Đề Tài: Phát Hiện Tấn Công Mạng Dựa Trên Xử Lý Dữ Liệu Lớn

Chuyên khảo phân tích Phát hiện tấn công mạng dựa trên nền tảng xử lý dữ liệu lớn, đánh giá các khía cạnh quan trọng, đề xuất hướng nghiên cứu tiếp theo.

• Tác giả: Trần Đức Nhân
• Người hướng dẫn: TS. Hoàng Xuân Dậu
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Công nghệ thông tin
• Đề tài: Phát Hiện Tấn Công Mạng Dựa Trên Xử Lý Dữ Liệu Lớn
• Loại tài liệu: Đồ án tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ PHÁT HIỆN TẤN CÔNG ỨNG DỤNG WEB DỰA TRÊN HỌC MÁY VÀ XỬ LÝ DỮ LIỆU LỚN
• 1.1. Tổng quan về kỹ thuật tấn công ứng dụng web phổ biến
• 1.2. Lỗ hổng bảo mật ứng dụng web
• 1.3. Hệ thống phát hiện xâm nhập (Intrusion Detection System)
• 1.4. Nghiên cứu tổng quan về học máy
• 1.4.1. Mô hình học máy và các yếu tố ảnh hưởng đến hiệu quả của mô hình học máy
• 1.4.2. Các bước xây dựng mô hình học máy
• 1.4.3. Phân loại các thuật toán học máy
• 1.5. Nghiên cứu tổng quan về dữ liệu lớn và xử lý dữ liệu lớn
• 1.6. Một số nghiên cứu liên quan
• 1.7. Kết luận chương
• 2. CHƯƠNG 2: MÔ HÌNH PHÁT HIỆN TẤN CÔNG ỨNG DỤNG WEB DỰA TRÊN HỌC MÁY VÀ XỬ LÝ DỮ LIỆU LỚN
• 2.1. Mô hình phát hiện tấn công ứng dụng web dựa trên học máy và xử lý dữ liệu lớn
• 2.2. Giới thiệu một số thuật toán học máy được ứng dụng trong phát hiện xâm nhập
• 2.2.1. Logistic Regression
• 2.2.2. Cây quyết định (Decision Tree)
• 2.2.3. Rừng ngẫu nhiên (Random Forest)
• 2.3. Giải pháp xử lý với khối lượng dữ liệu lớn
• 2.4. Kết luận chương
• 3. CHƯƠNG 3: TRIỂN KHAI VÀ THỬ NGHIỆM MÔ HÌNH PHÁT HIỆN TẤN CÔNG ỨNG DỤNG WEB DỰA TRÊN HỌC MÁY VÀ XỬ LÝ DỮ LIỆU LỚN
• 3.1. Mô hình triển khai và thử nghiệm
• 3.2. Giới thiệu bộ dữ liệu CSE-CIC-IDS2018
• 3.3. Tiền xử lý bộ dữ liệu
• 3.4. Đánh giá kết quả đối với các mô hình
• 3.4.1. Các chỉ số đánh giá
• 3.4.2. Phân loại dữ liệu
• 3.4.3. So sánh hiệu năng giữa Spark MLlib và Scikit-learn
• 3.5. Hệ thống thực nghiệm
• 3.6. Kết luận chương
• DANH MỤC CÁC HÌNH VỀ
• DANH MỤC BẢNG BIỂU

Tóm tắt

I. Tổng Quan Về Phát Hiện Tấn Công Mạng Hướng Tiếp Cận Mới

Các hệ thống và phần mềm ngày nay, để dễ dàng tiếp cận người dùng, phần lớn được triển khai trên web. Điều này dẫn đến việc các ứng dụng web mang lại nhiều rủi ro đáng kể cho an toàn của hệ thống và dữ liệu. Nhiều ứng dụng web dễ bị tấn công bởi các lỗi mà các phương pháp phòng chống mạng thông thường không thể bảo vệ được. Lỗi và lỗ hổng trong mã nguồn của ứng dụng web có thể gây ra hậu quả nghiêm trọng như lộ dữ liệu nhạy cảm, gây tổn thương cho toàn bộ hệ thống hạ tầng công nghệ thông tin. Theo đó, việc nghiên cứu về phát hiện xâm nhập mạng là vô cùng quan trọng. Sự cố bảo mật trong ứng dụng web có thể ảnh hưởng đến danh tiếng của công ty, gây mất mát tài chính, ảnh hưởng đến uy tín với khách hàng và các vấn đề pháp lý liên quan.

