Giới thiệu dự án

Sự bùng nổ của mạng lưới vạn vật kết nối (Internet of Things - IoT) đang tái định hình các lĩnh vực trọng yếu từ đô thị thông minh (Smart Cities), hệ thống y tế số (IoMT) đến tự động hóa công nghiệp (IIoT). Theo các báo cáo an ninh mạng toàn cầu, lưu lượng tấn công nhằm vào các thiết bị IoT tăng trưởng hơn 87% mỗi năm, biến cơ sở hạ tầng mạng phân tán thành mục tiêu hàng đầu của các chiến dịch tấn công từ chối dịch vụ phân tán (DDoS), quét cổng mã độc và khai thác lỗ hổng zero-day. Đứng trước thách thức đó, việc triển khai các hệ thống phát hiện xâm nhập ứng dụng học máy (ML-based Intrusion Detection System - IDS) đóng vai trò then chốt như một lá chắn phòng thủ chủ động.

Tuy nhiên, mô hình huấn luyện học máy tập trung truyền thống đang bộc lộ những điểm nghẽn nghiêm trọng: nguy cơ rò rỉ dữ liệu nhạy cảm theo các quy định quyền riêng tư (GDPR, HIPAA), gánh nặng băng thông truyền tải và giới hạn năng lực tính toán của máy chủ trung tâm. Học liên kết (Federated Learning - FL) ra đời như một bước đột phá cho phép các thiết bị IoT biên cộng tác huấn luyện một mô hình IDS toàn cục mà không cần chia sẻ dữ liệu thô. Mặc dù vậy, tính chất phi tập trung của FL lại mở ra một bề mặt tấn công nguy hiểm: tấn công đầu độc (poisoning attacks).

Vấn đề nghiên cứu cụ thể

Trong kiến trúc FL, máy chủ trung tâm hoàn toàn không có quyền truy cập vào dữ liệu cục bộ của các bên tham gia. Lỗ hổng này bị các tác nhân đe dọa (adversaries) khai thác thông qua hai hình thức nguy hiểm:

  1. Đầu độc dữ liệu (Data Poisoning): Kẻ tấn công can thiệp tập dữ liệu cục bộ bằng kỹ thuật lật nhãn (Label Flipping) hoặc sử dụng mạng sinh đối kháng (Generative Adversarial Networks - GAN) để tạo ra các mẫu đối kháng tinh vi.
  2. Đầu độc mô hình (Model Poisoning): Trực tiếp thao túng các trọng số mô hình cục bộ trước khi gửi về máy chủ (Weight-scaling, Untargeted-Med), phá vỡ khả năng hội tụ hoặc tạo cửa sau (Backdoor).

Các cơ chế phòng thủ truyền thống dựa trên phát hiện ngoại lai trong không gian trọng số (Weight Space) gặp bế tắc khi đối mặt với mô hình hàng triệu tham số, gây quá tải tính toán và đặc biệt thất bại hoàn toàn trong môi trường phân phối dữ liệu không độc lập và không đồng nhất (Non-IID - Non-Independent and Identically Distributed).

Mục tiêu dự án

  1. Nghiên cứu toàn diện 3 vector tấn công đầu độc: Mô hình hóa toán học và thực nghiệm tấn công Lật nhãn (Label-Flipping), tấn công sinh mẫu đối kháng bằng GAN (PoisonGAN), và tấn công khuếch đại tham số học (Weight-scaling model poisoning) trong ngữ cảnh IoT IDS.
  2. Thiết kế bộ khung Fed-LSAE (Federated Latent Space AutoEncoder): Xây dựng giải pháp phòng thủ mới dựa trên phân tích biểu diễn lớp áp chót (Penultimate Layer Representation - PLR) kết hợp mô hình Autoencoder và độ đo căn chỉnh nhân trung tâm (Centered Kernel Alignment - CKA).
  3. Loại bỏ phụ thuộc dữ liệu bổ trợ: Đảm bảo quá trình kiểm định cập nhật mô hình diễn ra tự trị tại máy chủ mà không cần lưu trữ bất kỳ tập dữ liệu kiểm thử thô nào (bảo vệ quyền riêng tư tuyệt đối).
  4. Thực nghiệm và kiểm chứng đa nền tảng: Đánh giá độ bền vững trên hai bộ dữ liệu chuẩn an ninh mạng IoT hiện đại là CIC-ToN-IoT và N-BaIoT dưới cả hai điều kiện phân phối IID và Non-IID.

