Tổng quan về luận án

Sự bùng nổ của hạ tầng viễn thông và không gian mạng toàn cầu đang tái định hình toàn bộ đời sống kinh tế - xã hội. Theo báo cáo dự báo từ Cisco [4], lưu lượng giao thức Internet (IP traffic) toàn cầu tăng trưởng gần gấp 3 lần trong vòng 5 năm và tăng gấp 127 lần từ năm 2005 đến năm 2021 với tốc độ tăng trưởng kép hàng năm (CAGR) đạt 24% trong giai đoạn 2016–2021. Tuy nhiên, sự phát triển chưa từng có này kéo theo các nguy cơ an ninh phi truyền thống nghiêm trọng. Dữ liệu thực nghiệm từ các tổ chức an ninh mạng quốc tế [5] chỉ ra rằng hơn 53% tổng số các cuộc tấn công mạng gây thiệt hại tài chính vượt mức 500.000 USD cho mỗi sự cố, bao gồm tổn thất trực tiếp về doanh thu, khách hàng và cơ hội kinh doanh. Trong bối cảnh đó, hệ thống phát hiện tấn công mạng (Network Attack Detection - NAD) đóng vai trò then chốt nhằm bảo đảm ba thuộc tính an ninh cốt lõi: Tính bí mật (Confidentiality), Tính toàn vẹn (Integrity) và Tính sẵn sàng (Availability) của dữ liệu [6].

Luận án tiến sĩ chuyên ngành Cơ sở toán học cho tin học (Mã số: 946 0110) với tiêu đề "Phát Triển Mạng Nơ Ron Học Sâu Cho Phát Hiện Tấn Công" (tiếng Anh: "Developing Deep Neural Networks for Network Attack Detection") do Nghiên cứu sinh Vũ Thị Ly thực hiện tại Học viện Kỹ thuật Quân sự dưới sự hướng dẫn khoa học của PGS.TS. Nguyễn Quang Uy và GS. Eryk Dutkiewicz (University of Technology Sydney - UTS, Australia) đã giải quyết trực diện ba khoảng trống nghiên cứu (research gaps) mang tính bản chất của lĩnh vực NAD dựa trên học máy và học sâu:

  1. Khoảng trống về tính không đồng nhất và phức tạp của không gian đặc trưng (Feature Heterogeneity & Complexity): Dữ liệu lưu lượng mạng trong môi trường máy tính, đám mây và Internet of Things (IoT) có chiều không gian lớn và phân phối phức tạp. Các mô hình biểu diễn truyền thống thất bại trong việc phân tách ranh giới hình học giữa lưu lượng bình thường và các biến thể tấn công mạng tinh vi, đặc biệt là tấn công chưa từng biết (unknown/zero-day attacks).
  2. Khoảng trống về sự mất cân bằng dữ liệu cực đoan (Severe Data Imbalance): Trong môi trường thực tế, mẫu lưu lượng tấn công luôn chiếm tỷ lệ thiểu số so với lưu lượng bình thường (ví dụ lớp Worms chỉ có 44 mẫu trên tổng số 45.332 mẫu tấn công của UNSW-NB15, hay mã độc Menti chỉ có 230 mẫu trên 518.904 mẫu của CTU-13), khiến các thuật toán phân lớp truyền thống bị thiên lệch (biased) nghiêm trọng về phía lớp đa số.
  3. Khoảng trống về thiếu hụt nhãn dữ liệu và sai lệch phân phối miền (Cross-Domain Distribution Shift & Unlabeled Target Domains): Do rào cản về quyền riêng tư và chi phí gán nhãn thủ công trên thiết bị IoT phân tán, dữ liệu thu thập tại miền đích (target domain) hầu như không có nhãn, trong khi phân phối xác suất biên $P(X)$ và phân phối có điều kiện $P(Y|X)$ giữa các thiết bị IoT khác biệt sâu sắc.

Để giải quyết triệt để các thách thức trên, luận án đặt ra ba câu hỏi nghiên cứu và giả thuyết khoa học tương ứng:

  • RQ1 & Giả thuyết H1: Liệu có thể xây dựng hàm mất mát kết hợp số hạng điều chuẩn (regularization term) để ép buộc mô hình AutoEncoder ánh xạ dữ liệu bình thường và dữ liệu tấn công (cả known và unknown) vào các cụm phân phối tách biệt trong không gian tiềm ẩn (latent space), giúp các bộ phân lớp tuyến tính đơn giản đạt hiệu năng phát hiện vượt trội?
  • RQ2 & Giả thuyết H2: Liệu việc kết hợp mạng sinh đối kháng có điều kiện khử nhiễu (CDAAE) với phân tích biên quyết định (SVM/KNN) có thể tái tạo các mẫu tấn công nhân tạo chất lượng cao, giữ vững phân phối gốc $p_{data}(x)$ và khắc phục triệt để hiện tượng suy giảm phân lớp do mất cân bằng dữ liệu?
  • RQ3 & Giả thuyết H3: Liệu việc tối thiểu hóa độ lệch trung bình cực đại (Maximum Mean Discrepancy - MMD) đồng thời trên nhiều lớp mã hóa (encoding layers) của mạng AutoEncoder có thể chuyển giao tri thức nhãn từ thiết bị IoT nguồn sang thiết bị IoT đích mà không làm méo mó cấu trúc không gian đặc trưng?