1.1. Tổng Quan Về Kỹ Thuật Tấn Công Ứng Dụng Web Phổ Biến

Các kỹ thuật tấn công web ngày càng tinh vi và đa dạng, từ các cuộc tấn công đơn giản như SQL Injection và Cross-Site Scripting (XSS) đến các kỹ thuật phức tạp hơn như Advanced Persistent Threat (APT). Hiểu rõ về các kỹ thuật này là bước đầu tiên để xây dựng các hệ thống phòng thủ hiệu quả. Theo tài liệu gốc, 'Injection attack xảy ra khi dữ liệu không đáng tin cậy được gửi đến trình thông dich (code interpreter) thông qua việc điền các form (biểu mẫu) hoặc một số dữ liệu khác gửi đến ứng dụng web.'

1.2. Giới Thiệu Chung Về Hệ Thống Phát Hiện Xâm Nhập IDS

Hệ thống phát hiện xâm nhập (IDS) đóng vai trò then chốt trong việc bảo vệ hệ thống mạng và ứng dụng web khỏi các cuộc tấn công. IDS hoạt động bằng cách giám sát lưu lượng mạng và nhật ký hệ thống để phát hiện các hoạt động đáng ngờ hoặc các dấu hiệu của cuộc tấn công. Các hệ thống IDS có thể được triển khai ở nhiều vị trí khác nhau trong mạng, chẳng hạn như trên máy chủ, trên tường lửa hoặc trên các thiết bị mạng chuyên dụng.

II. Thách Thức Trong Phát Hiện Tấn Công Mạng Quy Mô Lớn

Các hệ thống phát hiện xâm nhập truyền thống, dựa trên luật (rules) hoặc dự đoán trực tuyến, thường không hiệu quả và tốn kém. Độ tin cậy của chúng không cao và khả năng tự cập nhật để phát hiện các hình thức xâm nhập mới còn hạn chế. Theo đó, kỹ thuật máy học đang dần được áp dụng như là thuật toán phát hiện chính trong IDS nhờ các đặc tính và khả năng học hỏi không mô hình của chúng. Tuy nhiên, các chuyên gia bảo mật vẫn đang tìm kiếm những loại IDS hiệu suất tốt hơn, có tỉ lệ phát hiện cao hơn và tỉ lệ cảnh báo sai thấp nhất.

2.1. Giới Hạn Của Phương Pháp Phát Hiện Bất Thường Mạng Truyền Thống

Phương pháp phát hiện bất thường mạng truyền thống thường dựa vào việc thiết lập các ngưỡng hoặc quy tắc để xác định các hoạt động bất thường. Tuy nhiên, phương pháp này có nhiều hạn chế, bao gồm khó khăn trong việc xác định các ngưỡng phù hợp, dễ bị bỏ qua các cuộc tấn công tinh vi và tạo ra nhiều cảnh báo sai. Bên cạnh đó, các hệ thống này thường gặp khó khăn trong việc xử lý lượng dữ liệu ngày càng tăng từ các mạng hiện đại.

2.2. Vấn Đề Xử Lý Dữ Liệu Lớn An Ninh Trong Môi Trường Mạng

Lượng dữ liệu được tạo ra bởi các hệ thống mạng hiện đại ngày càng tăng, gây ra thách thức lớn cho các hệ thống phát hiện xâm nhập. Các hệ thống IDS truyền thống thường không có khả năng xử lý lượng dữ liệu này một cách hiệu quả, dẫn đến việc bỏ qua các cuộc tấn công hoặc tạo ra nhiều cảnh báo sai. Do đó, cần có các phương pháp xử lý dữ liệu lớn hiệu quả để giải quyết vấn đề này. Các kỹ thuật như phân tích dữ liệu lớn bảo mật và ứng dụng big data trong an ninh mạng là rất cần thiết.