Phạm vi và giới hạn

  • Phạm vi: Tập trung vào các mạng nơ-ron học sâu (CNN, LeNet) ứng dụng trong bài toán phân loại lưu lượng mạng đa lớp (Multi-class Threat Classification) tại tầng biên IoT.
  • Giới hạn: Nghiên cứu giả định các kênh truyền thông giữa Client và Server được bảo vệ bởi giao thức mã hóa TLS; cơ chế tập trung giải quyết việc kiểm định tính toàn vẹn ngữ nghĩa của các cập nhật mô hình.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Giải pháp Cơ chế chính Ưu điểm Nhược điểm lớn Khả năng thích ứng Non-IID
Krum / Multi-Krum Khoảng cách Euclidean trên không gian trọng số Đơn giản, độ phức tạp $O(n^2 \cdot d)$ Cần biết trước số lượng kẻ tấn công ($f$); chi phí tính toán cao khi $d$ lớn Kém (loại bỏ nhầm client lành tính)
Trimmed Mean / Median Thống kê tọa độ tham số Kháng nhiễu ngoại lai cơ bản Không bắt được tấn công xoay hướng gradient tinh vi Trung bình
FLARE Phân tích Penultimate Layer (PLR) + Trust Score Độ chính xác nhận diện cao hơn không gian trọng số Vi phạm riêng tư: Đòi hỏi tập dữ liệu thô đại diện trên máy chủ Tốt nhưng phụ thuộc dữ liệu ngoài
FedCC So sánh PLR bằng thuật toán CKA + Phân cụm 2 nhóm Không cần dữ liệu bổ trợ trên server Véc-tơ PLR bị mất ổn định do nhiễu trọng số trong điều kiện Non-IID Trung bình - Kém khi Non-IID cao
Fed-LSAE (Đề xuất) PLR + Bottleneck Autoencoder + CKA + Clustering Giảm chiều tối ưu, lọc nhiễu tham số, không cần dữ liệu ngoài Cần bước tiền huấn luyện Autoencoder nhẹ ban đầu Xuất sắc (Độ chính xác > 95%)

Ưu tiên yêu cầu hệ thống (MoSCoW)

  • Must Have (Bắt buộc): Khả năng trích xuất PLR từ các mô hình nơ-ron cục bộ; mô-đun Autoencoder nén đặc trưng; thuật toán tính ma trận tương đồng CKA thông qua tiêu chuẩn độc lập Hilbert-Schmidt (HSIC); thuật toán phân cụm loại bỏ nhóm cập nhật độc hại.
  • Should Have (Nên có): Tự động thích ứng ngưỡng phân cụm trong môi trường tỷ lệ client độc hại biến thiên ($m = 10% - 40%$).
  • Could Have (Có thể có): Hỗ trợ tích hợp học chuyển giao (Transfer Learning) cho bộ mã hóa Autoencoder khi cấu trúc mạng thay đổi.
  • Won't Have (Chưa thực hiện): Cơ chế giải mã đồng cấu trực tiếp trên không gian tiềm ẩn mã hóa đầu cuối.

Thiết kế hệ thống

Technology Stack và Phiên bản

  • Ngôn ngữ cốt lõi: Python 3.9.16
  • Khung học sâu & Học liên kết: PyTorch 1.13.1, Torchvision 0.14.1, Flower FL Framework 1.3.0
  • Phân tích dữ liệu & Xử lý số học: NumPy 1.24.2, SciPy 1.10.1, Pandas 1.5.3, Scikit-learn 1.2.2
  • Môi trường tính toán: CUDA 11.7, NVIDIA cuDNN 8.5.0 trên hệ thống phần cứng GPU máy chủ InSecLab

Methodology

Quy trình nghiên cứu và phát triển được xây dựng theo phương pháp luận lặp (Iterative Research Methodology) qua 5 giai đoạn:

  1. Giai đoạn 1 (Tuần 1 - 3): Khảo sát toán học về không gian tiềm ẩn (Latent Space) và xây dựng bộ sinh tấn công GAN, Label-Flipping.
  2. Giai đoạn 2 (Tuần 4 - 7): Hiện thực kiến trúc Autoencoder trích xuất Latent Space Representation (LSR) và giải thuật CKA dựa trên HSIC.
  3. Giai đoạn 3 (Tuần 8 - 11): Tích hợp quy trình kiểm định vào vòng lặp tổng hợp Federated Averaging (FedAvg) và cấu hình môi trường Non-IID (phân phối Dirichlet).
  4. Giai đoạn 4 (Tuần 12 - 15): Benchmark trên tập dữ liệu CIC-ToN-IoT và N-BaIoT với các kịch bản tỷ lệ tấn công $m \in {20%, 40%}$.
  5. Giai đoạn 5 (Tuần 16 - 18): Đánh giá rủi ro, phân tích ma trận tương quan và tối ưu hóa tài nguyên tính toán.

Implementation và kết quả

Chi tiết thuật toán và Cấu trúc mã nguồn

Cơ chế phòng thủ của Fed-LSAE dựa trên nguyên lý: biểu diễn lớp áp chót (PLR) của các mô hình lành tính sẽ có sự tương đồng phân phối cao trong không gian biểu diễn đặc trưng, trong khi các mô hình bị đầu độc sẽ tạo ra độ lệch pha rõ rệt. Autoencoder đóng vai trò nén và lọc nhiễu véc-tơ PLR để thu được véc-tơ không gian tiềm ẩn (LSR) tối ưu.

Độ tương đồng giữa LSR của client cục bộ $H_i$ và LSR của mô hình toàn cục $H_{global}$ được định lượng thông qua chỉ số Centered Kernel Alignment (CKA):

$$CKA(K, L) = \frac{HSIC(K, L)}{\sqrt{HSIC(K, K) \cdot HSIC(L, L)}}$$

Trong đó $K = H_i H_i^T$ và $L = H_{global} H_{global}^T$ là các ma trận nhân (Kernel Matrices), và $HSIC$ là tiêu chuẩn độc lập Hilbert-Schmidt:

$$HSIC(K, L) = \frac{1}{(n-1)^2} \text{tr}(K H_c L H_c)$$

với $H_c = I_n - \frac{1}{n}\mathbf{1}\mathbf{1}^T$ là ma trận căn giữa (centering matrix).

import torch
import torch.nn as nn
import numpy as np
from sklearn.cluster import KMeans

class LatentSpaceAutoEncoder(nn.Module):
    """Mô-đun AutoEncoder trích xuất biểu diễn không gian tiềm ẩn (LSR)."""
    def __init__(self, input_dim=128, latent_dim=32):
        super(LatentSpaceAutoEncoder, self).__init__()
        # Bộ mã hóa (Encoder)
        self.encoder = nn.Sequential(
            nn.Linear(input_dim, 64),
            nn.ReLU(inplace=True),
            nn.Linear(64, latent_dim),
            nn.ReLU(inplace=True)
        )
        # Bộ giải mã (Decoder)
        self.decoder = nn.Sequential(
            nn.Linear(latent_dim, 64),
            nn.ReLU(inplace=True),
            nn.Linear(64, input_dim)
        )

    def forward(self, x):
        latent = self.encoder(x)
        reconstructed = self.decoder(latent)
        return latent, reconstructed

def centering_matrix(n: int) -> torch.Tensor:
    """Tạo ma trận căn giữa H_c."""
    return torch.eye(n) - (1.0 / n) * torch.ones((n, n))

def compute_hsic(K: torch.Tensor, L: torch.Tensor) -> torch.Tensor:
    """Tính toán Hilbert-Schmidt Independence Criterion (HSIC)."""
    n = K.shape[0]
    H_c = centering_matrix(n).to(K.device)
    K_c = torch.mm(torch.mm(H_c, K), H_c)
    L_c = torch.mm(torch.mm(H_c, L), H_c)
    return torch.trace(torch.mm(K_c, L_c)) / ((n - 1) ** 2)

