Chương 1 TỔNG QUAN ĐỀ TÀI Tóm tat chương Trong chương này, chúng tôi xin trình bày tóm tắt về lí do chọn dé tài, đồng thời đưa ra mục tiêu, phạm vi nghiên cứu, cũng như cấu trúc của khóa luận. 11 Lý do chọn để tài Trong những năm trở lại đây, mạng lưới vạn vật kết nói (Internet of Things - IoT) đã và đang trở thành một công nghệ đột phá, thay đổi cách chúng ta tương tác với thế giới xung quanh. IoT là một mạng lưới rộng lớn các thiết bị, máy móc, đối tượng vật lý và cảm biến được k ¡ với nhau thông qua Internet, cho phép các thiết bị này giao tiếp và trao đổi dữ liệu với nhau một cách tự động và không cần sự can thiệp của con người. Các ứng dụng tiềm năng của IoT rất đa dang và bao phủ nhiễu lĩnh vực, bao gồm chăm sóc sức khỏe, giao thông vận tải, nông nghiệp, sản xuất và các thành phố thông minh.
Tuy nhiên, sự phát triển nhanh chóng của IøT cũng đặt ra nhiều rủi ro đáng kể về an ninh mạng phải được giải quyết [43] [32]. Một trong những mối đe dọa phổ biến nhất mà các hệ thống IoT phải đối mặt là các cuộc tấn công mạng. Tội phạm mạng có thể khai thác những lỗ hổng bảo mật trong các cơ sở hạ tang và thiết bị IoT để chiếm được quyền truy cập trai phép, trích xuất thông tin nhạy cảm, gây ra thiệt hại về mặt vật lý hoặc thực hiện các cuộc tần công quy mô lớn như tan công từ chối dich vụ phân tán (DDoS). Do đó, nhu cầu xây dựng hệ thống phát hiện xâm nhập (IDS) như một lớp phòng thủ chống lại các mối đe doa mạng trong cơ sở hạ tang IoT đang trở nên ngày càng quan trọng và cấp thiết [4] [18].
TỔNG QUAN ĐỀ TÀI Để nâng cao khả năng phát hiện các lưu lượng mạng độc hại và tận dụng lượng lớn dữ liệu được tạo ra bởi các thiết bị IơT, nhiều tổ chức đã ứng dụng các thuật toán học máy (ML) [41] trong việc xây dựng các hệ thống IDS bền vững, hay còn gọi là ML-based IDS [42] [8] [1] [10]. Tuy nhiên, cách tiếp cận tiêu chuẩn để xây dựng mô hình học máy ngày nay là tập hợp tất cả dữ liệu đào tạo ở một máy chủ duy nhất, và sau đó đào tạo mô hình trên lượng dir liệu thu thập được. Nhung cách tiếp cận này dang dan trở nên không khả thi trong thực tế vì lý do riêng tư và bảo mật khi thu thập dữ liệu [23] [9]. Rủi ro thất thoát dữ liệu nhạy cảm trong quá trình lưu trữ, truyền và chia sé dữ liệu đã day lên những lo ngại về tính riêng tư của các chủ sở hữu đữ liệu.
Ngoài ra, chi phí tính toán nặng né cũng là một thách thức lớn trong việc đào tạo một mô hình ML truyền thống. Trong bối cảnh đó, phương pháp học liên kết (Federated Learning - FL) [14] xuất hiện như một giải pháp có thể đảm bảo được sự cân bằng giữa việc huan luyện mô hình ML hiệu quả mà vẫn dam bảo tính bảo mật và riêng tư của dữ liệu [39], [48]. Kỹ thuật học máy này cho phép nhiều thực thể, tổ chức tham gia vào huấn luyện cộng tác một mô hình chung một cách phân tán. Cụ thể, sau khi nhận được thông số mô hình từ máy chủ toàn cục, các bên tham gia thực hiện huấn luyện mô hình cục bộ dựa trên bộ dữ liệu sẵn có, ngay tại thiết bị đó.
