tailieunhanh - Luận án Tiến sĩ Kỹ thuật: Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu

Luận án hướng tới mục tiêu nghiên cứu cải tiến phương pháp phát hiện bất thường mạng theo hướng giải quyết một số vấn đề đặt ra trên. Kết quả một số nội dung chính đã được thực hiện gồm. (i) Đã đề xuất được giải pháp cho cải tiến một số hạn chế của phương pháp học sâu NAD tiêu biểu, các thuật toán cải tiến cho phép xây dựng mô hình NAD hiệu quả hơn trong điều kiện dữ liệu của đối tượng quan sát có tính phân cụm cao. Mời các bạn tham khảo! | HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG BÙI CÔNG THÀNH PHÁT TRIỂN MỘT SỐ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DỰA TRÊN HỌC SÂU VÀ TỔNG HỢP DỮ LIỆU LUẬN ÁN TIẾN SĨ KỸ THUẬT HÀ NỘI 2021 HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG BÙI CÔNG THÀNH PHÁT TRIỂN MỘT SỐ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DỰA TRÊN HỌC SÂU VÀ TỔNG HỢP DỮ LIỆU CHUYÊN NGÀNH HỆ THỐNG THÔNG TIN MÃ SỐ LUẬN ÁN TIẾN SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC 1. . HOÀNG MINH 2. PGS. TS. NGUYỄN QUANG UY HÀ NỘI 2021 i TÓM TẮT Sự phát triển nhanh của mạng máy tính và IoT sau đây gọi là mạng cả về dịch vụ và hạ tầng đã kéo theo những thách thức rất lớn trong vấn đề bảo đảm an ninh mạng. Tìm kiếm giải pháp phát hiện các tấn công mạng là nhiệm vụ trọng tâm cho bảo vệ an ninh mạng trong đó phát hiện bất thường mạng Network Anomaly Detection -NAD được rất nhiều các học giả quan tâm nghiên cứu trong những năm qua. NAD là lĩnh vực nghiên cứu để tìm ra các giải pháp hiệu quả trong phân tách giữa trạng thái bình thường và bất thường mạng. Học máy được biết như phương pháp chủ yếu cho xây dựng các thuật toán phát hiện bất thường. Các mô hình học máy được huấn luyện chỉ với dữ liệu bình thường hay còn gọi là các bộ phân đơn lớp One-class Classification - OCC được cho là sự lựa chọn phù hợp và đang cho thấy các kết quả phát hiện bất thường rất hiệu quả. Những năm gần đây phát triển các kỹ thuật học sâu deep learning đã mạng lại nhiều thành tựu trong các lĩnh vực học sâu dựa trên kiến trúc AutoEncoders AE được công nhận rộng rãi là phương pháp tiên tiến có khả năng giải quyết các vấn đề phức tạp của phát hiện bất thường mạng tiêu biểu trong đó là SAE Shrink AutoEncoder . Mặc dù vậy các phương pháp NAD cần phải liên tục được nghiên cứu cải tiến để có thể đáp ứng tốt hơn khi mà các nguy cơ đe doạ an ninh mạng ngày càng tăng. Thêm vào đó các phương pháp NAD đơn lẻ dựa trên OCC nhìn chung đang phải đối mặt với một số thách thức khác như mỗi phương pháp đơn được cho là chỉ hiệu quả trên một điều kiện môi trường mạng cụ thể các