Tổng quan luận án

Tính cấp thiết và khoảng trống nghiên cứu

Sự phát triển của công nghệ thông tin và truyền thông trong môi trường mạng tạo ra lưu lượng dữ liệu ngày càng lớn. Báo cáo của Cisco chỉ ra rằng lưu lượng Giao thức Internet (IP) toàn cầu tăng trưởng kép hàng năm (CAGR) ở mức 24% trong giai đoạn 2016–2021, đạt mức tăng gần 3 lần trong 5 năm và gấp 127 lần so với năm 2005. Đi cùng với sự gia tăng này là các nguy cơ an ninh mạng; thống kê thực tế cho thấy 53% các cuộc tấn công mạng gây thiệt hại tài chính vượt quá 500.000 USD dưới dạng mất mát doanh thu, khách hàng và cơ hội kinh doanh. Việc phát hiện sớm các tấn công mạng (Network Attack Detection - NAD) đóng vai trò đảm bảo tính bảo mật, toàn vẹn và khả dụng của thông tin.

Mặc dù các kỹ thuật học máy và học sâu đã được áp dụng trong NAD, tác giả xác định ba vấn đề kỹ thuật còn tồn tại chưa được giải quyết triệt để:

  1. Lưu lượng mạng mang tính không đồng nhất và phức tạp tùy thuộc vào môi trường mạng, gây khó khăn cho việc biểu diễn dữ liệu phục vụ các thuật toán phân loại.
  2. Dữ liệu tấn công mạng thu thập được thường ít hơn nhiều so với dữ liệu bình thường, dẫn đến hiện tượng mất cân bằng dữ liệu nghiêm trọng, khiến các thuật toán phân loại bị lệch và giảm độ chính xác.
  3. Trong các môi trường phân tán như mạng Internet vạn vật (IoT), việc thu thập lưu lượng có gán nhãn từ tất cả các thiết bị bị hạn chế bởi vấn đề quyền riêng tư. Khi mô hình huấn luyện trên một thiết bị được áp dụng cho thiết bị khác, sự khác biệt về phân bố dữ liệu làm suy giảm hiệu năng phát hiện.

Mục tiêu nghiên cứu

Luận án hướng đến mục tiêu phát triển các mô hình mạng nơron học sâu nhằm phân tích dữ liệu an ninh mạng và nâng cao độ chính xác của các hệ thống phát hiện tấn công mạng. Cụ thể, các mục tiêu thành phần bao gồm:

  1. Đề xuất kỹ thuật học biểu diễn tiềm ẩn (latent representation learning) có khả năng phân tách dữ liệu bình thường và dữ liệu tấn công thành hai vùng không gian riêng biệt, hỗ trợ phát hiện các cuộc tấn công đã biết và chưa biết.
  2. Đề xuất các kỹ thuật sinh mẫu tấn công tổng hợp dựa trên mạng sinh đối nghịch (GAN) và bộ tự mã hóa (AE) nhằm cân bằng dữ liệu huấn luyện mà vẫn bảo toàn phân bố của dữ liệu gốc.
  3. Xây dựng mô hình học chuyển giao sâu (Deep Transfer Learning - DTL) cho phép chuyển giao tri thức gán nhãn từ một thiết bị nguồn sang thiết bị đích không có nhãn nhằm nhận dạng tấn công hiệu quả.

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Các mô hình mạng nơron học sâu (tập trung vào kiến trúc AutoEncoder và Generative Adversarial Network) và dữ liệu lưu lượng mạng (security traffic data) dùng trong phát hiện tấn công.
  • Phạm vi dữ liệu: Luận án thực nghiệm trên hơn 10 bộ dữ liệu an ninh mạng, bao gồm 9 bộ dữ liệu tấn công IoT (thu thập từ các thiết bị thương mại với hai họ mã độc botnet Mirai và BASHLITE/Gafgyt), 2 bộ dữ liệu mạng máy tính (NSL-KDD, UNSW-NB15) và 3 kịch bản mã độc từ hệ thống dữ liệu CTU-13 (Menti, NSIS.ay, Virus).
  • Phạm vi kỹ thuật: Tập trung vào các biến thể của AutoEncoder (AE, DAE, VAE, AAE) và GAN (ACGAN), kết hợp độ đo Maximum Mean Discrepancy (MMD) trong bài toán học chuyển giao.