III. Cách Áp Dụng Big Data Analytics Cybersecurity Để Tối Ưu

Học máy hiện đang được áp dụng như một công cụ thiết yếu để cải thiện quá trình phát hiện các cuộc tấn công vào ứng dụng web. Nó bao gồm xây dựng đặc tính, khai thác và lựa chọn. Quá trình xây dựng đặc tính mở rộng các đặc tính ban đầu để tăng cường tính chân thực của chúng, trong khi khai thác đặc tính biến đổi các đặc tính ban đầu thành một hình thức mới và lựa chọn đặc tính, loại bỏ các đặc tính không cần thiết. Việc kết hợp giữa học máy và xử lý dữ liệu lớn là một hướng nghiên cứu và phát triển phù hợp.

3.1. Ứng Dụng Machine Learning Cybersecurity Trong IDS

Machine Learning (ML) cung cấp một giải pháp đầy hứa hẹn để giải quyết các hạn chế của các phương pháp phát hiện xâm nhập truyền thống. Các thuật toán ML có thể được huấn luyện để học các mẫu từ dữ liệu mạng và nhật ký hệ thống, cho phép chúng phát hiện các hoạt động đáng ngờ hoặc các dấu hiệu của cuộc tấn công một cách tự động. Các thuật toán ML cũng có thể được sử dụng để giảm số lượng cảnh báo sai và cải thiện độ chính xác của hệ thống IDS.

3.2. Sử Dụng Học Sâu Trong An Ninh Mạng Cho Phát Hiện Xâm Nhập

Học sâu (Deep Learning), một nhánh của học máy, đã chứng minh hiệu quả vượt trội trong nhiều lĩnh vực, bao gồm cả an ninh mạng. Các mô hình học sâu có khả năng tự động học các đặc trưng phức tạp từ dữ liệu thô, cho phép chúng phát hiện các cuộc tấn công tinh vi mà các phương pháp truyền thống khó có thể phát hiện. Deep learning cybersecurity đang ngày càng trở nên quan trọng.

3.3. Kết Hợp Học Máy Trong An Ninh Mạng và Big Data

Việc kết hợp giữa học máy và big data mang lại một giải pháp mạnh mẽ để giải quyết các thách thức trong phát hiện tấn công mạng quy mô lớn. Các nền tảng xử lý dữ liệu lớn, như Hadoop và Spark, có thể được sử dụng để lưu trữ và xử lý lượng dữ liệu khổng lồ được tạo ra bởi các hệ thống mạng hiện đại. Sau đó, các thuật toán học máy có thể được áp dụng trên dữ liệu này để phát hiện các hoạt động đáng ngờ hoặc các dấu hiệu của cuộc tấn công.

IV. Phương Pháp Triển Khai Giải Pháp An Ninh Mạng Big Data

Để triển khai một hệ thống phát hiện tấn công mạng dựa trên xử lý dữ liệu lớn và học máy hiệu quả, cần thực hiện một số bước quan trọng. Đầu tiên, cần thu thập và chuẩn bị dữ liệu từ nhiều nguồn khác nhau, bao gồm lưu lượng mạng, nhật ký hệ thống và thông tin về các mối đe dọa. Tiếp theo, cần chọn và huấn luyện các thuật toán học máy phù hợp để phát hiện các hoạt động đáng ngờ. Cuối cùng, cần triển khai hệ thống IDS đã được huấn luyện và giám sát hiệu suất của nó.

4.1. Các Bước Xây Dựng Hệ Thống Phát Hiện Xâm Nhập Mạng IDS

Xây dựng một hệ thống phát hiện xâm nhập mạng (IDS) hiệu quả đòi hỏi một quy trình được cấu trúc tốt. Điều này bao gồm xác định mục tiêu, thu thập dữ liệu, chọn lựa đặc trưng, huấn luyện mô hình, đánh giá hiệu suất và triển khai hệ thống. Việc lựa chọn thuật toán học máy phù hợp và tối ưu hóa các tham số là rất quan trọng để đạt được hiệu suất tốt nhất. Theo tài liệu, 'Trong đồ án này, nội dung phát hiện xâm nhập mạng duoc tập trung vào phát hiện các dạng tấn công ứng dụng web dựa trên học máy sử dụng nên tảng xử lý dữ liệu lớn do đây là ứng dụng phổ biến nhất trên mang Internet.'

