Chương 1 TỔNG QUAN 11 Giới thiệu bài toán Với sự phát triển nhanh chóng của lĩnh vực công nghệ thông tin đã làm cho các thiết bị điện tử bao phủ rộng khắp. Đặc biệt, các thiết bị IoT được ra đời ngày càng nhiều và đa dạng dẫn đến sự gia tăng lượng lớn dữ liệu trong suốt quá trình vận hành. Từ đó dẫn đến nhiều thách thức cho các van dé về an toàn thông qua việc chia sẽ dữ liệu (13). Hơn thé nữa, các thiết bị IơT chưa dam bao được tính bảo mật dẫn đến nguy cơ bị khai thác bởi các mã độc, những cuộc tấn công từ các tin tặc,.
dẫn đến những thách thức nghiêm trong cho các thiết bị và dữ liệu cá nhân. Trong lĩnh vực an ninh mạng việc đưa ra các dự đoán một cách chính xác để có thể ngăn chặn nguy cơ ở không gian mạng van là một van dé cần được quan tâm. Và các hệ thống phát hiện tấn công (Instrusion Detection System — IDS) này chính là giải pháp thiết yêu. IDS được phát triển và được xem là một thành phan quan trong để ngăn chặn các hoạt động tấn công mạng.
Và để IDS có thể hoạt động hiệu quả cần phải cập nhật liên tục để có thể xác định được cái nguy cơ gây hại cho hệ thống. Hơn thế nữa với mong muốn đạt hiệu quả dự đoán tốt hơn đối với chẩn đoán những lưu lượng mạng độc hại chưa biết trước, IDS được áp dụng các phương pháp học máy nhằm tăng khả năng phát hiện bat thường trong các lưu lượng mang [27]. Một số nghiên cứu trong các năm Chương 1. TONG QUAN 4 gần đây đã chứng minh được hiệu quả của việc áp dụng máy học trong các hệ thống IDS.
Nhưng lượng lớn đữ liệu và ngày càng tăng thêm cũng là một thách thức lớn trong việc áp dụng các mô hình máy học tập trung này vào thực tế, bởi vì các chỉ phí duy trì máy chủ và hệ thống mạng huấn luyện với lượng đữ liệu lớn thường rất lớn. Cùng với đó, việc đảm bảo dữ liệu được giữ bí mật an toàn cũng là một van dé lớn (8). Đối với các hệ thống IDS rất cần các dir liệu lưu lượng mạng và các dữ liệu này cũng chính là nguyên nhân chính dẫn đến các vấn dé liên quan đến bảo mật dữ liệu nhạy cảm và quyển riêng tư. Nên đây là một trong những van dé chính cần được giải quyết dé máy học có thể ứng dụng được trong nhiều loại thiết bị IoT khác nhau.
Federated Learning được coi là một trong những giải pháp máy học mang lại hiệu quả bảo vệ quyền riêng tư và tránh rò rỉ quyền riêng tư [16]. Muc dich chinh của là Federated Learning giảm tải lên server, bằng cách tao ra nhiều mô hình trên nhiều máy tham gia và chính máy tham gia này sẽ trực tiếp huấn luyện lượng dữ liệu mà nó đang nắm giữ. Sau đó tổng hợp lại thành một mô hình chung ở máy chủ [32]. Phương pháp này không chỉ giải quyết van dé của việc huấn luyện tập trung mà còn bảo đảm được quyền riêng tư về di liệu bởi vì dữ liệu không ra khỏi tổ chức, cá nhân sở hữu chúng.
Sự ra đời của Federated Learning giải quyết được vấn dé hợp tác từ các nguồn khác nhau giúp phát triển được mô hình phát hiện tan công. Federated Learning cho phép các máy cộng tác tự huấn luyện trên dit liệu mình đang có và chia sé các thông số của mô hình, trong khi đó vẫn bảo đảm dt liệu không bị tiết 16, vậy là vừa giúp giải quyết van dé tập trung, lưu trữ, huấn luyện với quá nhiều dữ liệu vừa đảm bảo được quyền riêng tư cho dir liệu của các cá nhân tổ chức tham gia. Cùng chung xu hướng này, an ninh mạng là một trong những lĩnh vực tiềm năng nhất để áp dụng phương pháp Federated Learning để hình thành mô hình hoc cộng tác và chia sẻ thông qua những người tham gia huấn luyện (31, (9). Vi du, có nhiều công trình sử dung Federated Learning để thu lợi từ sự đóng góp Chương 1.