Tổng quan tài liệu và vị trí của luận án

Các hướng nghiên cứu trước

Tác giả hệ thống hóa các phương pháp phát hiện tấn công mạng thành ba nhóm chính:

  • Phương pháp dựa trên tri thức (Knowledge-based methods): Sử dụng các luật hoặc mẫu dấu hiệu (signatures) xác định trước để khớp nối hành vi mạng. Các công trình tiêu biểu gồm mô hình máy trạng thái hữu hạn để kiểm soát luồng thực thi (chẳng hạn hệ thống của tác giả tại trích dẫn [37]), hệ thống định nghĩa cú pháp luật tấn công [38], và các hệ chuyên gia phối hợp giữa kỹ sư tri thức và chuyên gia miền [39]. Ưu điểm là phát hiện nhanh các tấn công đã biết nhưng không thể nhận diện tấn công mới (zero-day attacks).
  • Phương pháp dựa trên thống kê (Statistical-based methods): Xây dựng phân bố chuẩn của lưu lượng bình thường và tính toán điểm bất thường dựa trên các độ đo thống kê (entropy thông tin, độ lợi thông tin [8], giá trị trung bình, độ lệch chuẩn). Ye và cộng sự [41] xây dựng hồ sơ đơn biến và đa biến; Viinikka và cộng sự [42] tổng hợp đặc trưng chuỗi thời gian; Qingtao và cộng sự [43] phát hiện dựa trên biến thiên đột ngột của dữ liệu chuỗi thời gian. Nhóm phương pháp này phụ thuộc vào ngưỡng thiết lập thủ công và có độ chính xác hạn chế khi lưu lượng mạng biến động phức tạp [44].
  • Phương pháp dựa trên học máy và học sâu (Machine Learning & Deep Learning):
    • Thuật toán phân loại truyền thống: Support Vector Machine (SVM) [47, 50], Random Forest (RF) và các cấu trúc cây quyết định (ID3, J48, LAD, Random Tree) [52, 54, 55], K-nearest Neighbor (KNN) [11], One-Class SVM và Local Outlier Factor [13].
    • Xử lý mất cân bằng dữ liệu: Phương pháp học nhạy cảm chi phí (cost-sensitive learning) của Zhang và cộng sự [57], Chung và cộng sự [58], Wang và cộng sự [60], Khan và cộng sự [56]; kỹ thuật tái lấy mẫu như SMOTE [64], SMOTE-SVM [65], BalanceCascade [66], EasyEnsemble [66], Tomek Link [68]; mô hình sinh ACGAN [28], SAAE [29], CVAE [71].
    • Học biểu diễn và trích xuất đặc trưng: Mạng AutoEncoder xác định ngưỡng sai số tái tạo (Reconstruction Error) của Meidan và cộng sự [9]; mô hình phân cụm lưới tăng dần của Juliette và cộng sự [75]; mô hình biểu diễn một lớp Shrink AE (SAE) và Dirac Delta VAE (DVAE) của Cao và cộng sự [21]; mạng tích chập (CNN) [72, 73] và Deep Belief Network (DBN) [77].
    • Học chuyển giao sâu (DTL): Các hướng tiếp cận dựa trên thực thể [82–84], dựa trên ánh xạ [85, 86], dựa trên mạng đối nghịch [87, 88], và dựa trên cấu trúc mạng nơron [89, 90]. Các nghiên cứu DTL sử dụng AutoEncoder như SKL-AE [2] sử dụng độ đo KL divergence và SMD-AE [3] sử dụng độ đo MMD nhưng chỉ thực hiện chuyển giao tại tầng thắt cổ chai (bottleneck layer).