Các tham số học cục bộ này, thay vì dữ liệu đào tạo, sẽ được gửi lên cho máy chủ trung tâm, phục vụ cho việc tổng hợp thành một phiên bản mới cho mô hình toàn cục mà vẫn giữ được tính riêng tư dir liệu. Quá trình này diên ra lặp lại trong nhiều chu kì cho đến khi mô hình toàn cục hội tụ và đạt hiệu năng như mong đợi. Điều này có nghĩa rằng, mô hình học liên kết có thể tận dụng được nhiều nguồn dt liệu da dang mà vẫn dam bảo tính riêng tu và bảo mật của dữ liệu. Ngoài ra, việc huấn luyện phi tập trung giúp giảm thiểu được chỉ phí huấn luyện cho máy chủ trung tâm.
Do đó, việc sử dụng FL nhằm đào tạo các trình phát hiện mối đe dọa mạng trong ngữ cảnh IoT [2] [16] [37] dường như là một chiến lược tiềm năng trong lĩnh vực bảo mật. Mặc dù vậy, FL vẫn tồn tại một số điểm yếu [6] [47] [56] [44] khi đối mặt với những cá nhân hay tổ chức tham gia không thiện chí. Nói cách khác, kiến trúc FL hoàn toàn có thể bị tan công đầu độc (poisoning attack) bởi chính các tổ chức tham gia liên kết nếu không có các thao tác xác thực phù hợp trước khi cập nhật Chương 1. TỔNG QUAN ĐỀ TÀI mô hình.
Những kẻ tan công dưới danh nghĩa người tham gia liên kết có tình cập nhật các tham số học độc hại lên mô hình toàn cục, gây nên sự nl hầm lẫn và sai sót trong quá trình huấn luyện của toàn bộ hệ thống tham gia học liên kết. Chúng có thể thực hiện tấn công đầu độc theo nhiều cách khác nhau, trong đó có hai cách chính: đầu độc qua dữ liệu (data poisoning) [47] và dau déc qua mô hình (model poisoning) [12] [6]. Đối với data poisoning, các tổ chức không thiện chí cố ý thao túng một lượng dữ liệu cục bộ hoặc tạo thêm các mẫu đối kháng để huấn luyện mô hình cục bộ, từ đó cập nhật tham số học độc hại lên máy chủ toàn cục. Trong khi đó, model poisoning xảy ra khi các bên tấn công thực hiện tinh chỉnh trực tiếp trên từng tham số học nhằm phá hoại sự hội tụ của mô hình toàn cục sau khi tổng hợp.
Do đó, đã có nhiều cơ chế phòng thủ bền vững [19] [3] [30] [22] [58] chống lại các cuộc tấn công đầu độc được giới thiệu cho cộng đồng nghiên cứu trong vài năm qua. Hầu hết các cơ chế phòng thủ được xây dựng dựa trên phát hiện bat thường [49] [58] [24] [26] và xác đỉnh một mô hình cập nhật bất thường là một điểm ngoại lai so với các nhóm độc hại. Các điểm ngoại lai sau đó được loại bỏ khỏi bước tổng hợp ở phía máy chủ trung tâm để đảm bảo hiệu suất ổn định của mô hình toàn cục. Tuy nhiên, các phương pháp này hoàn toàn phụ thuộc vào không gian tham số mô hình, trong khi các kiến trúc học máy trong thực tế được xây dựng với hàng triệu đến hàng tỷ tham só.
Do đó, các bộ khung phòng thủ đã dé cập phải đối mặt với một lượng lớn các tham số trọng lượng có kích thước lớn, đặt gánh nặng tính toán và khó khăn trong việc phát hiện các mô hình độc hại một cách rõ ràng. Ngoài ra, một số phương pháp phòng thủ cũng cần biết trước một số thông tin như số lượng kẻ tan công [58], gây ra sự không khả thi trong môi trường thực tế. Đồng thời, các giải pháp này gặp nhiều khó khăn trong việc phân biệt giữa các mô hình độc hại và các mô hình lành tính được huấn luyện trên phân phối dữ liệu không đồng nhất và độc lập (non-Independent and Identically Distributed - non-IID) [59] [27] [17]. Gần đây, một xu hướng mới sử dụng không gian tiềm ẩn (Latent space) như FedCC [21], FLARE [52] đã được công bé để giải quyết những hạn chế đó.