TONG QUAN 5 từ cộng đồng an ninh mạng mà không cần chia sẻ dữ liệu thô. Các cách tiếp cận như vậy có thể được đề cập đến bao gồm phát hiện URL độc hại (14), san tim méi de doa (Threat Hunting) (1), [33], IDS (2), (61, (41, [15], phát hiện dt liệu bất thường (Anomaly Data Detection) [40], [19], [39] và phát hiện phần mềm độc hai (Malware Detection) [23], [11], [28]. Tuy nhiên, Federated Learning thường gặp phải dữ liệu NonIID khi ap dung các mô hình học máy vào trong các tình huống thực tế [5]. Vì dữ liệu huấn luyện trên các thiết bị cục bộ là đữ liệu NonIID, thì di liệu này sẽ mang lại hiệu suất kém hơn cho mô hình toàn cầu so với mô hình huấn luyện tập trung do các thuật toán tổng hợp không mạnh mẽ [42].
Dé giải quyết van dé này, một số công trình sử dung cách tiếp cận dựa trên dữ liệu, bao gồm chia sẻ dữ liệu và tăng dữ liệu để sửa đổi các phân phối trong máy cộng tác. Trong đó, Generative Adversarial Networks (GAN) được coi là giải pháp tiềm năng để tạo và bổ sung dir liệu ở các lớp nhỏ. Thay vì tập trung dữ liệu để huấn luyện GAN, khi cân bằng dữ liệu NonIID, tất cả những máy cộng tác tham gia quá trình huấn luyện FL cần tự cân bằng dir liệu thô của họ trước khi huấn luyện để tránh chia sẻ dữ liệu tránh vi phạm nguyên tắc chính của EL là giữ dữ liệu riêng tư cục bộ. Tuy nhiên, việc huấn luyện GAN cho tất cả các thành viên tham gia sẽ tốn nhiều chi phí và thời gian, mang lại hiệu quả thấp cho việc thực hiện mô hình FL.
Bên cạnh đó, cũng nhằm mục đích giải quyết dữ liệu NonIID, học tăng cường (Reinforcement Learning - RL) được sử dụng như một phương pháp dựa trên kinh nghiệm để chọn máy cộng tác tham gia vào mỗi vòng huấn luyện nhằm giảm sự sai lệch về dữ liệu NonlID để tăng tốc độ hội tụ mô hình [wang]. Tuy nhiên, với các thử nghiệm trong [wang], kết quả của họ đã chứng minh rằng FL kết hop RL sẽ mat rất nhiều vòng giao tiếp để đạt được hiệu năng mục tiêu nếu chỉ tập trung vào việc chọn một nhóm máy cộng tác mong muốn mang lại hiệu suất cao mô hình toàn cầu trong vòng tiếp theo mà không cân bằng dữ liệu thô của khách hàng. Và để giải quyết những van dé này, tôi đưa ra một phân tích thực nghiệm toàn Chương 1. TONG QUAN 6 diện về tác động của dữ liệu NonIID đối với mô hình FL.
Sau đó để giải quyết van đề dữ liệu NonlID, tôi đã áp dụng 3 biện pháp sử dung GAN, RL và RL kết hợp GAN để thực nghiệm, đánh giá và tìm ra giải pháp tốt nhất khi áp dụng các biện pháp này vào trong FL.2 Mục tiêu khóa luận Đề tài nhằm nghiên cứu và và áp dụng các phương pháp nhằm giải quyết được van đề của dữ liệu NonIID lên mô hình máy học xác định và ngăn chặn các cuộc tân công mạng dựa trên phương pháp học cộng tác. e Đầu tiên, tôi đánh giá lại mô hình FedIDS, một mô hình học sâu dựa trên CNNGRU được đề xuất trong bài báo đã được nghiên cứu, dựa trên kịch bản huấn luyện dữ liệu NonIID để chỉ ra ảnh hưởng của dữ liệu đến hiệu suất của mô hình dựa trên tập dữ liệu mang Kitsune. ¢ Sau đó, tôi sử dung hai phương pháp để giảm ảnh hưởng của dữ liệu Non- IID lên mô hình FedIDS, bao gồm GAN và RL. Cụ thể, việc phân phối dữ liệu của máy cộng tác được cân bằng dựa trên GAN, trong khi đó RL được sử dụng để chọn nhóm máy cộng tác cho hiệu năng tốt nhất để tổng hợp mô hình.