Khoảng trống luận án lựa chọn giải quyết

  1. Các mô hình học biểu diễn bán giám sát trước đây (như SAE, DVAE của Cao và cộng sự [21]) chỉ giả định có sẵn dữ liệu bình thường để co cụm về gốc tọa độ, không tận dụng thông tin lớp tấn công và khó mở rộng cho bài toán đa lớp. Luận án giải quyết khoảng trống này bằng cách học biểu diễn phân tách đồng thời cả dữ liệu bình thường và dữ liệu tấn công (bao gồm cả tấn công chưa biết) vào các miền tách biệt.
  2. Các phương pháp sinh mẫu truyền thống (SMOTE, SMOTE-SVM) làm biến dạng phân bố dữ liệu gốc, trong khi GAN thuần túy khó hội tụ. Luận án phát triển mô hình sinh kết hợp cơ chế tự đối nghịch và lấy mẫu biên để duy trì tương quan phân bố chuẩn xác.
  3. Các mô hình học chuyển giao dựa trên AE trước đây chỉ tối thiểu hóa khoảng cách phân bố tại một tầng biểu diễn duy nhất (bottleneck layer). Luận án đề xuất cơ chế khớp phân bố trên toàn bộ các tầng mã hóa (encoding layers) để bảo toàn đặc trưng phân cấp từ miền nguồn sang miền đích.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khung phân tích

Luận án ứng dụng các lý thuyết nền tảng về mạng nơron sâu và xác suất thống kê:

  • AutoEncoder (AE): Mạng gồm bộ mã hóa $q_\phi(x)$ ánh xạ đầu vào $x$ sang không gian tiềm ẩn $z$, và bộ giải mã $p_\theta(z)$ tái tạo lại đầu ra $\hat{x}$, tối thiểu hóa sai số toàn phương trung bình (MSE).
  • Denoising AutoEncoder (DAE): Áp dụng nhiễu Gaussian đẳng hướng $C(\tilde{x}|x) = x + x_{noise}$ với $x_{noise} \sim \mathcal{N}(0, \sigma_{noise}^2)$ vào đầu vào nhằm buộc mạng học cấu trúc phân bố thực thay vì phép đồng nhất.
  • Variational AutoEncoder (VAE): Tối ưu hàm mục tiêu gồm thành phần tái tạo và thành phần khoảng cách Kullback-Leibler (KL divergence) giữa phân bố hậu nghiệm $q_\phi(z|x)$ và phân bố tiên nghiệm chuẩn tắc $\mathcal{N}(0, I)$ thông qua kỹ thuật tái tham số hóa (re-parameterization).
  • Generative Adversarial Network (GAN) & ACGAN: Cặp mạng đối nghịch gồm Generator ($Ge$) và Discriminator ($Di$). ACGAN mở rộng bằng cách tích hợp nhãn lớp $c$ vào đầu vào của $Ge$ để sinh mẫu có kiểm soát theo lớp chỉ định.
  • Adversarial AutoEncoder (AAE, SAAE, DAAE): Thay thế phân kỳ KL trong VAE bằng mạng phân biệt đối nghịch để kiểm soát không gian tiềm ẩn theo phân bố bất kỳ.
  • Maximum Mean Discrepancy (MMD): Độ đo khoảng cách phi tham số giữa hai phân bố xác suất $P$ và $Q$ trên không gian Hilbert tái tạo hạt nhân (RKHS): $$\text{MMD}^2(D_S, D_T) = \left| \frac{1}{n_S}\sum_{i=1}^{n_S}\xi(x_i^S) - \frac{1}{n_T}\sum_{j=1}^{n_T}\xi(x_j^T) \right|^2$$