Bằng cách trích xuất và so sánh biểu diễn lớp áp chót (Penultimate Layer Representa- tion - PLR) giữa các mô hình, các giải pháp FedCC [21] và FLARE [52] đã chỉ ra Chương 1. TỔNG QUAN ĐỀ TÀI rằng PLR của các mô hình lành tính sẽ theo một dạng giống nhau, trong khi PLR độc hại tuân theo các hướng khác. Tuy nhiên, [52] yêu cầu một bộ dữ liệu bổ trợ trên máy chủ để tính toán PLR cho mỗi mô hình cục bộ, điều này có thể vi phạm các tiêu chuẩn bảo đảm tính riêng tư dữ liệu của FL, đặc biệt là trong trường hợp máy chủ toàn cục bị thao túng. Trong khi đó, phương pháp FedCC [21] trích xuất PLR trực tiếp từ các mô hình được cập nhật mà không sử dụng bộ dữ liệu bổ trợ như FLARE, điều này có thé gây ra sự không ổn định của các PLR nếu mỗi mô hình cục bộ được đào tạo trên một phân phối dữ liệu khác nhau hay trường hợp non-IID.
Do đó, trong khóa luận nay, chúng tôi dé xuất một cơ chế chống tần công đầu độc dựa trên không gian tiềm ẩn mới, gọi là Fed-LSAE, có thể hoạt động tốt ngay cả trong môi trường dữ liệu không độc lập và đồng nhất (non-IID). Cụ thể hơn, biểu diễn lớp áp chót PLR sẽ được sử dụng như là thành phân cét lõi đầu tiên dua trên không gian tiềm ẩn để phát hiện các mô hình độc hại. Hơn nữa, để giải quyết van đề được dé cập trong FedCC [21], chúng tôi thực hiện sử dụng bộ tự mã hóa (Autoencoder - AE) như một mô-đun thứ hai để giảm bớt sự không ổn định của các véc-tơ PLR thông qua trích xuất biểu diễn không gian tiềm ẩn (Latent space representation - LSR) của PLR ở đầu ra của bộ mã hóa (encoder). Bằng cách học được LSR của các mô hình cập nhật, giải pháp có thể xác định được mức độ tương đồng giữa các trọng số được cập nhật và mô hình toàn cục thông qua điểm được tính bằng thuật toán Centered Kernel Alignment (CKA).
Điểm CKA sau đó được phân cụm thành hai nhóm, trong đó nhóm lớn hơn sẽ được chọn làm các mô hình không độc hại và được sử dụng cho việc tổng hợp bằng thuật toán tổng hợp FedAvg. 12 Phương pháp nghiên cứu Chúng tôi thực hiện nghiên cứu và tìm hiểu về các loại trình phát hiện xâm nhập truyền thống và ứng dụng học máy (ML-based IDS). Từ đó, chúng tôi xây dựng thành công mô hình huấn luyện ML-based IDS trên môi trường học liên kết (FL). Các kĩ thuật tan công đầu độc sau đó sẽ được phát triển để đánh giá tính bền vững của kiến trúc FL trước khi đưa ra giải pháp chống các cuộc tấn công đầu độc trên bằng chiến thuật phân tích không gian tiềm ẩn của các mô hình cục bộ.
TỔNG QUAN ĐỀ TÀI Cuối cùng, chúng tôi tiến hành triển khai, đánh giá hiệu suất của công cụ dé xuất và đưa ra hướng mở rộng trong tương lai.3 Mục tiêu nghiên cứu Khóa luận gồm bốn mục tiêu chính như sau: 1. Nghiên cứu về 3 loại tan công đầu độc điển hình, bao gồm cả đầu độc dữ liệu và mô hình, nhằm phá hoại ML-based IDS dựa trên FL trong bối cảnh TơT.