Và dựa trên kết quả đó để chỉ ra những hạn chế về mặt hiệu quả huấn luyện của 2 biện pháp trên đối với FedIDS. * Cuối cùng, dé tài này giới thiệu một cách tiếp cận mới khi huấn luyện cho FedIDS đối với dữ liệu NonIID bang cách sử dung RL kết hợp với GAN dé cải thiện nhược điểm của 2 phương pháp nêu trên.3 Câu trúc Khóa luận tot nghiệp Nội dung Khóa luận được tổ chức như sau: Chương 1. TONG QUAN ° Chương] Giới thiệu tổng quan về khóa luận. ° Chương] Cơ sở lý thuyết và các công trình liên quan.
« Chương 3| Phương pháp và mô hình dé xuất. s Chương Thực nghiệm và đánh giá. e Chương 5| Kết luận và hướng phát triển. Chương 2 CƠ SỞ LÝ THUYÊT VÀ CÁC CÔNG TRÌNH LIÊN QUAN 2.1 Hệ thống phát hiện tan công mạng 2.11 Tấn công mạng Hiện nay, các hình thức tấn công mạng (Cyber attack) ngày càng đa dạng và phức tạp [25].
Hàng nghìn cuộc tấn công được thực hiện thông qua các hoạt động tấn công vào hệ thống của các tập thể, hay lừa đảo qua các giao dịch trực tuyến, hay phát video trực tiếp, chơi game và duyệt web trực tuyến nhằm vào người dùng Internet trên toàn thé giới để lay thông tin nhạy cảm của người dùng hay thậm chí là vô hiệu hoá, phá huỷ dữ liệu cá nhân. Và đặc biệt là trong ngữ cảnh mang vạn vật kết nối công nghiệp (Industrial Internet of Things - IIoT) tấn công mạng trở thành van dé vô cùng quan trọng. Vì kẻ xấu có thể lợi dụng việc các thiết bị máy móc được liên kết với trong mạng IIoT và chi cần tìm ra một liên kết yếu trong một mạng thì các thiết bị được kết nối với mạng sẽ trở thành mục tiêu chính của những kẻ tấn công. Tuy nhiên, không phải hầu hết các cuộc tấn công đều mang mục đích xâu nhằm đánh cắp thông tin nhạy cảm vẫn có nhiều Chương 2.
CƠ SỞ LÝ THUYET VA CÁC CÔNG TRINH LIÊN QUAN 9 nhóm nghiên cứu thực hiện các cuộc tấn công nhằm giúp phát hiện các lỗ hổng cuả hệ thống.2 Hệ thống phát hiện tan công Trong lĩnh vực an ninh mạng, hệ thống phát hiện tan công được xây dựng dé giám sát các lưu lượng mạng (network traffic) để phát hiện các hoạt động đáng ngờ và tạo ra cảnh báo khi chúng được phát hiện. Dựa trên những cảnh báo này, nhà phân tích có thể điều tra van dé và thực hiện các hành động thích hợp để khắc phục mối đe doa. Và các hệ thống phát hiện tan công này được phân thành 5 loại bao gồm: ® Network Intrusion Detection Systems - NIDS: được thiết lập tại một điểm dự kiến trong mạng để kiểm tra lưu lượng từ tất cả các thiết bị trên mạng. Khi một cuộc tan công được xác định hoặc quan sát thấy hành vi bất thường, cảnh báo có thể được gửi đến quản trị viên.