Phương pháp nghiên cứu

  • Phương pháp lý thuyết: Phân tích toán học các hàm mất mát, cơ chế truyền ngược gradient, phân tích hiện tượng triệt tiêu đạo hàm (vanishing gradient) và chết nơron (dying ReLU) của các hàm kích hoạt (Sigmoid, Tanh, ReLU).
  • Phương pháp thực nghiệm định lượng: Xây dựng mô hình trên phần mềm, huấn luyện và đánh giá trên môi trường phần cứng đồng nhất: Hệ điều hành Ubuntu 16.04 (64-bit), CPU Intel Core i5-5200U (2 nhân), RAM 4GB.
  • Tiêu chí đánh giá:
    1. Diện tích dưới đường cong ROC (AUC): Đánh giá hiệu năng phân loại dựa trên tỷ lệ dương tính thật (TPR) và tỷ lệ dương tính giả (FPR).
    2. Độ phức tạp mô hình (Model Complexity): Đo lường thông qua số lượng tham số có thể huấn luyện (trainable parameters) tính bằng công thức $(n + 1) \times m$ cho mỗi lớp kết nối đầy đủ (với $n$ đầu vào, $m$ đầu ra) và thời gian suy luận (inference time).
    3. Độ hợp lý logarit qua cửa sổ Parzen (Parzen window-based log-likelihood): Đánh giá chất lượng của các phân bố mẫu do mô hình sinh tạo ra.

Nguồn dữ liệu thực nghiệm

Tên bộ dữ liệu Loại môi trường Số thuộc tính Chi tiết phân lớp / Số mẫu
NSL-KDD Mạng máy tính 41 Huấn luyện: 67.373 Bình thường, 58.630 Tấn công (DoS: 45.927, Probing: 11.656, R2L: 995, U2L: 52).
UNSW-NB15 Mạng máy tính 49 Huấn luyện: 37.000 Bình thường, 45.332 Tấn công (Generic, Exploits, Fuzzers, DoS, Reconnaissance, Analysis, Backdoor, Shellcode, Worms).
CTU-13 Mã độc (Malware) Dạng luồng mạng 3 kịch bản: Menti (518.904 Benign / 230 Malware), NSIS.ay (292.485 Benign / 1.420 Malware), Virus (37.000 Benign / 37.000 Malware).
9 bộ dữ liệu IoT Môi trường IoT 115 (trích xuất thống kê) Thu thập từ 9 thiết bị thương mại với các loại tấn công botnet Mirai và BASHLITE (chi tiết mẫu ở bảng bên dưới).

Bảng tổng hợp 9 bộ dữ liệu IoT:

Mã hiệu Tên thiết bị Các loại tấn công trong tập huấn luyện Số mẫu huấn luyện Số mẫu kiểm thử
IoT-1 Danmini Doorbell combo, ack 239.488 778.810
IoT-2 Ecobee Thermostat combo, ack 59.568 245.406
IoT-3 Ennio Doorbell combo, tcp 174.100 181.400
IoT-4 Philips B120N10 Baby Monitor tcp, syn 298.329 800.348
IoT-5 Provision PT 737E Security Camera combo, ack 153.011 675.249
IoT-6 Provision PT 838 Security Camera ack, udp 265.862 261.989
IoT-7 Samsung SNH 1011 N Webcam combo, tcp 182.527 192.695
IoT-8 SimpleHome XCS7 1002 WHT Camera combo, ack 189.055 674.001
IoT-9 SimpleHome XCS7 1003 WHT Camera combo, ack 176.349 674.477

Nội dung chính theo từng chương

Chương 1: Cơ sở lý thuyết và các nghiên cứu liên quan (BACKGROUNDS)

Chương này tổng quan về an ninh mạng, các dạng tấn công trong môi trường máy tính, đám mây và IoT; đồng thời hệ thống hóa cơ sở toán học của các mạng nơron học sâu (AE, DAE, VAE, GAN, ACGAN, AAE).

Chương 1 tiến hành khảo sát thực nghiệm về sự kết hợp các hàm kích hoạt trong kiến trúc AutoEncoder. Tác giả chỉ ra rằng việc sử dụng đơn lẻ hàm Sigmoid dẫn đến hiện tượng triệt tiêu đạo hàm khi mạng có nhiều tầng trên dữ liệu IoT (AUC của bộ phân loại SVM trên biểu diễn Sigmoid xấp xỉ 0,5 - tương đương phân loại ngẫu nhiên). Mô hình kết hợp Tanh và ReLU giúp khắc phục nhược điểm "chết nơron" của ReLU và "triệt tiêu đạo hàm" của Tanh, giúp điểm AUC trên tập dữ liệu IoT-4 nhanh chóng vượt mức 0,9 và đạt trạng thái ổn định cao.