def compute_cka(latent_local: torch.Tensor, latent_global: torch.Tensor) -> float:
    """Tính điểm tương đồng CKA giữa biểu diễn cục bộ và toàn cục."""
    K = torch.mm(latent_local, latent_local.t())
    L = torch.mm(latent_global, latent_global.t())
    hsic_kl = compute_hsic(K, L)
    hsic_kk = compute_hsic(K, K)
    hsic_ll = compute_hsic(L, L)
    cka_score = hsic_kl / (torch.sqrt(hsic_kk * hsic_ll) + 1e-8)
    return cka_score.item()

def inspect_and_filter_updates(local_models, global_model, autoencoder):
    """
    Quy trình kiểm định và loại bỏ cập nhật độc hại của Fed-LSAE
    """
    autoencoder.eval()
    cka_scores = []
    
    # 1. Trích xuất PLR của Global Model
    with torch.no_grad():
        plr_global = global_model.get_penultimate_weights() # shape: [N, D]
        lsr_global, _ = autoencoder(plr_global)
    
    # 2. Tính CKA score cho từng Client
    for client_id, model in enumerate(local_models):
        with torch.no_grad():
            plr_local = model.get_penultimate_weights()
            lsr_local, _ = autoencoder(plr_local)
            score = compute_cka(lsr_local, lsr_global)
            cka_scores.append(score)
            
    # 3. Phân cụm 2 nhóm (K-Means k=2) trên tập điểm CKA
    scores_array = np.array(cka_scores).reshape(-1, 1)
    kmeans = KMeans(n_clusters=2, random_state=42, n_init=10).fit(scores_array)
    labels = kmeans.labels_
    
    # Nhóm có giá trị CKA trung bình cao hơn là nhóm lành tính
    cluster_means = [scores_array[labels == i].mean() for i in range(2)]
    benign_cluster_id = np.argmax(cluster_means)
    
    selected_indices = [i for i, lbl in enumerate(labels) if lbl == benign_cluster_id]
    return selected_indices, cka_scores

Testing và Validation

Quá trình kiểm chứng được thiết lập trên 2 tập dữ liệu lưu lượng mạng IoT thực tế:

  1. CIC-ToN-IoT: Tập dữ liệu thu thập từ kiến trúc mạng IoT phân tầng, bao gồm tấn công DoS, DDoS, Ransomware, Backdoor, XSS, Scanning.
  2. N-BaIoT: Tập dữ liệu lưu lượng mạng thu giữ trực tiếp từ 9 thiết bị IoT thương mại bị lây nhiễm mạng mã độc Mirai và BASHLITE.

Dữ liệu được chia thành các phân vùng client theo phân phối độc lập đồng nhất (IID) và phân phối lệch phi đồng nhất (Non-IID với hệ số Dirichlet $\alpha = 0.5$).

Kết quả đạt được

1. Hiệu suất phòng thủ trước tấn công Untargeted-Med (Mô hình CNN)

Kịch bản phân phối Tỷ lệ tấn công ($m$) Cơ chế phòng thủ Accuracy (%) Precision (%) Recall (%) F1-Score (%)
IID Data $m = 20%$ Baseline FedAvg 78.42 75.10 78.42 0.762
FedCC 96.15 96.20 96.15 0.961
Fed-LSAE (Ours) 99.24 99.25 99.24 0.992
IID Data $m = 40%$ Baseline FedAvg 54.18 51.20 54.18 0.523
FedCC 91.80 92.05 91.80 0.918
Fed-LSAE (Ours) 98.87 98.90 98.87 0.988
Non-IID Data $m = 20%$ Baseline FedAvg 68.30 66.45 68.30 0.671
FedCC 82.40 83.10 82.40 0.825
Fed-LSAE (Ours) 97.65 97.80 97.65 0.976
Non-IID Data $m = 40%$ Baseline FedAvg 46.12 42.80 46.12 0.439
FedCC 74.50 75.20 74.50 0.743
Fed-LSAE (Ours) 95.82 96.10 95.82 0.958

2. Đánh giá độ tách biệt không gian tiềm ẩn (CKA Trust Score Separation)

Thực nghiệm đo khoảng cách giữa CKA score của client lành tính ($S_{benign}$) và client độc hại ($S_{malicious}$) chứng minh tính vượt trội của Fed-LSAE:

  • Trong FedCC: Khoảng cách $\Delta S = \overline{S}{benign} - \overline{S}{malicious}$ chỉ đạt $0.18 \pm 0.05$ ở điều kiện Non-IID, dẫn đến việc phân cụm nhầm lẫn giữa client Non-IID lành tính và kẻ tấn công.
  • Trong Fed-LSAE: Nhờ lớp trích xuất Autoencoder, khoảng cách $\Delta S$ được mở rộng lên $0.62 \pm 0.03$, tạo ranh giới phân tách nhị phân rõ ràng cho thuật toán phân cụm.

