi thường gặp

1. Mô hình Shark-Eyes sử dụng những loại dữ liệu đầu vào nào và xử lý chúng như thế nào? Shark-Eyes nhận hai loại đầu vào: (1) tên miền (domain) và (2) danh sách các thẻ trong tệp HTML (HTML tags). Tên miền được xử lý theo hai hướng song song: chuyển thành ảnh xám thông qua mã hóa ASCII (nhánh CNN) và chuyển thành vectơ ký tự bằng one-hot encoding (nhánh GRU). Danh sách thẻ HTML được mã hóa one-hot theo loại thẻ và đưa qua nhánh BiLSTM. Ba vectơ đặc trưng từ ba nhánh được kết hợp qua cơ chế Attention rồi đổ vào các lớp ẩn để đưa ra quyết định phân loại.

2. Bộ khung tấn công AWG hoạt động như thế nào và cần chuẩn bị những thành phần gì? AWG bao gồm bốn thành phần: mô hình WGAN (bộ sinh + bộ phân biệt), Validator tên miền, Black-box detector và tập dữ liệu tên miền mục tiêu lành tính. Trong quá trình huấn luyện, bộ phân biệt học cách giả dạng Black-box detector, còn bộ sinh học cách tạo tên miền giả mạo qua mặt bộ phân biệt. Thuật toán CharBot được dùng để tạo tập mẫu ban đầu phục vụ khởi động huấn luyện. Mẫu nào vượt qua cả Validator (hợp lệ về cấu trúc tên miền quốc tế) và Black-box detector (bị phân loại là lành tính) mới được tính là mẫu đối kháng chất lượng cao.

3. Tại sao nhóm chọn WGAN thay vì GAN truyền thống cho bộ khung AWG? Nhóm lựa chọn WGAN vì mô hình này khắc phục được ba vấn đề của GAN gốc: (1) cải thiện độ ổn định trong quá trình huấn luyện, (2) ngăn chặn hiện tượng overfitting hiệu quả hơn, và (3) giải quyết vấn đề khó hội tụ của bộ sinh. WGAN sử dụng khoảng cách Wasserstein thay cho hàm mất mát xác suất truyền thống, được coi là độ đo chính xác hơn để đo lường sự khác biệt giữa phân phối dữ liệu thật và phân phối dữ liệu giả, từ đó giúp bộ sinh tạo ra các tên miền đối kháng có cấu trúc hợp lý và chất lượng cao hơn.

4. Nhóm nghiên cứu đã so sánh mô hình Shark-Eyes với những mô hình nào khác và theo tiêu chí nào? Nhóm so sánh Shark-Eyes với sáu mô hình học sâu/đa thể thức: ba mô hình đơn thể thức là CCBLA, Eman-CNN và Fusion-CNN (đều phân tích cấu trúc URL); và một mô hình đa thể thức là Multi-Modal DL (phân tích URL, nội dung trang web và JavaScript). Ngoài ra, các mô hình học máy truyền thống (DT, SVM, LR) và học tổng hợp (RF, AdaBoost, XGBoost) cũng được đưa vào tập thực nghiệm. Tiêu chí đánh giá gồm: hiệu năng phân loại (Detection Rate), tỉ lệ trốn tránh (Evasion Rate) trước tấn công chuyển giao và tấn công XAI Homo, cùng thống kê thời gian và tài nguyên tiêu thụ.

5. Đề tài đã đạt được những công bố và giải thưởng khoa học nào trong quá trình thực hiện? Trong quá trình thực hiện khóa luận, nhóm đã đạt Giải Ba chung kết cuộc thi "Dữ liệu với cuộc sống 2023" do Bộ Công An, ĐH Bách Khoa Hà Nội, Đài Truyền hình Việt Nam và Báo VNExpress phối hợp tổ chức. Ba bài báo được chấp nhận tại hội nghị quốc tế: SOICT 2023, MAPR 2023 (IEEE Xplore) và ATC 2023 (IEEE Xplore). Ngoài ra, một bài báo tổng hợp mang tên "A study on adversarial sample resistance and defense mechanism for multimodal learning-based phishing website detection" đang trong giai đoạn bình duyệt tại tạp chí IEEE Access (Q1).

