Chương 1. TỔNG QUAN ĐỀ TÀI tập dữ liệu InSDN, nhằm tăng cường bảo mật và sự linh hoạt của mô hình khi đối mặt với các cuộc tan công đối kháng.5 Cấu trúc Khóa luận tốt nghiệp Khóa luận được tổ chức trong 6 chương như sau: Chương|IÌ TONG QUAN ĐỀ TÀI Trình bày khái quát định hướng nghiên cứu của khóa luận mà nhóm hướng tới. Chương 2| CƠ SỞ LÝ THUYẾT Trình bày các định nghĩa, khái niệm cũng như những kiến thức nền tảng để có thể thực hiện được nghiên cứu. Đồng thời trình bày sơ lược một số công trình liên quan có cùng hướng nghiên cứu.
Chương|3| PHƯƠNG PHÁP THỰC HIEN Là phần trọng tâm của khoá luận, trình bày những nội dung chính về phương pháp thực hiện và mô hình được sử dụng. Chương] HIỆN THUC, ĐÁNH GIA VÀ THẢO LUẬN Dé cập đến quá trình hiện thực hóa phương pháp dé cập ở ChươngB| Sau đó trình bày phương pháp thực nghiệm, đánh giá kết quả và thảo luận chung. Chương] KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Đưa ra kết luận về đề tài, đề xuất một số hướng phát triển mở rộng cho các nghiên cứu trong tương lai. Chương 2 CƠ SỞ LÝ THUYÊT Tóm tắt chương Trong chương này, chúng tôi sẽ trình bày cơ sở lý thuyết cần thiết của khóa luận.
Bao gồm cái nhìn chung về hệ thống phát hiện xâm nhập, tấn công mẫu đối kháng. Bên cạnh đó là cơ sở lý thuyết về học máy, học sâu. Đồng thời, chúng tôi trình bày tóm tắt về những công trình nghiên cứu liên quan đến khả năng chống tấn công đối kháng của hệ thống phát hiện xâm nhập và những điểm khác của khóa luận này với những nghiên cứu trước đây.1 Hệ thống phát hiện xâm nhập 2.1 Tổng quan Trong thé giới hiện đại, thông tin là loại tai sản vô cùng quan trọng. Bởi vì xã hội ngày nay được gọi là xã hội thông tin, mỗi ngày lại càng có nhiều thông tin được lưu trữ dưới dạng điện tử trên các hệ thống máy tính, đám mây,.
và các hệ thống đó thường được kết nối với mạng máy tính [14]. Những thông tin nay bao gồm rat nhiều lĩnh vực khác nhau như kinh tế, tài chính, y tế, giáo dục, khoa học, thậm chí là quân sự. Chính vì vậy giá trị của một số thông tin là không thể đo lường. Điều này thể hiện những thách thức mới đối với những người làm việc trong lĩnh vực công nghệ thông tin.
Họ phải đảm bảo rằng các hệ thống đó càng an toàn càng tốt và thông tin bí mật sẽ không bị tiết lộ. Nêu dữ liệu được lưu trữ trong một hệ thống máy tính, bằng cách nào đó, hệ thống này phải được chứng minh rằng nó đủ an toàn và không dễ bị tan công, hay nói cách khác là đáng tin Chương 2. COSO LY THUYẾT cậy. Một cách khả thi nhằm đánh giá khả năng của hệ thống phát hiện xâm nhập bằng các loại tan công, đặc biệt là tan công đối kháng.2 Giới thiệu về hoc máy 2.1 Khái niệm hoc máy Học máy là một phương pháp sử dụng các kỹ thuật, thuật toán nhằm tự động hóa việc đưa ra các dự đoán dựa vào các quan sát đã xuất hiện.
