Tóm tắt đề án Thạc sĩ: Nghiên cứu phương pháp phát hiện bất thường dựa trên dữ liệu log hệ thống

Trong bối cảnh công nghệ thông tin phát triển mạnh mẽ, quy mô và độ phức tạp của các hệ thống ngày càng gia tăng, tạo ra những thách thức lớn về an toàn và bảo mật. Việc bảo vệ dữ liệu và ngăn chặn các hành vi xâm nhập là tối quan trọng, trong đó, phát hiện sớm các sự kiện bất thường đóng vai trò then chốt để ứng phó hiệu quả với các mối đe dọa an ninh. Nghiên cứu này tập trung vào việc phát triển phương pháp phát hiện bất thường dựa trên dữ liệu log hệ thống. Dù là nguồn thông tin hữu ích để giám sát và phân tích sự cố, lượng dữ liệu log khổng lồ và không có cấu trúc khiến việc phân tích thủ công trở nên bất khả thi, đòi hỏi các phương pháp tự động, linh hoạt và chính xác để đưa ra cảnh báo sớm và ngăn chặn rủi ro.

Các nhà nghiên cứu, kỹ sư và chuyên gia trong lĩnh vực an toàn thông tin, bảo mật hệ thống, học máy và phân tích dữ liệu.

Sự phát triển không ngừng của hệ thống thông tin hiện đại đã đẩy mạnh nhu cầu về các giải pháp an ninh mạnh mẽ, đặc biệt là trong việc phát hiện và ứng phó với các sự kiện bất thường. Dữ liệu log hệ thống đóng vai trò thiết yếu như một nguồn thông tin phong phú về trạng thái và các sự kiện quan trọng, hỗ trợ đắc lực trong việc gỡ lỗi, phân tích nguyên nhân gốc rễ và nhận diện dấu hiệu tấn công. Tuy nhiên, với lượng dữ liệu log ngày càng tăng về cả số lượng lẫn đa dạng trong các hệ thống lớn, việc phân tích thủ công trở nên không khả thi, tạo ra nhu cầu cấp thiết cho các phương pháp tự động, chính xác và linh hoạt. Nghiên cứu này đã tổng quan các phương pháp phát hiện bất thường hiện có, bao gồm phân tích dữ liệu log, phân tích hành vi và phân tích mạng, đồng thời chỉ ra những hạn chế của các mô hình học máy truyền thống trong việc xử lý dữ liệu log không linh hoạt và kém hiệu quả. Để khắc phục những thách thức này, đề tài đề xuất một phương pháp phát hiện bất thường dựa trên đồ thị. Phương pháp này chuyển đổi dữ liệu log từ dạng chuỗi sang dạng biểu đồ, sau đó sử dụng thông tin về tính năng nút và thông tin cấu trúc biểu đồ cùng với mô hình Graph Attention Networks (GAT) để phân loại các điểm bất thường. Cách tiếp cận này hứa hẹn nâng cao khả năng phát hiện các biểu hiện bất thường phức tạp và có tính liên kết cao trong dữ liệu log, từ đó góp phần cải thiện đáng kể hiệu quả bảo mật cho các hệ thống thông tin.