Đổi mới và đóng góp

Các đột phá kỹ thuật cốt lõi

  1. Kiến trúc thanh lọc không gian đặc trưng hai tầng (Dual-stage Latent Inspection): Kết hợp phân tích lớp áp chót (PLR) với cấu trúc thắt nút (Bottleneck) của Autoencoder. Điều này triệt tiêu hoàn toàn sự dao động ngẫu nhiên của các trọng số nơ-ron cục bộ, nén không gian tham số từ hàng trăm nghìn chiều xuống véc-tơ không gian tiềm ẩn 32 chiều cô đọng.
  2. Khắc phục triệt để điểm nghẽn Non-IID: Sử dụng thuật toán CKA trên không gian tiềm ẩn thay thế cho khoảng cách Cosine hoặc khoảng cách Euclidean truyền thống. CKA đo lường tính tương quan cấu trúc biểu diễn thay vì so sánh trực tiếp độ lớn giá trị tham số, giúp phân biệt chính xác giữa một client có dữ liệu lệch tự nhiên (Non-IID) và một client cố tình tiêm mã độc.
  3. Mô hình phòng thủ Zero-Auxiliary Data: Không yêu cầu máy chủ phải lưu trữ hay thu thập tập dữ liệu đại diện như FLARE. Điều này bảo toàn nguyên vẹn cam kết bảo vệ quyền riêng tư của mô hình học liên kết FL, ngăn ngừa rủi ro rò rỉ dữ liệu khi máy chủ trung tâm bị tấn công chiếm quyền.

Công bố khoa học và Ghi nhận chuyên môn

Các kết quả và đóng góp trong công trình này đã được ghi nhận thông qua các giải thưởng và công bố khoa học uy tín:

  • Giải Khuyến khích - Lĩnh vực Công nghệ Thông tin, Giải thưởng Sinh viên Nghiên cứu Khoa học Euréka lần thứ XXIV (2022).
  • Bài báo khoa học xuất bản: Hội nghị thường niên NAFOSTED về Khoa học Thông tin và Máy tính lần thứ 8 (NICS 2021).
  • Bài báo khoa học xuất bản: Hội nghị Quốc tế lần thứ 18 về Thực hành và Kinh nghiệm Bảo mật Thông tin (ISPEC 2023).
  • Bài báo khoa học xuất bản: Hội nghị Quốc tế về Công nghệ Thông tin và Truyền thông lần thứ 11 (SOICT 2022).
  • Bản thảo nộp tạp chí chuyên ngành: Tạp chí quốc tế uy tín IEEE Transactions on Information Forensics and Security (TIFS) (Đang trong quy trình bình duyệt).

Ứng dụng thực tế và triển khai

Kịch bản triển khai thực tế

  1. Bảo vệ mạng lưới thiết bị y tế thông minh (IoMT): Các bệnh viện liên kết đào tạo mô hình nhận diện mã độc tống tiền (Ransomware) mà không được phép chia sẻ hồ sơ bệnh án bệnh nhân ra bên ngoài.
  2. Hệ thống điều khiển công nghiệp (SCADA / Smart Factory): Các trạm biến áp và dây chuyền sản xuất tự động phát hiện xâm nhập thời gian thực trước các đợt tấn công APT nguy hiểm mà không làm gián đoạn độ trễ vận hành.

Yêu cầu hệ thống và Triển khai

Cấu hình Máy chủ Trung tâm (Fed-LSAE Aggregator)

  • CPU: Tối thiểu 8 Cores (Intel Xeon hoặc AMD EPYC tương đương).
  • RAM: 32 GB DDR4/DDR5 ECC.
  • GPU: NVIDIA RTX 3090 / A4000 (VRAM tối thiểu 16 GB) để xử lý song song giải thuật trích xuất Autoencoder và tính ma trận CKA.
  • Hệ điều hành: Ubuntu Server 22.04 LTS, Docker Container Engine 24.0+.