---

Kết luận

Khóa luận của Võ Quang Minh và Bùi Tấn Hải Đăng (Trường Đại học Công nghệ Thông tin — ĐHQG TP.HCM, 2024) giải quyết bài toán kép: vừa đánh giá toàn diện khả năng kháng mẫu đối kháng của các mô hình học máy đơn thể thức và đa thể thức trong ngữ cảnh phát hiện website lừa đảo, vừa đề xuất bộ khung tấn công AWG dựa trên WGAN và chiến lược phòng thủ tương ứng. Mô hình học sâu đa thể thức Shark-Eyes với ba nhánh xử lý song song (DOM, từ ngữ tên miền, hình ảnh tên miền) là đóng góp kỹ thuật trung tâm, được kiểm chứng qua bảy kịch bản thực nghiệm với mười sáu bảng số liệu. Kết quả nghiên cứu được xác nhận thông qua bốn công bố tại hội nghị quốc tế và một giải thưởng quốc gia, thể hiện mức độ đóng góp vào lĩnh vực An toàn thông tin ứng dụng trí tuệ nhân tạo tại Việt Nam.

Trích đoạn nội dung tài liệu

Chương 1: TONG QUAN ĐỀ TÀI Khái quát mục tiêu dé tài của khoá luận cũng như động lực nghiên cứu của nhóm được trình bày tại chương này. Bên cạnh đó, công bố khoa học và các sản phẩm nghiên cứu đạt giải trong quá trình thực hiện dé tài khóa luận cũng được nhóm đề cập. * Chương 2: CƠ SỞ LÝ THUYET Tại chương này, nhóm trình bày các định nghĩa, kiến thức nền tảng cũng như các công nghệ được sử dụng trong khoá luận. Đồng thời cung cấp thông tin về các công trình nghiên cứu liên quan.

e Chương 3: PHƯƠNG PHÁP THỰC HIỆN Chương này chúng tôi trình bày chỉ tiết về phương pháp, chiến lược tấn công, phòng thủ và kiến trúc mô hình đa thể thức Shark-Eyes mà nhóm để xuất. ¢ Chương 4: HIỆN THUC, ĐÁNH GIÁ VÀ THẢO LUẬN Nhóm trình bày chỉ tiết đến quá trình hiện thực hóa phương pháp đề cập ở Chương 3. Sau đó trình bày phương pháp thực nghiệm, đánh giá kết quả thực nghiệm qua các kịch bản và thảo luận chung của nhóm. e Chương 5: KET LUẬN VÀ HUONG PHÁT TRIỂN Tại chương này, nhóm sẽ đưa ra kết luận vé dé tài nghiên cứu bao gồm cả ưu điểm và nhược điểm về phương pháp mà nhóm đề xuất.

Bên cạnh đó, chúng tôi sẽ thảo luận về các hướng phát triển mở rộng có tiém năng phát triển trong tương lai. Chương 2 CƠ SỞ LÝ THUYÊT Tóm tắt chương Trong chương này, chúng tôi trình bày chỉ tiết cơ sở lý thuyết của các công nghệ mà nhóm sử dụng trong khóa luận, bao gồm cái nhìn tổng quan về các mô hình trí tuệ nhân tạo nổi bật hiện đang được sử dụng trong ngữ cảnh phát hiện website lừa đảo. Bên cạnh đó, nhóm cũng sẽ đi sâu vào cơ sở lý thuyết của các mô hình mạng sinh đối kháng và mạng khả diễn giải, cũng như các kỹ thuật tắn công trốn tránh và tấn công chuyển giao phục vụ cho khung tấn công mà nhóm dé xuất. Đồng thời, chúng tôi tóm tắt các công trình nghiên cứu liên quan, so sánh ưu nhược điểm của các công trình này với để tài của nhóm, và chỉ ra những điểm mới, sáng tạo của dé tài nhóm so với các nghiên cứu trước đây.1 Tình hình nghiên cứu các ki thuật xây dựng và phát hiện Website lừa dao hiện nay Tính đến thời điểm hiện tại, tình hình nghiên cứu các kỹ thuật xây dựng và phát hiện website lừa đảo đang tiếp tục phát triển mạnh mẽ.