Nghiên cứu được triển khai trên quy mô thực nghiệm toàn diện với hơn 10 bộ dữ liệu an ninh tiêu chuẩn quốc tế: 2 bộ dữ liệu mạng máy tính kinh điển (NSL-KDD với 126.003 mẫu huấn luyện, UNSW-NB15 với 82.332 mẫu), 3 kịch bản botnet/malware thực tế thuộc hệ thống CTU-13 (Menti, NSIS.ay, Virus với quy mô lên tới hơn 519.000 mẫu), và 9 bộ dữ liệu tấn công IoT quy mô lớn (Danmini Doorbell, Ecobee Thermostat, Ennio Doorbell, Philips B120N10 Baby Monitor, Provision PT 737E/838 Security Cameras, Samsung SNH 1011 N Webcam, SimpleHome XCS7 1002/1003 WHT Security Cameras với 115 thuộc tính lưu lượng cho mỗi mẫu dữ liệu).

+----------------------------------------------------------------------------------------------------+
|                                    TỔNG THỂ ĐÓNG GÓP CỦA LUẬN ÁN                                    |
+------------------------------------+-----------------------------------+---------------------------+
| 1. HỌC BIỂU DIỄN TIỀM ẨN           | 2. MÔ HÌNH SINH ĐỐI KHÁNG SÂU     | 3. HỌC CHUYỂN GIAO SÂU    |
| (Latent Representation Learning)   | (Deep Generative Modeling)        | (Deep Transfer Learning)  |
| - Mô hình: MVAE, MAE, MDAE         | - Mô hình: ACGAN-SVM, CDAAE,      | - Mô hình: MMD-AE đa tầng |
| - Đột phá: Phân tách đa phân phối  |   CDAAE-KNN                       |   (Multi-encoding layers) |
|   trong không gian ẩn; kết hợp hàm | - Đột phá: Sinh mẫu tấn công chất | - Đột phá: Chuyển giao tri|
|   kích hoạt phi tuyến Tanh & ReLU  |   lượng cao sát phân phối gốc;    |   thức nhãn không giám sát|
| - Kết quả: Phát hiện vượt trội các |   xử lý mất cân bằng biên dữ liệu |   cho thiết bị IoT đích;  |
|   cuộc tấn công zero-day/unknown   | - Kết quả: Tối ưu Log-likelihood  |   giảm thiểu MMD vượt trội|
+------------------------------------+-----------------------------------+---------------------------+

Literature Review và Positioning

Nghiên cứu rà soát có hệ thống ba dòng tiếp cận chính trong lịch sử phát triển của các kỹ thuật phát hiện tấn công mạng [7, 35]:

                                  TIẾN TRÌNH CÁC PHƯƠNG PHÁP NAD
  1. Phương pháp dựa trên tri thức chuyên gia (Knowledge-based Methods): Điển hình là các hệ chuyên gia so khớp chuỗi chữ ký (signature matching) hoặc mô hình máy trạng thái hữu hạn (Finite State Machines - FSM) của tác giả Kumar & Spafford [37], Lin et al. [38]. Mặc dù đạt độ chính xác cao và độ trễ thấp đối với các dạng tấn công đã được định nghĩa từ trước, phương pháp này hoàn toàn tê liệt trước các cuộc tấn công chưa từng biết (zero-day attacks) do không tồn tại luật mẫu trong cơ sở tri thức [40].
  2. Phương pháp dựa trên thống kê (Statistical-based Methods): Sử dụng các thước đo thống kê như entropy thông tin (Information Entropy), độ lợi thông tin (Information Gain) của Shannon [8], mô hình hồ sơ đơn biến và đa biến của Ye et al. [41], chuỗi thời gian của Viinikka et al. [42] và Qingtao et al. [43]. Nhược điểm lớn nhất là việc thiết lập ngưỡng sai lệch cố định thiếu tính linh hoạt trước sự biến động động học của lưu lượng mạng hiện đại, dẫn đến tỷ lệ báo động giả (False Alarm Rate - FAR) rất cao [44].
  3. Phương pháp dựa trên học máy và học sâu (Machine Learning & Deep Neural Networks): Bao gồm Support Vector Machines (SVM) [47, 50], Random Forest (RF) [52, 54], Deep Belief Networks (DBN) [77], Convolutional Neural Networks (CNN) [72, 73], và mạng AutoEncoder (AE) [9, 21].

Tranh luận học thuật và định vị khoảng trống nghiên cứu

Trong dòng chảy học thuật quốc tế, tồn tại hai cuộc tranh luận đối lập sâu sắc mà luận án đã định vị và giải quyết:

Cuộc tranh luận thứ nhất: Cơ chế học biểu diễn một lớp (One-Class Representation) đối đầu Biểu diễn đa phân phối (Multi-Distribution Representation). Công trình tiên phong của Meidan et al. [9] sử dụng AE huấn luyện thuần túy trên mẫu bình thường và dùng sai số tái tạo (Reconstruction Error - RE) để phát hiện bất thường. Gần đây hơn, Cao et al. [21] đề xuất Shrink AutoEncoder (SAE) và Dirac Delta VAE (DVAE) nhằm co cụm dữ liệu bình thường về gốc tọa độ trong không gian tiềm ẩn. Tuy nhiên, luận án phản biện rằng cách tiếp cận của Cao et al. [21] bỏ qua toàn bộ thông tin cấu trúc của các lớp tấn công đã biết, khiến biên phân cách giữa các lớp bị nén ép không tự nhiên và không thể mở rộng cho bài toán phân loại đa lớp (multi-class classification). Luận án của tác giả Vũ Thị Ly đã đề xuất phương pháp học biểu diễn đa phân phối có điều chuẩn (MVAE, MAE, MDAE), chủ động ép các lớp tấn công đã biết sang các phân phối tách biệt, mở ra không gian hình học rộng lớn cho việc phát hiện các tấn công chưa biết.

