Bài báo: "An Attention-based Intrusion Detection System with Incremental Online Learning Approach for Unmasking Evolving Cyber Threats"
Sinh viên thực hiện:
• Lê Bá Trực - HVCH ATTT 2024 - Tác giả chính
Sinh viên thực hiện:
• Lê Bá Trực - HVCH ATTT 2024 - Tác giả chính
Hướng dẫn:
• ThS. Phan Thế Duy
• ThS. Ung Văn Giàu
• ThS. Phan Thế Duy
• ThS. Ung Văn Giàu
Tóm tắt:
Các hệ thống phát hiện xâm nhập (IDS) truyền thống thường gặp khó khăn trong việc theo kịp tính linh hoạt của môi trường mạng, nơi có một lượng lớn gói tin được trao đổi hằng ngày và các phương thức tấn công mới liên tục xuất hiện do sự phát triển của công nghệ và ứng dụng. IDS truyền thống chủ yếu dựa vào phân tích dữ liệu tĩnh, điều này gây ra thách thức trong việc phát hiện kịp thời các mối đe dọa mới. Để giải quyết những thách thức này, chúng tôi đề xuất một khung phát hiện xâm nhập dựa trên kiến trúc Transformer-MLP, được tích hợp với phương pháp học trực tuyến tăng dần trong quá trình huấn luyện. Khác với các phương pháp truyền thống yêu cầu huấn luyện lại toàn bộ mô hình khi có tập dữ liệu mới, học trực tuyến tăng dần cho phép mô hình tiếp thu thông tin mới mà vẫn duy trì được kiến thức đã học trước đó. Cách tiếp cận này giúp giảm đáng kể thời gian ngừng hoạt động trong quá trình huấn luyện và giảm thiểu nhu cầu về dung lượng lưu trữ dữ liệu lớn. Kết quả đánh giá của chúng tôi cho thấy phương pháp này có hiệu quả trong việc phát hiện nhanh các mẫu tấn công mới. Bằng cách kết hợp sức mạnh của Transformer-MLP với học tăng dần, khung IDS của chúng tôi có khả năng thích ứng với các mối đe dọa đang phát triển theo thời gian thực, góp phần nâng cao mức độ bảo mật tổng thể.
Các hệ thống phát hiện xâm nhập (IDS) truyền thống thường gặp khó khăn trong việc theo kịp tính linh hoạt của môi trường mạng, nơi có một lượng lớn gói tin được trao đổi hằng ngày và các phương thức tấn công mới liên tục xuất hiện do sự phát triển của công nghệ và ứng dụng. IDS truyền thống chủ yếu dựa vào phân tích dữ liệu tĩnh, điều này gây ra thách thức trong việc phát hiện kịp thời các mối đe dọa mới. Để giải quyết những thách thức này, chúng tôi đề xuất một khung phát hiện xâm nhập dựa trên kiến trúc Transformer-MLP, được tích hợp với phương pháp học trực tuyến tăng dần trong quá trình huấn luyện. Khác với các phương pháp truyền thống yêu cầu huấn luyện lại toàn bộ mô hình khi có tập dữ liệu mới, học trực tuyến tăng dần cho phép mô hình tiếp thu thông tin mới mà vẫn duy trì được kiến thức đã học trước đó. Cách tiếp cận này giúp giảm đáng kể thời gian ngừng hoạt động trong quá trình huấn luyện và giảm thiểu nhu cầu về dung lượng lưu trữ dữ liệu lớn. Kết quả đánh giá của chúng tôi cho thấy phương pháp này có hiệu quả trong việc phát hiện nhanh các mẫu tấn công mới. Bằng cách kết hợp sức mạnh của Transformer-MLP với học tăng dần, khung IDS của chúng tôi có khả năng thích ứng với các mối đe dọa đang phát triển theo thời gian thực, góp phần nâng cao mức độ bảo mật tổng thể.
"Trong suốt quá trình thực hiện đề tài, em đã nhận được sự giúp đỡ, hướng dẫn tận tình và những ý kiến đóng góp quý báu từ thầy cô, gia đình và bạn bè. Trước hết, em xin bày tỏ lòng biết ơn sâu sắc đến Th.S Phan Thế Duy và Th.S Ung Văn Giàu, những người đã tận tình hướng dẫn, hỗ trợ và truyền đạt cho em nhiều kiến thức quý báu trong suốt quá trình nghiên cứu và thực hiện đề tài. Em cũng xin gửi lời cảm ơn chân thành đến thầy cô và các anh chị trong phòng thí nghiệm An toàn Thông tin, những người đã luôn sẵn sàng hỗ trợ, tạo điều kiện thuận lợi để em có thể hoàn thành tốt công việc của mình. Bên cạnh đó, em vô cùng trân trọng sự động viên, khích lệ từ gia đình và bạn bè, những người đã luôn đồng hành, tạo điều kiện thuận lợi nhất để em có thể tập trung học tập và hoàn thành đề tài này. Do thời gian và kinh nghiệm còn hạn chế, chắc chắn không thể tránh khỏi những thiếu sót. Em rất mong nhận được sự góp ý, chỉ bảo từ thầy cô để có thể tiếp tục hoàn thiện bản thân, nâng cao kiến thức, phục vụ tốt hơn cho các nghiên cứu trong tương lai."
Hội nghị RIVF là một hội nghị quốc tế về Công nghệ Truyền thông và Điện toán, là sự kiện khoa học lớn quy tụ các nhà khoa học, nghiên cứu trong lĩnh vực điện toán và truyền thông tại Việt Nam và quốc tế, với chủ đề "Nghiên cứu – Đổi mới và Tầm nhìn cho tương lai" (Research, Innovation and Vision for the future, viết tắt là RIVF). Hội nghị RIVF được liệt kê trong danh sách các hội nghị uy tín theo đề xuất của SCOPUS và ISI Web of Science. Đây là lần tổ chức thứ 18 của hội nghị, diễn ra vào năm 2024, với các chủ đề bao gồm: Xử lý hình ảnh, ngôn ngữ, giọng nói; Truyền thông & Mạng máy tính, An ninh mạng; Hệ thống phân tán, Internet vạn vật, Điện toán đám mây; Trí tuệ nhân tạo, Khoa học dữ liệu, Phân tích dữ liệu lớn, Máy tính thông minh; Kỹ thuật phần mềm, Hệ thống thông tin, Mô hình tính toán.