Đồng thời đối mặt với sự phức tạp và ngày càng tinh vi hóa của các phương thức lừa đảo trên mạng, các nghiên cứu mới tập trung vào việc phát triển công nghệ và phương pháp tiên tiến được dé xuất. Nhiều nghiên cứu mới được công bồ với khả năng nhận diện và ngăn chặn các trang web lừa đảo, đồng thời cung cấp cái nhìn sâu sắc về các công nghệ mới nhất để tạo ra các trang web giả mạo ngày càng phức tạp. COSO LY THUYẾT 2.1 Các ky thuật xây dung Website lừa dao hiện nay Trong thời đại công nghệ phát triển, kẻ gian liên tục tinh vi hóa các kỹ thuật xây dựng website lừa đảo. Các phương pháp mới bao gồm sự sáng tạo trong việc tạo ra giao diện giống hệt các trang web chính thống hay giao diện trang web mua bán, trúng thưởng đem lại sự tin cậy và thuyết phục, sử dụng kỹ thuật tối ưu hóa SEO để thu hút nhiều người truy cập, và tận dụng các phương tiện truyền thông xã hội để lan truyền thông điệp lừa đảo.

Các kỹ thuật này thường kết hợp sự lừa đảo tâm lý với công nghệ thông tin, tạo nên những trang web mà người dùng khó phân biệt được giữa thật và giả mạo. Bên cạnh đó, việc sử dụng các công cụ tạo trang web Phishing được chia sẽ trên mạng, kẻ xấu có thể tạo ra hàng loạt trang web với các diện mạo khác nhau trong thời gian ngắn. Có thể thấy, khả năng xây dựng trang web lừa đảo đang tăng mạnh về chất lượng và số lượng trong khoảng thời gian gần đây.2 Các phương pháp phát hiện Website lừa dao Các nhà nghiên cứu và chuyên gia bảo mật trong lĩnh vực an toàn thông tin đã và đang liên tục nỗ lực phát triển các công nghệ và phương pháp mới để phát hiện và ngăn chặn kịp thời các website lừa đảo. Bên cạnh các kĩ thuật truyền thống như sử dụng danh sách đen hoặc danh sách trắng thì các kỹ thuật tiên tiến đang được nghiên cứu mạnh mẽ.

Nổi bật là việc sử dụng trí tuệ nhân tạo và học máy để phân tích tự động các đặc điểm của các trang web, từ tên miền, cấu trúc mã nguồn đến nội dung và hoạt động mạng, nhằm xác định các dau hiệu của sự lừa dao kết hợp với các kỹ thuật khác để tăng tốc độ nhận định và tính chính xác cũng như giảm tối đa sức lực và tài nguyên con người [18]. Ngoài ra, các cơ quan chính phủ và tổ chức phi lợi nhuận cũng đang tăng cường hợp tác và cung cấp nguồn lực để phát hiện và cảnh báo về các trang web lừa đảo, nhằm bảo vệ người tiêu dùng và đảm bảo sự an toàn trên mạng. COSO LY THUYẾT 2.3 Ví dụ về tên miễn lừa dao nguyên ban và tên miễn lừa dao đối kháng Một trong những phương pháp phát hiện website lừa đảo hiệu quả trước đây là dựa vào tên miền để nhận định. Tuy nhiên, với kĩ thuật ngày càng tỉnh vi của kẻ tấn công, tên miễn lừa đảo đối kháng đã được ra đời.

Day là ví dụ về tên miền nguyên bản và tên miễn lừa đảo đối kháng. Tên miền lừa đảo nguyên bản Tên miễn lừa đảo thường được sử dụng để đánh lừa người dùng bằng cách làm giống giao diện và cấu trúc của các tên miễn hợp lệ, chỉ thay đổi một vài điểm nhỏ để khó phát hiện. Ví dụ: e Tên miễn hợp lệ: www.com e Tên miền lừa đảo nguyên bản: www.com (chữ ’s’ được thêm vào để đánh lừa người dùng) Tên miễn lừa đảo nguyên bản đối kháng Tên miền đối kháng được tạo ra bằng các kỹ thuật như GANs, nhằm qua mặt các hệ thống phân loại tên miễn. Loại tên miền này thường khó phát hiện hơn do đã được biến đổi và có nhiều đặc điểm phức tạp.

Các tên miễn lừa đảo đối kháng thường được thiết kế để vượt qua các hệ thống phát hiện dựa trên các mẫu tên miễn lừa đảo đã biết. Ví dụ: e Tên miễn lừa đảo đối kháng: www.com (chữ “s“ được thêm vào, chữ ‘i’ được thay bang số “1 và chữ “a' được thay bang số ’4’) So sánh: Tên miên lừa dao nguyên ban: ¢ Tập trung đánh lừa sự thiếu cảnh giác của người dùng. Do đó người dùng vẫn có thể phát hiện nếu chú ý. COSO LY THUYẾT * Các hệ thống phân loại có thể nhận biết được.