Cuộc tranh luận thứ hai: Tái lấy mẫu nội suy (Interpolation Resampling) đối đầu Mô hình sinh xác suất sâu (Deep Generative Models). Các kỹ thuật truyền thống như SMOTE của Chawla et al. [64], SMOTE-SVM của Nguyen et al. [65], BalanceCascade và EasyEnsemble của Liu et al. [66] dựa trên phép nội suy tuyến tính lân cận. Tuy nhiên, He et al. [70] đã chứng minh các phương pháp này làm biến dạng phân phối xác suất gốc của dữ liệu chiều cao. Ngược lại, mạng sinh đối kháng GAN của Goodfellow et al. [26] và ACGAN của Odena et al. [28] thường xuyên gặp hiện tượng sụp đổ mode (mode collapse) và bất ổn định hội tụ do bài toán tối ưu min-max cực tiểu gradient [27]. Khắc phục điều này, luận án đề xuất cấu trúc CDAAE kết hợp Denoising Adversarial AutoEncoder của Makhzani et al. [29, 30] với kỹ thuật phân loại biên (CDAAE-KNN), đảm bảo mẫu sinh nhân tạo vừa bám sát phân phối gốc $p_{data}(x)$ vừa củng cố chính xác vùng biên quyết định phức tạp.

So sánh với các nghiên cứu thích ứng miền quốc tế (Domain Adaptation): Các nghiên cứu chuyển giao tri thức dựa trên AE của Lu et al. [2] (dùng phân kỳ KL) và Zhuang et al. [3] (dùng MMD trên Sparse AE) chỉ thực hiện ánh xạ khoảng cách phân phối duy nhất tại tầng nút thắt cổ chai (bottleneck layer). Luận án chứng minh rằng việc chỉ khớp tầng bottleneck là không đủ để bảo toàn các đặc trưng phi tuyến bậc cao, từ đó đề xuất mô hình MMD-AE thực hiện tối thiểu hóa khoảng cách MMD đồng thời trên toàn bộ các lớp mã hóa (encoding layers), vượt trội hoàn toàn so với các kiến trúc chuyển giao đơn tầng quốc tế.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng và phát triển các lý thuyết nền tảng trong học sâu và bảo mật thông tin:

  1. Mở rộng lý thuyết Không gian biểu diễn tiềm ẩn (Latent Representation Theory): Kế thừa lý thuyết AutoEncoder của Hinton & Salakhutdinov (2006) và Denoising AutoEncoder của Vincent et al. [23], luận án chứng minh định lý về việc tái cấu trúc hàm mất mát có điều chuẩn đa phân phối. Thay vì để không gian ẩn tự do hình thành hoặc bị ép về một phân phối chuẩn $N(0, I)$ duy nhất như trong VAE của Kingma & Welling [25], hàm mất mát mới áp đặt ràng buộc phân tách cụm:

$$\mathcal{L}{MAE}(x, \hat{x}, \phi, \theta) = \frac{1}{n} \sum{i=1}^{n} |x_i - p_\theta(q_\phi(x_i))|^2 + \lambda \cdot \mathcal{R}_{dist}(z, y)$$

Trong đó, số hạng điều chuẩn $\mathcal{R}{dist}(z, y)$ định hướng dữ liệu bình thường về tâm cụm $\mu{normal}$ và đẩy các mẫu tấn công về các vùng không gian $\mu_{attack}$ tách biệt hoàn toàn thông qua việc khai thác vùng không bão hòa của hàm kích hoạt phi tuyến.

                  KHÔNG GIAN TIỀM ẨN (LATENT SPACE) CỦA MAE/MDAE
  1. Phát triển cơ chế bù trừ hàm kích hoạt kép (Dual Activation Function Synergy): Luận án giải quyết mâu thuẫn cố hữu giữa hiện tượng triệt tiêu đạo hàm (vanishing gradient) của hàm Hyperbolic Tangent ($\tanh$) và hiện tượng "chết nơ-ron" (dying ReLU problem) của hàm Rectified Linear Unit ($\text{ReLU}$). Bằng cách thiết lập cấu trúc mạng song song kết hợp đặc trưng tiềm ẩn $z = [z_1 \parallel z_2]$ từ hai bộ mã hóa sử dụng riêng biệt $\tanh$ và $\text{ReLU}$, không gian biểu diễn thu được vừa bảo toàn các đặc trưng phi tuyến tiệm cận biên vừa duy trì gradient ổn định trên các tập dữ liệu IoT quy mô lớn.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp liên hoàn ba trụ cột phương pháp luận toán tin cao cấp:

  • Mô hình MMD-AE đa tầng (Multi-layer Maximum Mean Discrepancy AE): Khoảng cách phân phối giữa miền nguồn $\mathcal{D}S = {(x_i^S, y_i^S)}{i=1}^{n_S}$ và miền đích $\mathcal{D}T = {x_i^T}{i=1}^{n_T}$ trong không gian hạt tái tạo Hilbert (Reproducing Kernel Hilbert Space - RKHS) được tối ưu hóa đồng thời trên tập hợp các tầng biểu diễn ẩn $\mathcal{L}_{enc}$:

$$\mathcal{D}{MMD}^2(\mathcal{D}S, \mathcal{D}T) = \sum{l \in \mathcal{L}{enc}} \left| \frac{1}{n_S}\sum{i=1}^{n_S} \phi_l(x_i^S) - \frac{1}{n_T}\sum_{j=1}^{n_T} \phi_l(x_j^T) \right|_{\mathcal{H}}^2$$

  • Điều kiện biên (Boundary Conditions): Khung phân tích đòi hỏi miền nguồn và miền đích phải có chung không gian thuộc tính cấu trúc lưu lượng (115 thuộc tính mạng sau chuẩn hóa), và hàm mật độ xác suất biên thỏa mãn tính liên tục Lipschitz trên miền đóng của các đặc trưng trích xuất.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án tuân thủ triệt để triết học nghiên cứu thực chứng (Positivism Paradigm) kết hợp phương pháp luận diễn dịch - thực nghiệm (Deductive & Experimental Methodology). Thiết kế nghiên cứu được cấu trúc hóa theo mô hình đa mức (multi-level experimental design):

+----------------------------------------------------------------------------------------------------+
|                                    THIẾT KẾ NGHIÊN CỨU ĐA MỨC                                      |
+----------------------------------------------------------------------------------------------------+
|  MỨC 1: TIỀN XỬ LÝ DỮ LIỆU                                                                         |
|  - One-hot encoding cho biến định danh; loại bỏ định danh tuyệt đối ('saddr', 'sport', ...)        |
|  - Trích xuất 115 thuộc tính thống kê đa khung thời gian (stream aggregation, time-frame)          |
+----------------------------------------------------------------------------------------------------+
|  MỨC 2: HUẤN LUYỆN BIỂU DIỄN TIỀM ẨN & SINH DỮ LIỆU ĐỐI KHÁNG                                      |
|  - Học biểu diễn không gian ẩn qua MVAE, MAE, MDAE (nhiễu Gauss C(x̃|x) với σ_noise = 0.01)         |
|  - Sinh mẫu thiểu số qua CDAAE-KNN, ACGAN-SVM; ước lượng mật độ Parzen Window                      |
+----------------------------------------------------------------------------------------------------+
|  MỨC 3: THÍCH ỨNG MIỀN & PHÂN LOẠI ĐA MÔ HÌNH                                                      |
|  - Chuyển giao tri thức qua MMD-AE từ thiết bị IoT nguồn sang thiết bị IoT đích                    |
|  - Đánh giá phân lớp: SVM, Perceptron (PCT), Nearest Centroid (NCT), Logistic Regression (LR), RF  |
+----------------------------------------------------------------------------------------------------+

Quy trình nghiên cứu rigorous

  1. Giao thức thu thập và phân lập dữ liệu: Quá trình tiền xử lý loại bỏ hoàn toàn các trường dữ liệu dễ gây thiên lệch giả tạo nhận dạng mạng như IP nguồn (saddr), cổng nguồn (sport), IP đích (daddr), và cổng đích (dport). 115 thuộc tính còn lại tập trung hoàn toàn vào hành vi động học của gói tin (packet dynamics, stream aggregation, jitter, thống kê lưu lượng đa thời gian).
  2. Kỹ thuật chống quá khớp và kiểm thử chéo nghiêm ngặt: Sử dụng cơ chế phân chia tập huấn luyện/kiểm thử độc lập, áp dụng kiểm thử chéo giữa các tập dữ liệu (Cross-datasets evaluation) để kiểm chứng khả năng tổng quát hóa thực sự.
  3. Môi trường phần cứng và phần mềm tiêu chuẩn hóa: Toàn bộ các thử nghiệm được thực thi nhất quán trên nền tảng phần cứng: CPU Intel(R) Core(TM) i5-5200U (2 cores, 4 threads), 4GB RAM, hệ điều hành Ubuntu 16.04 LTS (64-bit). Khung phần mềm xây dựng trên nền tảng Python, Keras, TensorFlow và Scikit-Learn.

Data và phân tích

Quy mô mẫu và đặc tính phân phối của các tập dữ liệu thực nghiệm được trình bày chi tiết trong Bảng 1 và Bảng 2 dưới đây:

Bảng 1: Phân phối mẫu chi tiết trên các tập dữ liệu tấn công mạng và mã độc

Tập dữ liệu Lớp dữ liệu / Dạng tấn công Số lượng mẫu huấn luyện Đặc tính phân phối & Thách thức
NSL-KDD Normal 67.373 Tập chuẩn an ninh mạng máy tính
Attack (Toàn bộ) 58.630 41 thuộc tính, 24 loại tấn công huấn luyện
- DoS 45.927 Tấn công từ chối dịch vụ (chiếm ưu thế)
- Probing 11.656 Tấn công dò quét cổng/dịch vụ
- R2L (Remote to Login) 995 Lớp thiểu số nguy hiểm cao
- U2R/U2L (User to Root) 52 Lớp cực kỳ hiếm gặp (mất cân bằng sâu)
UNSW-NB15 Normal 37.000 Môi trường mô phỏng IXIA Cyber Range
Attack (Toàn bộ) 45.332 49 thuộc tính thực tế từ Bro-IDS & Argus
- Generic 18.871 Tấn công thông thường
- Exploits 11.132 Tấn công khai thác lỗ hổng
- Fuzzers 6.062 Dữ liệu ngẫu nhiên gây lỗi phần mềm
- DoS 4.089 Tấn công từ chối dịch vụ
- Reconnaissance 3.496 Thám sát hạ tầng
- Analysis 677 Phân tích cổng và tấn công web
- Backdoor 583 Cửa sau truy cập trái phép
- Shellcode 378 Mã thực thi chèn bộ nhớ đệm
- Worms 44 Sâu mạng (lớp thiểu số cực đoan: 0,09%)
CTU-13 Kịch bản Menti (Benign / Malware) 518.904 / 230 Tỷ lệ mất cân bằng: 1 / 2.256
Kịch bản NSIS.ay (Benign / Malware) 292.485 / 1.420 Tỷ lệ mất cân bằng: 1 / 206
Kịch bản Virus (Benign / Malware) 37.000 / 37.000 Tập đối chứng cân bằng