4.2. Sử Dụng Phân Tích Dữ Liệu Lớn Bảo Mật Cho Log Analysis Security

Phân tích dữ liệu lớn bảo mật đóng vai trò quan trọng trong việc phát hiện các cuộc tấn công tinh vi. Bằng cách phân tích nhật ký hệ thống, lưu lượng mạng và các nguồn dữ liệu khác, các nhà phân tích bảo mật có thể xác định các hoạt động đáng ngờ hoặc các dấu hiệu của cuộc tấn công. Các công cụ Security Information and Event Management (SIEM) có thể được sử dụng để thu thập, phân tích và báo cáo về các sự kiện bảo mật.

V. Ứng Dụng Thực Tế Phân Tích Malware Bằng Big Data Hiệu Quả

Một trong những ứng dụng thực tế của xử lý dữ liệu lớn và học máy trong an ninh mạng là phân tích malware. Bằng cách phân tích lượng lớn các mẫu malware đã biết, các nhà nghiên cứu có thể xác định các đặc điểm chung của các loại malware khác nhau và phát triển các công cụ phát hiện hiệu quả hơn. Ngoài ra, xử lý dữ liệu lớn có thể được sử dụng để phân tích hành vi của malware trong môi trường sandbox, cho phép các nhà nghiên cứu hiểu rõ hơn về cách malware hoạt động và phát triển các biện pháp đối phó.

5.1. Phân Tích Hành Vi Người Dùng UEBA Để Phát Hiện Xâm Nhập

Phân tích hành vi người dùng (UEBA) là một kỹ thuật sử dụng học máy để phát hiện các hoạt động bất thường trong hành vi của người dùng. Bằng cách theo dõi các hoạt động của người dùng, như đăng nhập, truy cập tài liệu và sử dụng ứng dụng, các hệ thống UEBA có thể xác định các hoạt động đáng ngờ hoặc các dấu hiệu của cuộc tấn công. UEBA đặc biệt hữu ích trong việc phát hiện các cuộc tấn công insider threat hoặc các tài khoản bị xâm phạm.

5.2. Phát Hiện Tấn Công Mạng Theo Thời Gian Thực Real Time

Phát hiện tấn công mạng theo thời gian thực là một yêu cầu quan trọng trong môi trường mạng hiện đại. Bằng cách sử dụng xử lý dữ liệu lớn và học máy, các tổ chức có thể xây dựng các hệ thống IDS có khả năng phát hiện và phản ứng với các cuộc tấn công một cách nhanh chóng và hiệu quả. Real-time threat detection giúp giảm thiểu thiệt hại do các cuộc tấn công gây ra.

VI. Tương Lai Của Phát Hiện Tấn Công Mạng Với Dữ Liệu Lớn

Tương lai của phát hiện tấn công mạng hứa hẹn nhiều tiềm năng với sự phát triển của xử lý dữ liệu lớn và học máy. Các công nghệ mới, như blockchain security, IoT security và cloud security, sẽ tạo ra những thách thức mới cho các hệ thống IDS. Tuy nhiên, với sự kết hợp của xử lý dữ liệu lớn, học máy và trí tuệ nhân tạo, các tổ chức có thể xây dựng các hệ thống IDS thông minh hơn, hiệu quả hơn và có khả năng thích ứng với các mối đe dọa ngày càng tinh vi.

6.1. Tiềm Năng Của Dự Đoán Tấn Công Mạng Cyber Attack Prediction

Dự đoán tấn công mạng (Cyber attack prediction) là một lĩnh vực nghiên cứu đầy hứa hẹn, sử dụng học máy để dự đoán các cuộc tấn công trong tương lai. Bằng cách phân tích dữ liệu lịch sử về các cuộc tấn công, các nhà nghiên cứu có thể phát triển các mô hình dự đoán có khả năng cảnh báo trước về các cuộc tấn công sắp xảy ra. Điều này cho phép các tổ chức thực hiện các biện pháp phòng ngừa và giảm thiểu thiệt hại.