Cấu hình Thiết bị Biên (Edge Client Nodes)

  • Thiết bị hỗ trợ: Raspberry Pi 4 (4GB/8GB RAM), NVIDIA Jetson Nano / Xavier NX, hoặc Industrial Edge Gateway.
  • Năng lực tính toán: Tương thích kiến trúc ARM64 hoặc x86_64, hỗ trợ PyTorch Mobile hoặc ONNX Runtime.

Phân tích chi phí và Lợi ích đầu tư (Cost-Benefit & ROI)

  • Tiết kiệm băng thông: Giảm hơn 94% lưu lượng truyền tải mạng so với việc gửi dữ liệu lưu lượng mạng thô về máy chủ tập trung (chỉ truyền tải trọng số mô hình dạng nhị phân nén).
  • Tối ưu hóa chi phí vận hành (OpEx): Ngăn ngừa các vụ rò rỉ dữ liệu trị giá hàng triệu USD do vi phạm quy định bảo mật thông tin, đồng thời tự động hóa hoàn toàn khâu rà quét mô hình mà không cần chuyên viên phân tích can thiệp thủ công vào từng vòng lặp huấn luyện.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phụ thuộc bước khởi tạo Autoencoder: Bộ mã hóa Autoencoder cần được huấn luyện trước trên một cấu trúc mô hình tương đồng để đảm bảo trích xuất chính xác không gian tiềm ẩn đại diện.
  2. Chi phí tính toán ma trận Kernel: Thuật toán tính ma trận CKA có độ phức tạp tỷ lệ với bình phương kích thước véc-tơ đại diện $O(n^2)$, có thể tạo ra độ trễ nhỏ nếu số lượng client tham gia đồng thời trong một vòng vượt quá 1.000 thiết bị.

Hướng phát triển trong tương lai

  • Tích hợp Mã hóa đồng cấu (Homomorphic Encryption): Cho phép tính toán độ đo CKA trực tiếp trên các véc-tơ không gian tiềm ẩn đã được mã hóa, nâng mức độ bảo vệ quyền riêng tư lên chuẩn cấp quân sự.
  • Cơ chế phân cụm thích ứng động (Adaptive Dynamic Clustering): Thay thế giải thuật K-Means cố định $k=2$ bằng các thuật toán phân cụm mật độ tự điều chỉnh (như HDBSCAN) để xử lý các kịch bản tấn công thông đồng nhiều tầng (Collusion Attacks).
  • Mở rộng cho mô hình ngôn ngữ lớn biên (Edge LLMs): Nghiên cứu tính khả thi của Fed-LSAE trong việc bảo vệ các mô hình nền tảng phân tán chống lại tấn công đầu độc tinh chỉnh (Fine-tuning poisoning).

Đối tượng hưởng lợi

  • Sinh viên và Học viên Công nghệ Thông tin: Tiếp cận mã nguồn mở, tài liệu nghiên cứu chuyên sâu về an toàn thông tin hiện đại và ứng dụng trí tuệ nhân tạo thực chiến.
  • Kỹ sư Phần mềm & An ninh Mạng (Developers): Tận dụng trực tiếp kiến trúc LatentSpaceAutoEncoder và hàm tính compute_cka để tích hợp vào các pipeline AIoT thực tế.
  • Doanh nghiệp & Giám đốc An toàn Thông tin (CISOs): Sở hữu giải pháp an ninh mạng phi tập trung, phòng ngừa hiệu quả các cuộc tấn công phá hoại mô hình mà không vi phạm quy định pháp lý về dữ liệu.
  • Cộng đồng Nghiên cứu Khoa học (Researchers): Mở ra hướng tiếp cận mới trong việc khai thác không gian tiềm ẩn (Latent Space Representation) để giải quyết bài toán Byzantine-robust trong học máy phân tán.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai Fed-LSAE là gì?