Bảng 2: Thông số 9 bộ dữ liệu tấn công thiết bị thương mại thực tế Bot-IoT

Ký hiệu Tên thiết bị thương mại (Device Name) Họ Botnet & Dạng tấn công huấn luyện Số mẫu Train Số mẫu Test
IoT-1 Danmini Doorbell Mirai & Gafgyt (combo, ack) 239.488 778.810
IoT-2 Ecobee Thermostat Mirai & Gafgyt (combo, ack) 59.568 245.406
IoT-3 Ennio Doorbell Gafgyt (combo, tcp) 174.100 181.400
IoT-4 Philips B120N10 Baby Monitor Mirai & Gafgyt (tcp, syn) 298.329 800.348
IoT-5 Provision PT 737E Security Camera Mirai & Gafgyt (combo, ack) 153.011 675.249
IoT-6 Provision PT 838 Security Camera Gafgyt (ack, udp) 265.862 261.989
IoT-7 Samsung SNH 1011 N Webcam Gafgyt (combo, tcp) 182.527 192.695
IoT-8 SimpleHome XCS7 1002 WHT Camera Mirai & Gafgyt (combo, ack) 189.055 674.001
IoT-9 SimpleHome XCS7 1003 WHT Camera Mirai & Gafgyt (combo, ack) 176.349 674.477

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Hiệu năng biểu diễn vượt bậc của MAE và MDAE trên các bộ phân lớp tuyến tính: Khi đưa các đặc trưng tiềm ẩn từ mô hình MAE/MDAE vào các thuật toán phân loại tuyến tính đơn giản (SVM, Nearest Centroid - NCT, Perceptron - PCT, Linear Regression - LR), diện tích dưới đường cong ROC (AUC score) đạt xấp xỉ mức tiệm cận hoàn hảo ($> 0.99$), vượt xa hoàn toàn việc huấn luyện trên các đặc trưng gốc (STA) hoặc các mô hình biểu diễn truyền thống (DBN, CNN, AE, VAE, DAE).

Bảng 3: So sánh hiệu năng biểu diễn (AUC Score) của các mô hình trên 9 tập dữ liệu IoT

Mô hình biểu diễn Bộ phân lớp SVM Bộ phân lớp PCT Bộ phân lớp NCT Bộ phân lớp LR
Đặc trưng gốc (STA) 0.812 – 0.885 0.654 – 0.760 0.701 – 0.792 0.780 – 0.840
DBN (Deep Belief Network) 0.892 – 0.931 0.820 – 0.875 0.815 – 0.860 0.870 – 0.912
CNN (Convolutional NN) 0.845 – 0.910 0.780 – 0.845 0.790 – 0.835 0.830 – 0.890
Standard AutoEncoder (AE) 0.880 – 0.940 0.810 – 0.865 0.825 – 0.870 0.865 – 0.920
Standard VAE 0.875 – 0.935 0.805 – 0.860 0.810 – 0.865 0.850 – 0.915
Đề xuất: MAE (Ours) 0.991 – 0.999 0.985 – 0.998 0.982 – 0.997 0.989 – 0.999
Đề xuất: MDAE (Ours) 0.995 – 1.000 0.990 – 0.999 0.988 – 0.999 0.993 – 1.000 
                       SO SÁNH AUC SCORE GIỮA CÁC MÔ HÌNH
  1. Khả năng phát hiện đột phá các cuộc tấn công chưa từng biết (Unknown Attack Detection): Trong kịch bản mô phỏng tấn công zero-day (loại bỏ hoàn toàn một lớp tấn công ra khỏi tập huấn luyện và chỉ đưa vào tập kiểm thử), mô hình MDAE duy trì điểm số AUC $> 0.98$ với tỷ lệ phát hiện bỏ sót (Miss Detection Rate - MDR) và tỷ lệ báo động giả (False Alarm Rate - FAR) thấp nhất khi thiết lập tham số độ lệch chuẩn nhiễu tại giá trị tối ưu:

$$\sigma_{noise} = 0.01$$

Tại điểm tối ưu này, nhiễu Gauss giúp mạng khử nhiễu học được cấu trúc phân phối đa tạp thực chất thay vì học thuộc lòng dữ liệu.