6.2. Tích Hợp Threat Intelligence Với Big Data Analytics Cybersecurity

Threat intelligence là thông tin về các mối đe dọa an ninh mạng, bao gồm các kỹ thuật tấn công, các nhóm tấn công và các chỉ số xâm nhập. Bằng cách tích hợp threat intelligence với big data analytics cybersecurity, các tổ chức có thể cải thiện khả năng phát hiện và phản ứng với các cuộc tấn công. Threat intelligence cung cấp thông tin giá trị giúp các hệ thống IDS tập trung vào các mối đe dọa quan trọng nhất.

Trích đoạn nội dung tài liệu

chương 1 giới thiệu tổng quan về các hình thức tan công ứng dung web va hệ thong phát hiện xâm nhập. Việc ứng dụng nghiên cứu cải tiễn IDS theo hướng áp dụng học máy và BigData đang được phổ biến trong thời gian hiện nay. Tổng quan về kỹ thuật tan công ứng dung web phố biến 1. Lỗ hỗng bảo mật ứng dụng web 1.

Tổng quan về lỗ hồng bảo mật ứng dụng web Lỗ hồng bảo mật ứng dụng web là những điểm yếu mà hacker có thể lợi dụng dé khai thác nhằm thu thập thông tin về hệ thống, lay cắp thông tin quan trọng, tan công vào người dùng hệ thống hay chiếm quyên điều khién toàn bộ hệ thống. Có nhiều nguyên nhân gây ra những lỗ hồng bảo mật ứng dụng web, chủ yếu là do những nguyên nhân sau: - Một số ngôn ngữ lập trình có tính bảo mật thấp: Phần lớn các website ở Việt Nam được lập trình bằng ngôn ngữ PHP hoặc những open source được xây dựng bằng PHP có thể kế đến như WordPress. Đây là một trong những ngôn ngữ có nhiều điểm yếu có thể bị khai thác bởi hacker. Bên cạnh đó, trên các nền tảng như WordPress có chợ plugin tiện lợi cho mọi người tải về và sử dụng nhưng cũng tiềm ân rất nhiều mối nguy hiểm.

Các plugin miễn phí, được quảng cáo mạnh nhằm lôi kéo người dùng có thé chứa mã độc và âm thầm tấn công người dùng. - Website được xây dựng bởi các lập trình viên mới, còn thiếu kinh nghiệm. Các website này có thé được xây dựng không dam bảo các yếu tố bảo mật cũng như không được kiểm thử kĩ càng dẫn đến các lỗ héng như SQL Injection, XSS,. - Khả năng quản trị yếu kém, thiếu hiểu biết và kinh nghiệm trong việc đảm bảo an toàn cho website.

Quá trình tan công website có thê dién ra theo các bước như sau: Bước 1: Kẻ tấn công (có thể có một hoặc nhiều kẻ tấn công) thực hiện nhiều mũi tấn công (vector tấn công) khác nhau vào những điểm yếu bảo mật (lỗ hồng bảo mật) của website mục tiêu. Các loại lỗ héng bảo mật thường thay là các cấu hình sai trong bảo mật (security misconfiguration), tan công chèn những script độc hại (Cross-Site Scripting) và phá vỡ xác thực (Broken Authentication). Loại lỗ hồng bảo mật có rủi ro cao và phô biến nhất là phá vỡ xác thực. Vì vậy, mỗi ứng dụng web đều được thiết lập những lớp kiểm soát bảo mật II như sử dụng mã hóa và các giao thức an toàn như HTTPS, SSL/TLS, .hay thiết lập tường lửa, hạn chế truy cập, thiết lập chính sách, sử dụng các hệ thống phát hiện xâm nhập.

Tác nhân CS vộc to Điểm yêu Kiểm soát Tác động Tác động đe dọa | tan cong bảo mat bao mat kỹ thuật nghiệp vụ Tan 43 A Diém yêu 4 33 F a a s —. Diem yêu wins : Diem yeu Tan _———— : omg ———= CSDL Hình 1. Sơ đô mối quan hệ giữa tan công và hoạt động của website Bước 2: Kẻ tấn công lợi dụng điểm yếu bảo mật vượt qua được lớp kiểm soát, thực hiện tấn công vào CSDL, hàm, thủ tục nhăm thu thập dữ liệu mạng nội bộ như cấu trúc của các phân đoạn mạng, dịch vụ và công ra vào, hoặc tài nguyên nội bộ, dữ liệu bí mật. Bước 3: Kẻ tan công có thé chiếm quyền quản trị, thực thi lệnh theo ý muốn,.