Chương 2: Học biểu diễn tiềm ẩn để phát hiện tấn công mạng (LEARNING LATENT REPRESENTATION FOR NETWORK ATTACK DETECTION)

Chương này giải quyết bài toán không đồng nhất của lưu lượng mạng bằng cách đề xuất ba mô hình học biểu diễn dựa trên AutoEncoder:

  • Multi-distribution Variational AutoEncoder (MVAE)
  • Multi-distribution AutoEncoder (MAE)
  • Multi-distribution Denoising AutoEncoder (MDAE)

Các mô hình này bổ sung thành phần hiệu chỉnh (regularization term) vào hàm mất mát của AE, định hướng ánh xạ dữ liệu bình thường và dữ liệu bất thường (gồm cả tấn công đã biết và tấn công chưa biết) vào các phân bố xác suất riêng biệt trong không gian tiềm ẩn (latent space).

Kết quả và phân tích thực nghiệm:

  • Đánh giá trên 9 bộ dữ liệu IoT kết hợp với 4 bộ phân loại cơ bản gồm SVM, Perceptron (PCT), Nearest Centroid (NCT), Linear Regression (LR) và so sánh với Random Forest (RF), Deep Belief Network (DBN), CNN, AE, VAE, DAE.
  • Không gian biểu diễn mới giúp các bộ phân loại tuyến tính đơn giản đạt hiệu năng tương đương hoặc vượt trội so với khi phân loại trực tiếp trên dữ liệu gốc.
  • Đánh giá khả năng nhận diện tấn công chưa biết (unknown attacks): Mô hình biểu diễn duy trì khả năng tách biệt các loại tấn công mới không xuất hiện trong tập huấn luyện ra khỏi vùng dữ liệu bình thường.
  • Phân tích ảnh hưởng của siêu tham số: Mức độ lệch chuẩn nhiễu Gaussian $\sigma_{noise} = 0,01$ trong mô hình MDAE mang lại điểm số AUC cao nhất, đồng thời đạt tỷ lệ báo động giả (FAR) và tỷ lệ bỏ sót (MDR) thấp nhất trên tập IoT-1.
  • Thời gian kiểm thử trung bình cho một mẫu dữ liệu trên tập IoT-9 và độ phức tạp tính toán được phân tích, chứng minh tính khả thi về mặt tài nguyên thực thi.

Chương 3: Các mô hình sinh sâu để phát hiện tấn công mạng (DEEP GENERATIVE LEARNING MODELS FOR NETWORK ATTACK DETECTION)

Chương này tập trung giải quyết vấn đề mất cân bằng dữ liệu lưu lượng mạng thông qua việc phát triển ba mô hình sinh học sâu:

  • ACGAN-SVM: Kết hợp mạng sinh đối nghịch có điều kiện nhãn lớp và thuật toán SVM để tinh chỉnh biên phân lớp.
  • Conditional Denoising Adversarial AutoEncoder (CDAAE): Kết hợp khả năng khử nhiễu và đối nghịch có điều kiện nhãn lớp để sinh dữ liệu.
  • CDAAE-KNN (Borderline Sampling): Áp dụng kỹ thuật lấy mẫu vùng biên với KNN trên không gian của CDAAE để tập trung sinh các mẫu tấn công ở khu vực ranh giới quyết định.