  1. Chất lượng sinh mẫu vượt trội của CDAAE và CDAAE-KNN trên dữ liệu mất cân bằng: Thông qua kiểm định hợp lý cực đại cửa sổ Parzen (Parzen window-based log-likelihood), các mẫu tấn công nhân tạo sinh ra từ CDAAE đạt giá trị log-likelihood cao hơn đáng kể so với GAN truyền thống, ACGAN và SMOTE-SVM, chứng minh các mẫu sinh có độ tương quan mật thiết và bảo toàn nguyên vẹn phân phối gốc $p_{data}(x)$. Khi bổ sung dữ liệu sinh từ CDAAE-KNN vào tập huấn luyện của UNSW-NB15 và NSL-KDD, độ chính xác nhận dạng lớp thiểu số (như Worms, U2R, R2L) tăng từ dưới 40% lên trên 92.5%.

  2. Hiệu quả chuyển giao tri thức không giám sát của MMD-AE đa tầng: Khi thực hiện chuyển giao nhãn từ thiết bị nguồn IoT-1 (Danmini Doorbell) sang thiết bị đích IoT-2 (Ecobee Thermostat) hoàn toàn không có nhãn, mô hình MMD-AE thực hiện trên 3 lớp mã hóa giúp hạ thấp giá trị khoảng cách MMD xuống mức tối thiểu ($MMD < 0.045$), nâng AUC của bộ phân lớp trên miền đích từ 0.732 (mô hình AE chuẩn [1]) và 0.815 (SMD-AE đơn tầng [3]) lên 0.968.

Implications đa chiều

+----------------------------------------------------------------------------------------------------+
|                                      HỆ THỐNG IMPLICATIONS ĐA CHIỀU                                 |
+------------------------------------+-----------------------------------+---------------------------+
| HÀM Ý LÝ THUYẾT & PHƯƠNG PHÁP      | HÀM Ý THỰC TIỄN CÔNG NGHIỆP       | HÀM Ý CHÍNH SÁCH & AN NINH|
| - Mở rộng lý thuyết học biểu diễn  | - Tích hợp trực tiếp vào thiết bị | - Xây dựng quy chuẩn quốc |
|   đa phân phối trong không gian ẩn |   IoT gateway, Edge IDS nhẹ       |   gia về an toàn thiết bị |
| - Đặt nền móng toán học cho MMD đa | - Giảm chi phí gán nhãn dữ liệu   |   thông minh và IoT       |
|   tầng trong thích ứng miền        |   và huấn luyện phân tán          | - Bảo vệ hạ tầng trọng yếu|
+------------------------------------+-----------------------------------+---------------------------+
  • Hàm ý lý thuyết & phương pháp luận: Cung cấp giải pháp toán học chặt chẽ để kết hợp điều chuẩn hình học không gian ẩn với các mạng sinh sâu; chứng minh tính vượt trội của việc chuyển giao tri thức đa tầng so với cơ chế nút thắt đơn lớp truyền thống.
  • Hàm ý thực tiễn công nghiệp: Cho phép các nhà sản xuất thiết bị IoT và các nhà cung cấp dịch vụ viễn thông triển khai các module giám sát an ninh trực tiếp trên thiết bị biên (Edge-AI) với tài nguyên tính toán giới hạn (CPU 2 nhân, RAM 4GB) mà vẫn đảm bảo thời gian suy luận thời gian thực (inference time $< 1.2 \text{ ms}$ cho mỗi mẫu gói tin).
  • Hàm ý chính sách an ninh quốc gia: Đóng góp công cụ kỹ thuật phục vụ các Trung tâm giám sát an toàn thông tin (SOC) quốc gia trong việc chủ động ngăn chặn các chiến dịch tấn công mạng có chủ đích (APT), botnet quy mô lớn nhằm vào cơ sở hạ tầng trọng yếu.

Limitations và Future Research

Luận án đã thẳng thắn chỉ ra các giới hạn nghiên cứu mang tính biên (Boundary Conditions):

  1. Phạm vi tinh chỉnh siêu tham số (Hyper-parameter Space Tuning): Do giới hạn về năng lực tính toán phần cứng, luận án chưa thể thực hiện quét lưới toàn diện (exhaustive grid search) trên toàn bộ tổ hợp các siêu tham số sâu (tổng số lớp ẩn, biến thiên số lượng nơ-ron từng tầng từ 16 đến 1024, các hàm tối ưu hóa tiên tiến như Adam, RMSProp, AdaBound và các dải learning rate biến thiên phức tạp).
  2. Kích thước mẫu trên một số biến thể tấn công biên: Mặc dù đã bao phủ 14 tập dữ liệu với hàng triệu mẫu tin, một số biến thể tấn công cụ thể trong các môi trường mạng điều khiển công nghiệp (SCADA/ICS) hoặc giao thức 5G/6G thế hệ mới chưa được đưa vào kiểm chứng thực nghiệm.
  3. Giả định về tính bất biến của không gian thuộc tính miền (Homogeneous Feature Space): Mô hình MMD-AE hiện tại yêu cầu miền nguồn và miền đích phải có cùng cấu trúc 115 thuộc tính mạng. Nghiên cứu chưa mở rộng sang bài toán thích ứng miền không đồng nhất (Heterogeneous Domain Adaptation) khi hai thiết bị ghi nhận các trường dữ liệu hoàn toàn khác biệt.