Có 2 loại học máy là phân loại (classification) và dự đoán (prediction). Những bài toán phân loại như nhận diện hình ảnh, chữ viết,. Những bài toán dự đoán điển hình như dự đoán giá trị cổ phiếu, giá bất động sản, xu hướng thị trường trong tương lai.2 Các loại hoc may ¢ Hoc không giám sat (Unsupervised learning): thuật toán không dự đoán đầu ra hoặc nhãn mà phụ thuộc vào dữ liệu đầu vào mà thuật toán sẽ sử dụng cấu trúc của dữ liệu để thực hiện các tác vụ như phân nhóm hoặc giảm số chiều dữ liệu để thuận tiện cho việc lưu trữ và tính toán. Vì tập dữ liệu huấn luyện không cần nhãn, việc thiết lập phương pháp này rất dé dàng.
Tuy nhiên, vì không có nhãn nên các thuật toán không giám sát không thể đưa ra dự đoán trực tiếp mà cần trải qua bước tiền xử lý dữ liệu trước khi đưa vào huấn luyện. Các thuật toán phổ biến về học không giám sát có thể kể đến như K-Means và đối với học sâu có Recurrent Neural Network (RNN), Deep Belief Network (DBN). * Học giám sát (Supervised learning): dự đoán kết quả của một dữ liệu mới dựa trên các cặp dữ liệu đã biết trước. Trong quá trình huấn luyện, dữ liệu đã biết có vai trò như một người giám sát trong việc hướng dẫn thuật toán hoc.
Học có giám sát có lợi thế về tính đơn giản va dé thiết kế. Tuy nhiên, một thách thức đối với học có giám sát là việc gắn nhãn dữ liệu, đặc biệt khi không có sẵn nhãn cho dữ liệu. Các thuật toán phổ biến trong học có giám sát bao gồm Linear Regression, Logistic Regression, Random Forest, Chương 2. COSO LY THUYẾT Decision Tree va các mô hình hoc sâu như Deep Neural Network (DNN) và Convolutional Neural Network (CNN).
¢ Học bán giám sát (Semi-supervised learning): ta thường gặp trường hợp chi có một phan dir liệu trong tập dữ liệu được gan nhãn. Khi đó ta sẽ kết hợp hai phương pháp học máy giám sát và không giám sát. Đầu tiên, ta sử dụng dữ liệu đã được gán nhãn để huấn luyện một phần thuật toán học máy. Sau đó, phần thuật toán đã được huấn luyện sẽ tự động gán nhãn cho phần dữ liệu chưa được gán nhãn thông qua một quá trình được gọi là giả gắn nhãn.
Phương pháp này có tính thực tế vì việc thu thập đữ liệu gán nhãn thường tốn nhiều thời gian và tài nguyên. ¢ Hoc tăng cường (Reinforcement learning): đưa ra các dự đoán dựa trên việc thử và sai nhằm đạt được kết quả tốt nhất, dạy cho các máy (agent) thực hiện tốt 1 nhiệm vụ (task) bằng tương tác với môi trường (environment) thông qua hành động (action) và nhận được phần thưởng (reward). Các mô hình học máy sử dụng trong đề tài 2.1 Decision Tree Cây quyết định là một mô hình học máy được sử dung phổ biến trong hai nhiệm vụ phân loại và hồi quy. Cau trúc của mô hình cây quyết định tương tự như một cây với các nút (node) đại diện cho các thuộc tính, các cạnh (edge) đại diện cho các giá trị của thuộc tính, và các lá (leaf) đại điện cho giá trị dự đoán hoặc lớp.
Mỗi thành phần đều đóng vai trò quan trọng trong việc xây dựng nên một mô hình hoàn chỉnh: e Nut (Node): Là đại diện cho một quyết định hoặc một câu hỏi trong quá trình phân loại. Bao gồm3 loại nút chính. — Nút gốc (Root node): Là nút bắt đầu của cây, chứa toàn bộ tập dữ liệu và dựa vào đó để chia nhỏ thành các nhánh. COSO LY THUYẾT — Nút nội bộ (Internal node): Các nút không phải là nút gốc hoặc nút lá.
Mỗi nút nội bộ đại diện cho một thuộc tính và có các nhánh tương ứng với các giá trị hoặc khoảng giá trị của thuộc tính đó. — Nút lá (Leaf node): Các nút cuối cùng của cây không có nhánh con. Mỗi nút lá đại diện cho một kết quả dự đoán (trong trường hợp phân loại) hoặc một giá trị mục tiêu (trong trường hợp hồi quy). ® Nhánh (Branch): Là đường kết nối giữa các nút, thể hiện các lựa chọn hoặc khả năng khác nhau dẫn đến kết quả khác nhau.