Ví du, truy cập và lay được thông tin khách hang dem bán gây phiền toái cho khách hàng, mat uy tín của cơ quan, tổ chức do đã dé rò rỉ thông tin ,.1 mô tả sơ đồ mối quan hệ giữa tác nhân tấn công và hoạt động của website, qua đó kẻ tấn công thực hiện các hoạt động tấn công khác nhau nhằm vào các điểm yếu trên website. Qua đó tìm cách kiểm soát, thực hiện khai thác các hàm, CSDL và tiễn hành tác động, khai thác hệ thống. Các lỗ hồng bảo mật nói chung và lỗ hổng bảo mật website nói riêng là hết sức nguy hiểm, cần nhanh chóng phát hiện và khắc phục trước khi dé xảy ra những ton thất nghiêm trọng. OWASP Top 10 2017 Nói đến việc bao mat ứng dụng web, chúng ta không thé không nhắc đến một trong những tô chức nồi tiếng trong giới bảo mật đó chính là OWASP.

Tên day đủ của tổ chức này là Open Web Application Security Project, đây là một tổ chức phi lợi nhuận quốc tế chuyên về bảo mật ứng dụng web. Một trong những nguyên tắc cốt lõi của OWASP là tất cả các tài liệu của tổ chức đều miễn phí và dé dàng truy cập trên trang web chính thức của họ, giúp cho các cá nhân và tô chức có thể tham khảo đề cải thiện tính bảo mật của ứng dụng 12 web. OWASP cung cấp cho chúng ta bao gồm tài liệu, công cụ, video và diễn đàn. Một trong những tài liệu của OWASP được biết đến nhiều nhất chính là OWASP Top 10.

OWASP Top 10 là một tài liệu nhận thức tiêu chuẩn dành cho các nhà phát triển và bảo mật ứng dụng web. Nó thể hiện sự đồng thuận rộng rãi về các rủi ro bảo mật quan trọng nhất đối với các ứng dụng web. Đây được xem là một những bước đầu tiên đề trở thành một người làm an ninh mạng. Các cá nhân tổ chức nên thông qua tài liệu này dé có thé giảm thiểu rủi ro đối với ứng dụng web của họ.

OWASP được tông hợp bởi một nhóm các chuyên gia bảo mật từ khắp nơi trên thé giới, tập trung 10 rủi ro/lỗ hồng quan trọng nhất đối với an toàn ứng dụng web. Dưới đây là các rủi bảo mật được đề cập đến trong OWASP Top 10 2017 [1]: (a) Injection Injection attack xảy ra khi dữ liệu không đáng tin cậy được gửi đến trình thông dich (code interpreter) thông qua việc điền các form (biéu mẫu) hoặc một số dữ liệu khác gửi đến ứng dụng web. Ví dụ, kẻ tan công có thé nhập câu SQL vào một biểu mẫu yêu cầu username và password ở dạng plaintext. Nếu việc điền các biểu mẫu đó không được bảo mật đúng cách, điều này sẽ dẫn đến việc SQL code đó được thực thi.

Đây được gọi là một cuộc tấn công SQL injection. Các cuộc tan công injection có thé được ngăn chặn bang cách xác thực hoặc làm sạch các phan dữ liệu có vẻ đáng ngờ do người dùng gửi. Ngoài ra, quản trị viên cơ sở dit liệu có thé thiết lập các biện pháp kiêm soát dé giảm thiểu lượng thông tin bị lộ ra qua một cuộc tấn công InJection, ví dụ như sử dụng thủ tục. (b) Broken Authentication Các lỗ hồng trong hệ thống xác thực có thé cho phép kẻ tấn công truy cập vào tài khoản người dùng và thậm chí có khả năng xâm nhập toàn bộ hệ thống bằng tài khoản quản trị viên.