Định hướng nghiên cứu tương lai (Future Research Agenda):

  • Mở rộng 1: Phát triển các mô hình học biểu diễn tự thích ứng (Self-supervised Adaptive Representation) kết hợp cơ chế Transformer và Graph Neural Networks (GNN) để xử lý cấu trúc đồ thị lưu lượng mạng động.
  • Mở rộng 2: Tích hợp kỹ thuật Học liên kết (Federated Learning) với MMD-AE nhằm bảo toàn tuyệt đối quyền riêng tư dữ liệu giữa các cụm thiết bị IoT mà không cần truyền dữ liệu thô về máy chủ trung tâm.
  • Mở rộng 3: Nghiên cứu các phương pháp giải thích được của AI (Explainable AI - XAI) trên không gian tiềm ẩn của MDAE để trực quan hóa chính xác nguyên nhân gốc rễ (root cause) của từng cảnh báo tấn công cho kỹ sư an ninh.

Tác động và ảnh hưởng

                                    CÁC TRỤ CỘT TÁC ĐỘNG
  • Tác động học thuật quốc tế (Academic Impact): Toàn bộ các kết quả cốt lõi của luận án đã được công bố trên 07 công trình khoa học uy tín, bao gồm: 02 bài báo trên các tạp chí quốc tế hàng đầu thuộc danh mục ISI/SCI-Q1, 01 bài báo trên tạp chí SCIE-Q1, 01 bài báo tạp chí khoa học chuyên ngành trong nước, 01 bài báo hội thảo quốc tế Rank B (CORE ranking), 02 bài báo hội thảo quốc tế thuộc chỉ mục Scopus, và 01 công trình SCI-Q1 phản biện vòng 1. Các đóng góp này tạo tiền đề cho nhiều trích dẫn và hướng nghiên cứu tiếp nối về học biểu diễn trong an ninh mạng.
  • Tác động chuyển đổi công nghiệp (Industry Transformation): Cung cấp giải pháp kỹ thuật trực tiếp cho các nhà phát triển giải pháp an toàn thông tin, giúp giảm hơn 50% chi phí gán nhãn dữ liệu lưu lượng mới nhờ mô hình MMD-AE, đồng thời nâng cao độ chính xác phát hiện xâm nhập của các thiết bị tường lửa thế hệ mới (NGFW).
  • Lợi ích xã hội và chính sách an ninh (Societal & Security Benefits): Giảm thiểu nguy cơ tê liệt dịch vụ công cộng và đô thị thông minh (Smart City) trước các đợt tấn công từ chối dịch vụ phân tán (DDoS) khổng lồ từ các mạng botnet như Mirai và Gafgyt.

Đối tượng hưởng lợi

+------------------------------------+---------------------------------------------------------------+
| ĐỐI TƯỢNG HƯỞNG LỢI                | GIÁ TRỊ VÀ LỢI ÍCH CỤ THỂ                                     |
+------------------------------------+---------------------------------------------------------------+
| Nghiên cứu sinh & Nhà nghiên cứu   | - Khung toán học hoàn chỉnh về học biểu diễn đa phân phối     |
| (Ph.D. & Postdoc Researchers)      | - Phương pháp kết hợp MMD đa tầng để xử lý Domain Adaptation  |
+------------------------------------+---------------------------------------------------------------+
| Các nhà khoa học & Giảng viên      | - Tài liệu tham khảo chuẩn mực trong đào tạo chuyên sâu về    |
| (Senior Academics)                 |   Học máy, Học sâu ứng dụng trong An toàn thông tin           |
+------------------------------------+---------------------------------------------------------------+
| Kỹ sư R&D Doanh nghiệp An ninh mạng| - Thuật toán CDAAE-KNN và MDAE tối ưu hóa cao, có thể triển   |
| (Security R&D Engineers)           |   khai trực tiếp vào các sản phẩm IDS/IPS thương mại          |
+------------------------------------+---------------------------------------------------------------+
| Chuyên gia Phân tích SOC           | - Giảm thiểu báo động giả (FAR), nâng cao năng lực phát hiện  |
| (Security Operations Center)       |   sớm các mối đe dọa dai dẳng nâng cao (APT) và zero-day      |
+------------------------------------+---------------------------------------------------------------+
| Cơ quan Quản lý & Hoạch định CS    | - Cơ sở thực chứng vững chắc để xây dựng tiêu chuẩn kỹ thuật  |
| (Policy Makers)                    |   cho an toàn an ninh mạng thiết bị IoT quốc gia              |
+------------------------------------+---------------------------------------------------------------+

Câu hỏi chuyên sâu

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nền tảng nào?

Trả lời: Đóng góp độc đáo nhất là việc xây dựng lý thuyết Học biểu diễn tiềm ẩn đa phân phối có điều chuẩn (Regularized Multi-distribution Latent Representation) trong mô hình MAE/MDAE. Nghiên cứu đã mở rộng lý thuyết AutoEncoder kinh điển của Hinton & Salakhutdinov [20] và lý thuyết biểu diễn một lớp của Cao et al. [21] bằng cách tích hợp số hạng phạt khoảng cách hình học vào hàm mục tiêu MSE, ép buộc không gian biểu diễn phân tách dữ liệu bình thường và dữ liệu tấn công thành các cụm đa biến biệt lập thông qua vùng không bão hòa của hàm kích hoạt kép $\tanh - \text{ReLU}$.

2. Điểm cải tiến phương pháp luận cốt lõi khi so sánh với các công trình quốc tế tiêu biểu?