Máy chủ điều phối cần trang bị tối thiểu 8 CPU cores, 32 GB RAM và một GPU hỗ trợ CUDA (tối thiểu 8 GB VRAM như RTX 3060 trở lên) để tính toán ma trận CKA nhanh chóng. Phía client IoT chỉ cần thiết bị biên có khả năng chạy Python và PyTorch Lite (ví dụ Raspberry Pi 4 với 4 GB RAM).

2. Fed-LSAE giải quyết bài toán suy giảm hiệu năng khi dữ liệu bị phân tán Non-IID như thế nào?

Trong điều kiện Non-IID, các tham số trọng số mô hình thô dao động rất lớn, khiến các thuật toán dựa trên khoảng cách Euclidean coi nhầm client lành tính là kẻ tấn công. Fed-LSAE giải quyết bằng cách trích xuất véc-tơ ngữ nghĩa lớp áp chót (PLR), nén qua Autoencoder và sử dụng độ đo CKA để so sánh tính liên kết cấu trúc nơ-ron thay vì giá trị số học tuyệt đối, giúp giữ lại các client Non-IID lành tính với độ chính xác trên 95%.

3. Fed-LSAE có tích hợp được với các hệ sinh thái IoT hiện hữu không?

Có. Fed-LSAE được đóng gói theo dạng mô-đun phần mềm trung gian (Middleware) độc lập, tương thích chuẩn với Flower FL và PySyft. Hệ thống có thể gắn trực tiếp vào các cổng giao tiếp API của hệ thống giám sát an ninh mạng SIEM/SOAR hiện có qua giao thức gRPC hoặc RESTful API.

4. Chi phí vận hành và bảo trì hệ thống Fed-LSAE có cao không?

Rất thấp. Sau khi hoàn tất giai đoạn tiền huấn luyện nhẹ cho Autoencoder, toàn bộ quá trình trích xuất LSR và phân cụm CKA tại mỗi vòng lặp chỉ mất vài mili-giây (ms) trên GPU. Hệ thống hoàn toàn tự động hóa việc lọc bỏ mô hình độc hại mà không cần sự can thiệp thủ công của kỹ sư bảo mật.

5. Khung giải pháp Fed-LSAE có khả năng chống lại tấn công đầu độc có mục tiêu (Targeted Backdoor Attacks) không?

Có. Thực nghiệm trên các tập dữ liệu CIC-ToN-IoT cho thấy ngay cả khi kẻ tấn công chỉ kích hoạt backdoor trên một nhãn lưu lượng đơn lẻ (Backdoor Trigger), biểu diễn lớp áp chót (PLR) của mô hình bị tiêm nhiễm vẫn biểu hiện sự phân cực không gian đặc trưng so với mô hình toàn cục, giúp Fed-LSAE dễ dàng cô lập và loại bỏ mô hình đó khỏi vòng tổng hợp FedAvg.

Kết luận

Đồ án khóa luận tốt nghiệp Fed-LSAE đã giải quyết thành công một trong những thách thức cốt lõi và cấp bách nhất của an ninh mạng thời đại AIoT: bảo vệ hệ thống phát hiện xâm nhập học liên kết trước các cuộc tấn công đầu độc tinh vi. Bằng việc kết hợp sáng tạo giữa biểu diễn lớp áp chót (PLR), bộ tự mã hóa (Autoencoder) và độ đo căn chỉnh nhân trung tâm (CKA), Fed-LSAE đã thiết lập một tiêu chuẩn phòng thủ mới vượt trội hơn các công trình tiền nhiệm như FedCC hay FLARE.

Hệ thống đạt độ chính xác phát hiện mối đe dọa vượt trên 98.8% trong điều kiện IID và duy trì độ ổn định 95.8% trong môi trường Non-IID phức tạp, đồng thời bảo vệ trọn vẹn quyền riêng tư dữ liệu và tối ưu hóa tài nguyên tính toán biên. Thành công của đề tài không chỉ được minh chứng qua các công bố khoa học quốc tế uy tín (NICS, ISPEC, SOICT) mà còn mở ra tiềm năng thương mại hóa rộng lớn trong việc xây dựng các trung tâm điều hành an ninh mạng (SOC) thế hệ mới cho các đô thị thông minh và hạ tầng công nghiệp 4.0.