Kết quả và phân tích thực nghiệm:

  • Thực nghiệm trên các bộ dữ liệu mất cân bằng NSL-KDD, UNSW-NB15 và CTU-13.
  • So sánh với các kỹ thuật cân bằng dữ liệu truyền thống (SMOTE, SMOTE-SVM, BalanceCascade, EasyEnsemble) và các mô hình sinh khác (GAN, SAAE, CVAE).
  • Kết quả phân loại bằng SVM, Decision Tree (DT), Random Forest (RF) sau khi bổ sung mẫu sinh từ CDAAE và CDAAE-KNN cho thấy sự cải thiện rõ rệt về độ chính xác phân loại các lớp thiểu số (như U2L, R2L, Worms).
  • Đánh giá chất lượng mẫu sinh thông qua chỉ số Parzen window log-likelihood khẳng định dữ liệu tạo ra từ các mô hình đề xuất có phân bố bám sát chặt chẽ phân bố của dữ liệu thực tế hơn so với SMOTE.
  • Báo cáo chi tiết thời gian xử lý của quá trình huấn luyện và quá trình sinh mẫu (tính bằng giây).

Chương 4: Học chuyển giao sâu để phát hiện tấn công mạng (DEEP TRANSFER LEARNING FOR NETWORK ATTACK DETECTION)

Chương này giải quyết bài toán thiếu hụt nhãn dữ liệu trên các thiết bị mạng mới (miền đích) bằng mô hình học chuyển giao sâu:

  • Maximum Mean Discrepancy - AutoEncoder (MMD-AE): Kiến trúc học chuyển giao dựa trên mạng nơron, chuyển giao tri thức từ miền nguồn có nhãn $D_S$ (dữ liệu thu thập từ một thiết bị IoT) sang miền đích không có nhãn $D_T$ (dữ liệu thu thập từ thiết bị IoT khác).

Điểm khác biệt và kết quả thực nghiệm:

  • Khác với các phương pháp DTL trước đây (SKL-AE dùng độ đo KL, SMD-AE dùng MMD) vốn chỉ áp dụng việc khớp phân bố tại tầng thắt cổ chai (bottleneck layer), mô hình MMD-AE thực hiện tối thiểu hóa khoảng cách MMD đồng thời trên các tầng mã hóa (encoding layers: 1 tầng, 2 tầng và 3 tầng).
  • Phân tích giá trị MMD biểu diễn tiềm ẩn giữa nguồn (IoT-1) và đích (IoT-2) chứng minh việc chuyển giao trên nhiều tầng mã hóa làm giảm đáng kể khoảng cách phân bố giữa hai miền.
  • Điểm AUC của mô hình MMD-AE trên toàn bộ 9 tập dữ liệu IoT đạt kết quả cao hơn rõ rệt so với AE gốc, SKL-AE và SMD-AE khi phân loại trên miền đích hoàn toàn không có nhãn huấn luyện.
  • Đánh giá chi tiết thời gian xử lý và độ phức tạp mô hình (số lượng tham số huấn luyện) khẳng định tính tối ưu của cấu trúc mạng đề xuất.

Kết quả và những đóng góp mới

Đóng góp về mặt lý luận và mô hình

  1. Các mô hình học biểu diễn tiềm ẩn đa phân bố (MVAE, MAE, MDAE): Thiết lập cơ chế hiệu chỉnh hàm mất mát trong AutoEncoder, cho phép chiếu tách biệt lưu lượng bình thường và lưu lượng tấn công (cả đã biết và chưa biết) vào các miền độc lập, hỗ trợ các thuật toán phân loại tuyến tính đơn giản đạt hiệu quả cao.
  2. Các mô hình sinh dữ liệu xử lý mất cân bằng (ACGAN-SVM, CDAAE, CDAAE-KNN): Phát triển các biến thể mạng sinh kết hợp khử nhiễu và lấy mẫu vùng biên, tạo ra các mẫu tấn công tổng hợp có phân bố tương quan cao với dữ liệu thực, khắc phục hiện tượng suy giảm hiệu năng do dữ liệu bị lệch.
  3. Mô hình học chuyển giao sâu đa tầng mã hóa (MMD-AE): Đề xuất giải pháp khớp phân bố bằng độ đo MMD trên toàn bộ các tầng mã hóa của AutoEncoder, cho phép chuyển giao tri thức an ninh mạng từ thiết bị có nhãn sang thiết bị không có nhãn mà không cần gán nhãn lại dữ liệu đích.