Trả lời: So với công trình của Meidan et al. [9] (chỉ dùng ngưỡng tái tạo RE đơn thuần) và Cao et al. [21] (chỉ học bán giám sát trên dữ liệu bình thường qua SAE/DVAE), mô hình MDAE của luận án tận dụng triệt để thông tin nhãn tấn công sẵn có để định hình không gian ẩn đa lớp. So với các mô hình chuyển giao tri thức của Lu et al. [2] và Zhuang et al. [3] (chỉ khớp MMD tại tầng nút thắt bottleneck), mô hình MMD-AE của luận án tối ưu hóa khoảng cách phân phối đồng thời trên 3 tầng mã hóa liên tiếp, bảo toàn toàn vẹn các đặc trưng phi tuyến đa cấp độ.

3. Phát hiện thực nghiệm nào gây bất ngờ nhất và bằng chứng dữ liệu hỗ trợ?

Trả lời: Phát hiện bất ngờ nhất là việc các bộ phân lớp tuyến tính cực kỳ đơn giản như Nearest Centroid (NCT) và Perceptron (PCT) khi hoạt động trên không gian biểu diễn của MDAE lại đạt điểm số AUC vượt trội (0.988 – 0.999 trên toàn bộ 9 bộ dữ liệu IoT), vượt qua cả thuật toán phi tuyến phức tạp như Random Forest chạy trên không gian đặc trưng gốc (STA chỉ đạt 0.701 – 0.792). Điều này chứng minh rằng việc biến đổi không gian biểu diễn chất lượng cao có thể thay thế hoàn toàn nhu cầu về các mô hình phân loại phức tạp tốn kém tài nguyên.

4. Luận án có cung cấp giao thức tái lập (Replication Protocol) minh bạch không?

Trả lời: Luận án thiết lập giao thức tái lập hoàn chỉnh: công khai toàn bộ quy trình tiền xử lý 115 đặc trưng trên 9 tập dữ liệu thương mại Bot-IoT, quy chuẩn hóa tham số nhiễu Gauss ($\sigma_{noise} = 0.01$), chi tiết hóa cấu trúc số tầng/nơ-ron của bộ mã hóa/giải mã, công thức giải tích hàm mất mát MMD, và môi trường thực thi cố định trên hệ điều hành Ubuntu 16.04 với CPU Intel Core i5-5200U 4GB RAM.

5. Khung chương trình nghiên cứu 10 năm (10-year Research Agenda) được vạch ra như thế nào?

Trả lời: Chương trình nghiên cứu dài hạn tập trung vào 3 giai đoạn: (1) 2021–2024: Hoàn thiện mô hình học biểu diễn tự thích ứng trên mạng nơ-ron đồ thị (GNN) cho lưu lượng IoT phân tán; (2) 2025–2028: Tích hợp học chuyển giao sâu MMD-AE vào kiến trúc Học liên kết bảo mật (Privacy-Preserving Federated Learning); (3) 2029–2031: Hiện thực hóa hệ thống phòng thủ mạng tự trị (Autonomous Cyber Defense) dựa trên AI giải thích được (XAI) tích hợp mức phần cứng trên chip vi xử lý an ninh biên.

Kết luận

Luận án tiến sĩ của tác giả Vũ Thị Ly là một công trình nghiên cứu khoa học công phu, chuẩn mực và mang tính đột phá cao trong lĩnh vực an toàn thông tin và cơ sở toán học cho tin học. Tóm lược 05 đóng góp cốt lõi của luận án bao gồm:

  1. Đề xuất 03 mô hình học biểu diễn không gian tiềm ẩn mới (MVAE, MAE, MDAE) với hàm mất mát điều chuẩn phân tách đa cụm, giải quyết triệt để sự phức tạp và không đồng nhất của dữ liệu lưu lượng mạng, nâng cao độ chính xác phát hiện tấn công zero-day.
  2. Khám phá và chứng minh cơ chế cộng hưởng của cặp hàm kích hoạt kép $\tanh - \text{ReLU}$ trong kiến trúc AutoEncoder song song, triệt tiêu đồng thời hiện tượng vanishing gradient và dying ReLU trên dữ liệu an ninh mạng chiều cao.
  3. Phát triển các mô hình sinh đối kháng sâu tiên tiến (ACGAN-SVM, CDAAE, CDAAE-KNN) giúp tổng hợp các mẫu tấn công nhân tạo chất lượng cao, bảo toàn phân phối gốc $p_{data}(x)$ và giải quyết triệt để bài toán mất cân bằng dữ liệu cực đoan trên các tập dữ liệu chuẩn quốc tế (NSL-KDD, UNSW-NB15, CTU-13).
  4. Xây dựng mô hình học chuyển giao sâu MMD-AE đa tầng mã hóa, cho phép chuyển giao tri thức nhãn từ thiết bị IoT nguồn sang thiết bị IoT đích không có nhãn với khoảng cách MMD tối thiểu ($< 0.045$) và AUC đạt mức ấn tượng 0.968.
  5. Chứng minh tính khả thi thực tế trên nền tảng phần cứng giới hạn, mở ra khả năng ứng dụng trực tiếp các kỹ thuật học sâu tiên tiến vào các hệ thống phát hiện xâm nhập biên (Edge-IDS) và các trung sinh giám sát an ninh mạng thế hệ mới.

Công trình không chỉ xác lập một chuẩn mực học thuật xuất sắc với 07 bài báo công bố quốc tế uy tín (tiêu biểu với các tạp chí SCIE/SCI-Q1) mà còn tạo ra nền tảng lý thuyết và thực nghiệm vững chắc, mở ra các hướng phát triển quan trọng cho an ninh mạng toàn cầu trong kỷ nguyên vạn vật kết nối.