Ví dụ: kẻ tan công có thé lay một danh sách chứa hàng nghìn tổ hợp tên người dùng / mật khẩu đã biết có được trong một lần vi phạm dữ liệu và sử dụng tập lệnh để thử tất cả các tô hợp đó trên hệ thống đăng nhập dé xem có tổ hợp nào hoạt động không. (c) Sensitive Data Exposure Nhiều ứng dụng web va API không bảo vệ đúng cách dữ liệu nhạy cam, chang hạn như đữ liệu tài chính, chăm sóc sức khỏe, dữ liệu mang yếu tố quyết định sự phát triển của tổ chức và giữ liệu tuyệt mật của quốc gia. Những kẻ tan công có thé đánh cắp hoặc sửa đổi dữ liệu được bảo vệ yếu kém đó dé thực hiện hành vi gian lận thẻ tín dụng, đánh cắp danh tính hoặc các tội phạm khác. Dữ liệu nhạy cảm có thể bị xâm phạm nếu không có biện pháp bảo vệ bé sung, chăng hạn như mã hóa ở trạng thái nghỉ hoặc khi đang chuyền và cần có các biện pháp phòng ngừa đặc biệt khi trao đổi với trình duyệt.

Nguy cơ lộ dit liệu có thé được giảm thiêu băng cách mã hóa (encrypt) tat cả dir liệu nhạy cảm cũng như vô hiệu cache của bat kỳ thông tin nhạy cảm nào. Ngoài ra, các nha phát 13 triển ứng dụng web nên cân thận dé đảm bảo rang họ không lưu trữ bat kỳ dữ liệu nhạy cảm nào một cách không cần thiết. (d) XML External Entities (XEE) Day là một cuộc tan công ứng dụng web bằng phân tích cú pháp đầu vào XML. Input này có thê tham chiếu đến một thực thể bên ngoài (external entity), đang cô gang khai thác lỗ hồng trong trình phân tích cú pháp (parser).

External entity có thé là một đơn vị lưu trữ, chăng hạn như 6 cứng. XML parser có thé bị lừa để gửi dữ liệu đến một thực thể bên ngoài trái phép và chuyền trực tiếp dữ liệu nhạy cảm cho kẻ tấn công. Các cách tốt nhất dé ngăn chặn các cuộc tan công XEE là dé các ứng dụng web chấp nhận một loại dữ liệu ít phức tap hơn, chăng hạn như JSON, hoặc vô hiệu hóa việc sử dụng các thực thể bên ngoài trong một ứng dụng XML. XML hay Extensible Markup Language là một markup language nhằm mục đích cho phép cả người & máy đều có thé đọc hiểu được.

Do tính phức tap và lỗ hồng bảo mật, XML hiện đang bị loại bỏ dần trong nhiều ứng dụng web. JavaScript Object Notation (JSON) là một loại đơn giản hơn và được sử dụng dé truyén dữ liệu qua internet. Mặc du ban đầu được tạo cho JavaScript, JSON là ngôn ngữ có thé được thông dịch bởi nhiều ngôn ngữ lập trình khác nhau. (e) Broken Access Control Access Control hay kiêm soát truy có nhiệm vụ kiểm soát quyền truy cập vào thông tin hoặc chức năng của ứng dụng web.

Access Control chứa lỗ hông cho phép kẻ tan công bỏ qua ủy quyền (authorization) và thực hiện các tác vụ như thé là người dùng có đặc quyền, chăng hạn như quản trị viên (admin). Ví dụ: một ứng dụng web có thê cho phép người dùng thay đồi tài khoản mà họ đã đăng nhập chỉ bằng cách thay đổi một phan của url mà không cần bất kỳ xác minh nào khác. Kiểm soát truy cập có thể được bảo mật bằng cách đảm bảo răng ứng dụng web sử dụng authorization tokens và đặt các kiểm soát chặt chẽ đối với các token này. Nhiều dịch vụ cho phép sử dụng authorization tokens khi người dùng đăng nhập.

Mọi yêu cầu đặc quyền mà người dùng đưa ra sẽ yêu cầu phải có authorization tokens. Đây là một cách an toàn dé đảm bảo rằng đúng người dùng với đúng đặc quyền. (f) Security Misconfiguration Security misconfiguration hay lỗi cấu hình bao mật sai là lỗ hổng phổ biến nhất trong danh sách và thường là kết quả của việc sử dụng cấu hình mặc định hoặc thông báo hién thi lỗi quá nhiều thông tin.