Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
➤ Gửi thông báo lỗi ⚠️ Báo cáo tài liệu vi phạmNội dung chi tiết: Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
HỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu IỄN SĨ KỸ THUẬTHÀ NỘI-2021HỌC VIỆN CÒNG NGHỆ Bưu CHÍNH VIỀN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SỔ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỮ LIỆUCHUYÊN NGÀNH : HỆ THÕNG THÔNG TIN MÃ SÕ: : 9.48.01.04LUẬN ÁN TIỄN SĨNGƯỜI HƯỚNG DẪN KHOA HỌC:1PGS.TS. HOÀNG MINH2PGS. TS. NGUYỄN QUANG Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu UYHÀ NỘI-2021 ị ]t------——.......................lịíiTÓM TẮTSự phát triển nhanh của mạng máy tính và loT (sau đây gọi là mạng) cả vè dịch vụ và hạ tàPhát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
ng đả kéo theo những thách thức rát lớn trong vấn đè bào đàm an ninh mang. Tìm kiếm giải pháp phát hiện các tẫn công mạng là nhiệm vu trọng tàm cho bảHỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu qua. NAD là lĩnh vực nghiên cứu để tìm ra các giài pháp hiệu quả trong phân tách giũa trạng thái bình thường và bát thường mạng. Hoc máy được biết như phương pháp chù yếu cho xây dựng các thuật toán phát hiện bát thường. Các mỏ hình học máy được huấn luyện chỉ với dữ liêu bình thường hay còn goi là Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu các bộ phân đơn lớp (One-class Classification -OCC) đưọc cho là sự lựa chọn phù họp và đang cho thấy các kết quả phát hiện bất thường rất hiệu quả. NhPhát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
ững năm gàn đày, phát triển các kỹ thuật học sâu (deep learning) đâ mạng lai nhiẽu thành tựu trong các lĩnh vực, học sâu dựa trên kiến trúc AutoEncodeHỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu là SAE (Shrink AutoEncoder).Măc dù vây, các phương pháp NAD cân phải liên tuc đươc nghiên cứu cài tiên ơể có thế đáp ứng tôt hơn khi mà các nguy cơ đe doa an ninh mang ngày càng tăng. Thêm vào đó, các phương pháp NAD đơn lẻ dưa trên occ nhìn chung đang phải đôi mặt với một sô thách thức khác như: m Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu ồi phương pháp đơn đươc cho là chì hiệu quả trên một điẻu kiện môi trưởng mạng cụ thể: các phương pháp occ vần cãn sự hỗ trợ cùa chuyên gia để đưa raPhát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
ngưỡng quyẽt định, đây là yêu càu đối với một mô hình phát hiện tân công khi được triền khai trong thực tẽ.Luận án hướng tói mục tiêu nghiên cứu cài tHỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu ã đè xuất được giải pháp cho cải tiến một số hạn chế của phương pháp hoc sâu NAD tiêu biểu, các thuật toán cài tiến cho phép xây dựng mô hình NAD hiệu quả hon trong điẻu kiện dũ' liệu của đối tương quan sát có tính phân cụm cao, tôn tai ờ dạng nhièu cụm; có thể phát hiện hiệu quả hơn đối với nhóm tấ Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu n công mang mà mô hình tiêu biếu dưa trên học sàu AutoEncoder gặp khó. (ii) Luận án đã đè xuất được mô hình khung tống hơp dừ liêu, có tên OFuseAD, chPhát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
o bài toán phát hiện bất thường. Mò hình đạt được từ kết quà cải tiến lỷ thuyết Dempster-Shafer, giài quyết các thách thức trong kết hợp các phương phHỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu i tập dữ liệu phố biến trong lĩnh vực an ninh mạng cho thấy mô hình hoạt động khả thi, cho hiệu quả phát hiện bất thường hiệu quả, ổn định hơn so vói các phương pháp đơn occ trong đa sỗ tập dữ liệu (9/10 tập dữ liệu thực nghiệm). Ngoài ra, mô hình OFuseAD có thế hoạt động mà không càn sự can thiệp c Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu uả chuyên gia trong thiết lập ngưởng quyết định.Các vấn đè trên đã được luận án nghiên cứu, giải quyết. Các đóng góp của luận án đã được cõng bõ trongPhát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
các cõng trình khoa học có uy tín. Trong hiếu biết của nghiên cứu sinh, đóng góp của luận án mói và không trùng với các kết quả nghiên cứu đã công bóHỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu ác thầy hướng dẫn khoa học. Luận án sử dụng các trích dẫn thông tin từ nhiều nguòn khác nhau và có nguồn gốc rõ ràng. Những đóng góp trong luân án đã được công bõ trong các bài báo của tác giả và chưa được công bố trên bất kỳ công trình khoa học nào khác.Hà Nội, ngày...tháng...năm 2021ivLỜI CẢM ƠNTh Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu ực hiện luận án Tiến sĩ đòi hỏi nghiên cứu sinh phải tập trung cao độ, trong thời gian dài. Kết quả nghiên cứu của NCS là sự góp sức rất lớn từ các thPhát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
ày hướng dẫn khoa học, cơ sở đào tạo, CO' quan công tác, đông nghiệp và đặc biệt là gia đình. Tôi muốn bày tỏ lòng biết ơn đối vói họ.Nghiên cứu sinh HỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu phương pháp nghiên cứu để tỏi hoàn thành nội dung nghiên cứu luận án. Tôi xin cảm ơn TS. Cao Văn Lợi vè những góp ý rất hữu ích, giúp tôi thêm động lực trong nghiên cứu.Nghiên cứu sinh xin bày tỏ lòng biết ơn chân thành tới Học viên Công nghệ Bưu chính Viễn thông, Khoa Sau đai hoc, các thẫy cô giáo Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu đà giúp đỡ tôi trong suốt quá trình tham gia học tập. Nghiên cứu sinh xin bày tỏ lòng biết ơn đến BTL Thông tin liên lac, các Thủ trường và đòng chíPhát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu
tại Trung tâm Kỳ thuật thông tin công nghệ cao đâ giúp đờ, tao đièu kiên thời gian cho tôi.Cuối cùng, nghiên cứu sinh vô cùng biết ơn đển gia đình bạnHỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TI Phát triển một số mô hình phát hiện bất thường mạng dựa trên học sâu và tổng hợp dữ liệu n tâm nghiên cứu hoàn thành luận án.HỌC VIỆN CÔNG NGHỆ Bưu CHÍNH VIỄN THÔNGBÙI CÒNG THÀNHPHÁT TRIẾN MỘT SÕ MÔ HÌNH PHÁT HIỆN BẤT THƯỜNG MẠNG DựATRÊN HỌC SÂU VÀ TỐNG HỢP DỪ LIỆULUẬN ÁN TIGọi ngay
Chat zalo
Facebook