¢ Nhãn (Label): Là giá trị được gan cho mỗi nút lá, thể hiện dự đoán hoặc phân loại cho các điểm dữ liệu thuộc vào nút đó. Có thể kể ra những ưu điểm của cây quyết định như: © Dễ hiểu và dễ diễn giải ngay cả đối với những người không có kiến thức về học máy. ° Không cần chuẩn hóa dữ liệu trước khi huấn luyện mô hình. ® Hoạt động tốt đối với các loại dữ liệu hỗn hợp.2 _ Random Forest Rừng ngẫu nhiên là một mô hình học máy có giám sát, thường dùng để phục vụ các mục đích phân loại, tính hồi quy và các nhiệm vụ khác bằng cách xây dựng nhiều cây quyết định (Decision tree).
Mô hình học máy này cũng dễ sử dụng và thân thiện với người dùng giống như cây quyết định. Cụ thể, một rừng ngẫu nhiên chứa rất nhiều cây quyết định nhưng mỗi cây quyết định là độc nhất vì nó được tạo ra dựa trên yếu tố ngẫu nhiên. Mỗi "cây" trong "rừng" sẽ học tập bằng cách lấy ngẫu nhiên dữ liệu đầu vào từ bộ dữ liệu huấn luyện. Sau khi các cây trong rừng đã học xong, khi đưa dữ liệu đầu vào thì tất cả các cây sẽ có mỗi dự đoán khác sau, sau đó sẽ kết quả dự đoán cuối cùng sẽ được chọn bằng cách biểu quyết đa số.
COSO LY THUYẾT Điểm mạnh của thuật toán nay so với DT: e Giảm thiểu việc quá khớp so với dữ liệu huấn luyện. Vì việc huấn luyện được chia ra nhiều cây trong rừng và đữ liệu được lấy ra ngẫu nhiên phân phối cho các cây trong rừng. ¢ Dễ dang xem được đặc tính nào có tầm ảnh hưởng lớn nhất tới việc đưa ra kết quả dự đoán cuối cùng. Bằng cách sử dụng các thông số như Gini importance để xem đặc tính nào có tầm ảnh hưởng cao nhất.
Điểm yếu của thuật toán: ¢ Thời gian huấn luyện lâu hơn: thay vì chỉ huấn luyện một cây thì phải huấn luyện cả "rừng" cây. * Doi hỏi nhiều tài nguyên hơn: khi đưa dữ liệu lớn vào trong RE, RF sẽ cần nhiều tài nguyên để chứa dữ liệu đó. ¢ Độ phức tap cao hơn: một cây so với một "rừng ” cây. đủ áo @) Final result HINH 2.1: Mô phỏng thuật toán RF 11 Chương 2.
COSO LY THUYẾT 2.3 XGBoost XGBoost (Extreme Gradient Boosting) là một giải thuật dựa trên thuật toán tang cường độ dốc (gradient boosting), thường được dùng để giải quyết các bài toán về hồi quy, phân loại, xếp hạng và các van dé do người dùng đưa ra. Mô hình này có rất nhiều ưu điểm như tốc độ xử lý nhờ việc thực hiện tính toán song song, tối thiểu hóa việc bị quá khớp nhờ cơ chế regularization, tính linh hoạt cao khi cho phép người dùng sử dụng các hàm tối ưu và các chỉ số đánh giá theo từng nhu cầu cụ thể, cơ chế tự động xử lý khi mắt đữ liệu và tự động tia cây nhằm loại bỏ các lá và các node ảnh hương tiêu cực trong quá trình mở rộng cây. Mặc dù có được các kết quả vượt trội nhưng van dé thời gian huấn luyện của mô hình này khá lâu, đặc biệt là với những bộ dữ liệu lớn.4 LightGBM LightGBM là một bộ khung được sử dụng để xử lý thuật toán tăng cường độ đốc (gradient boosting) phát triển bởi Microsoft.