Đóng góp thực tiễn và công bố khoa học

Các kết quả nghiên cứu trong luận án đã được công bố trong 7 công trình khoa học, bao gồm:

  • 01 bài báo trên tạp chí khoa học quốc tế thuộc danh mục SCI-Q1.
  • 01 bài báo trên tạp chí khoa học quốc tế thuộc danh mục SCIE-Q1.
  • 01 bài báo trên tạp chí khoa học quốc tế thuộc danh mục SCI-Q1 (đang trong quá trình phản biện vòng một tại thời điểm hoàn thành luận án).
  • 03 bài báo tại các kỷ yếu hội thảo quốc tế (trong đó có 01 bài hội thảo Rank B và 02 bài thuộc danh mục SCOPUS).
  • 01 bài báo trên tạp chí khoa học chuyên ngành trong nước.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế được ghi nhận

  • Phạm vi mô hình: Luận án tập trung chủ yếu vào hai nhánh kiến trúc mạng nơron sâu là AutoEncoder và Generative Adversarial Network; chưa khảo sát các kiến trúc mạng nơron khác do đặc thù 1 chiều của dữ liệu lưu lượng an ninh mạng.
  • Không gian tinh chỉnh siêu tham số: Chưa thực hiện quét và tối ưu hóa toàn bộ các tổ hợp thiết lập siêu tham số (phương pháp khởi tạo trọng số, số lớp ẩn, số nơron mỗi lớp, các hàm tối ưu hóa và tốc độ học) do giới hạn tài nguyên tính toán.
  • Phạm vi tập dữ liệu: Mặc dù đã kiểm thử trên hơn 10 bộ dữ liệu (IoT, NSL-KDD, UNSW-NB15, CTU-13), việc kiểm chứng trên nhiều môi trường mạng thực tế phức tạp hơn vẫn cần được mở rộng.

Hướng nghiên cứu tiếp theo

  • Mở rộng thử nghiệm và đánh giá các mô hình đề xuất trên các bộ dữ liệu an ninh mạng đa dạng hơn trong các môi trường mạng thế hệ mới.
  • Nghiên cứu các cơ chế tự động tối ưu hóa siêu tham số và cấu trúc mạng cho các mô hình biểu diễn và học chuyển giao sâu.

Giá trị tham khảo

  • Đối với nghiên cứu sinh và học viên cao học: Cung cấp tài liệu tham khảo hệ thống về việc áp dụng các biến thể AutoEncoder (DAE, VAE, AAE) và GAN trong bài toán xử lý dữ liệu phi cấu trúc, mất cân bằng và chuyển giao miền trong an toàn thông tin (đặc biệt là Chương 2 và Chương 4).
  • Đối với giảng viên và nhà nghiên cứu: Khung lý thuyết và phương pháp đánh giá thực nghiệm (sử dụng AUC, độ phức tạp tham số $(n+1) \times m$, kiểm tra Parzen window log-likelihood) là tài liệu tham khảo chuẩn mực cho các đề tài nghiên cứu về an ninh mạng IoT.
  • Đối với kỹ sư an toàn thông tin và phát triển hệ thống: Các giải pháp kỹ thuật cụ thể như mô hình CDAAE-KNN để làm giàu dữ liệu huấn luyện và mô hình MMD-AE để triển khai nhanh hệ thống phát hiện xâm nhập (IDS) trên các thiết bị IoT mới mà không cần gắn nhãn dữ liệu ban đầu.

Câu hỏi thường gặp

1. Luận án giải quyết vấn đề mất cân bằng dữ liệu mạng bằng những mô hình cụ thể nào?

Tác giả đề xuất ba mô hình mạng nơron sâu ở Chương 3 gồm:

  • ACGAN-SVM: Sử dụng mạng sinh đối nghịch có phân loại phụ kết hợp máy vector hỗ trợ để sinh mẫu tấn công có nhãn.
  • CDAAE: Mạng tự mã hóa đối nghịch khử nhiễu có điều kiện.
  • CDAAE-KNN: Áp dụng kỹ thuật lấy mẫu vùng biên (borderline sampling) kết hợp thuật toán K-láng giềng gần trên không gian của CDAAE để sinh các mẫu nằm sát ranh giới quyết định.