Tên miễn lừa đảo đối kháng: ¢ Tập trung đánh lừa các hệ thống phân loại và người dùng. Do đó tên miền này thường khó nhận biết bằng mắt thường và chúng có nhiều biến đổi phức tạp. ¢ Những hệ thống phân loại dựa trên hoc máy cũng có thể bị đánh lừa.2_ Mô hình học Da thể thức Phương pháp học da thể thức là một cải tiền so với học đơn thể thức (unimodal), bằng cách tận dụng dữ liệu từ nhiều nguồn hoặc phương thức khác nhau để cải thiện độ chính xác và hiệu quả của mô hình [23]. Không giống như học đơn thể thức, chỉ dựa vào một loại đữ liệu đầu vào như văn bản, hình ảnh, hoặc âm thanh, học đa thể thức kết hợp các đầu vào đa dạng này để có cái nhìn toàn diện hơn về thông tin đang được xử lý.

Sự tích hợp này cho phép tạo ra các mô hình mạnh mẽ hơn có thể xử lý các kịch bản phức tạp trong thế giới thực một cách hiệu quả hơn [7]. Các mô hình học đa thể thức hiện đang được nghiên cứu và áp dụng rộng rãi trong nhiều lĩnh vực khác nhau như Thị giác máy tính, An toàn thông tin, Xử lý ngôn ngữ tự nhiên, Y học, và Robotics.1 Phân loại các mô hình học đa thể thức Có ba loại hợp nhất chính (fusion) trong học đa thể thức: hợp nhất sớm, nơi dữ liệu từ các phương thức khác nhau được kết hợp trước khi được đưa vào mô hình học tập; hợp nhất muộn, nơi các dự đoán từ các mô hình riêng biệt cho từng phương thức được kết hợp; và hợp nhất lai, kết hợp các yêu tố của cả hợp nhất sớm và hợp nhất muộn, tối ưu hóa các điểm mạnh của mỗi loại để cải thiện hiệu suất tổng thể. Hợp nhất sớm tập trung vào việc tích hợp dữ liệu thô, hợp nhất muộn nhân mạnh việc kết hop các quyết định từ nhiều mô hình, và hợp nhất lai tận dụng cả dữ liệu thô và thông tin ở mức độ quyết định để có một cách tiếp cận toàn diện. Kiến trúc của các mô hình học đa thể thức được miêu tả trong Hình 2.

COSO LY THUYẾT Modalinput1. —> DL Module 1 Modalinput2 —> DL Module 2 MFoudsilen `.1: Tổng quan kiến trúc mô hình học da thể thức 2. Mô hình phân loại website áp dụng học Da thể thức Sử dụng các mô hình đa thể thức để phát hiện trang web lừa đảo (Phishing Web- site Detection - PWD) đang thu hút sự chú ý nhờ khả năng tổng hợp thông tin từ nhiều nguồn và kết hợp các kỹ thuật xử lý dữ liệu tiên tiền, dẫn đến hiệu quả cao trong phát hiện trang web lừa đảo và khả năng chống lại nhiễu loạn mạnh mẽ. Các chỉ tiết được trình bày trong Hình 2.2, phương pháp học đa thể thức hướng đến xây dựng các nhánh khác nhau, mỗi nhánh tập trung vào một thực thể cùng với một phương pháp xử lý để xử lí dữ liệu đầu vào cho các thuật toán học máy.

Cuối cùng, kết quả sẽ được hợp nhất theo nhiều cách khác nhau, chẳng hạn như nối và nhập vào mạng nhận diện, hoặc bỏ phiếu trung bình nếu các nhánh được thiết kế để đưa ra quyết định thay vì trích xuất đặc trưng. Các phương pháp tiếp cận đa thể thức có tiểm năng lớn cho các nghiên cứu sau này trong việc phân loại trang web lừa đảo. Sự biến đổi trong việc kết hợp các nhóm thuộc tính khác nhau cùng với các phương pháp xử lý dữ liệu đa dạng có thể dẫn đến một hệ thống đa thể thức mới đạt được độ tin cậy và hiệu quả cao mà không yêu cầu quá nhiều tài nguyên cho triển khai thực tế.