2. Điểm khác biệt cốt lõi giữa mô hình học chuyển giao MMD-AE của luận án so với các phương pháp DTL dùng AutoEncoder trước đây là gì?

Các mô hình trước đây (như SKL-AE dùng độ đo KL hoặc SMD-AE dùng độ đo MMD) chỉ thực hiện việc khớp và chuyển giao phân bố tại duy nhất tầng thắt cổ chai (bottleneck layer). Mô hình MMD-AE của luận án thực hiện chuyển giao và tối thiểu hóa khoảng cách MMD trên tất cả các tầng mã hóa (encoding layers), giúp bảo toàn các đặc trưng phân cấp của dữ liệu từ miền nguồn sang miền đích hiệu quả hơn.

3. Tại sao tác giả kết hợp hàm kích hoạt ReLU và Tanh trong mô hình AutoEncoder mà không sử dụng Sigmoid cho dữ liệu IoT?

Phân tích thực nghiệm ở Chương 1 trên tập dữ liệu IoT-4 cho thấy hàm Sigmoid gây ra hiện tượng triệt tiêu đạo hàm (vanishing gradient) khi huấn luyện trên mạng nhiều tầng với dữ liệu IoT lớn, khiến AUC chỉ đạt xấp xỉ 0,5 (tương đương phân loại ngẫu nhiên). Việc kết hợp Tanh và ReLU giúp tận dụng ưu điểm của cả hai: Tanh giảm thiểu hiện tượng "chết nơron" của ReLU, trong khi ReLU khắc phục hiện tượng triệt tiêu đạo hàm của Tanh, giúp nâng AUC lên trên 0,9.

4. Hệ số nhiễu Gaussian $\sigma_{noise}$ trong mô hình MDAE ảnh hưởng như thế nào đến hiệu năng phát hiện tấn công?

Trong các thực nghiệm tại Chương 2 trên tập dữ liệu IoT-1, mức độ lệch chuẩn nhiễu tại giá trị $\sigma_{noise} = 0,01$ mang lại điểm số AUC cao nhất cho các bộ phân loại (SVM, PCT, NCT, LR), đồng thời đạt tỷ lệ báo động sai (FAR) và tỷ lệ bỏ sót (MDR) thấp nhất.

5. Cấu hình phần cứng thực nghiệm được sử dụng xuyên suốt trong luận án là gì?

Tất cả các thực nghiệm trong luận án được thực hiện trên cùng một nền tảng tính toán đồng nhất: Hệ điều hành Ubuntu 16.04 (64-bit), bộ vi xử lý Intel Core i5-5200U CPU (2 nhân) và bộ nhớ RAM 4GB.


Kết luận

Luận án của tác giả Vũ Thị Ly đã nghiên cứu và phát triển các mô hình mạng nơron học sâu chuyên biệt cho bài toán phát hiện tấn công mạng, giải quyết ba thách thức chính về tính không đồng nhất của dữ liệu, mất cân bằng mẫu và thiếu hụt nhãn trong môi trường IoT. Thông qua việc đề xuất các mô hình học biểu diễn tiềm ẩn (MVAE, MAE, MDAE), các mô hình sinh cân bằng dữ liệu (ACGAN-SVM, CDAAE, CDAAE-KNN) và mô hình học chuyển giao sâu đa tầng mã hóa (MMD-AE), luận án đã cải thiện hiệu năng phân loại của các hệ thống phát hiện tấn công mạng trên nhiều bộ dữ liệu thực tế. Các kết quả nghiên cứu đã được chứng minh qua hệ thống thực nghiệm chặt chẽ và được công bố trên các tạp chí khoa học quốc tế uy tín thuộc danh mục SCI/SCIE và các hội thảo chuyên ngành.