Tóm tắt Luận văn Thạc sĩ: Ứng dụng Representation Learning phát hiện tấn công Botnet

Sự phát triển vượt bậc của Internet đã kéo theo sự gia tăng không ngừng các mối đe dọa an ninh mạng, trong đó Botnet nổi lên như một nguy cơ đặc biệt nghiêm trọng. Botnet có khả năng thực hiện hàng loạt hành vi độc hại từ phát tán mã độc, thư rác đến các cuộc tấn công từ chối dịch vụ (DDoS) và tấn công APT, gây thiệt hại đáng kể cho hệ thống mạng, dữ liệu, cũng như gây tổn thất kinh tế-xã hội sâu rộng. Nhận thấy những hạn chế của các phương pháp phát hiện truyền thống, nghiên cứu này hướng đến việc khai thác tiềm năng của trí tuệ nhân tạo. Cụ thể, đề tài tập trung vào việc ứng dụng phương pháp representation learning trong học máy để xây dựng một mô hình phát hiện tấn công Botnet hiệu quả, nhằm nâng cao độ chính xác và hiệu suất phòng vệ trước các mối đe dọa tinh vi này.

Sinh viên, nghiên cứu sinh, kỹ sư và chuyên gia trong lĩnh vực an ninh mạng, học máy và khoa học dữ liệu, đặc biệt quan tâm đến phòng chống tấn công Botnet.

Luận văn tập trung giải quyết vấn đề cấp bách về phát hiện tấn công Botnet, một trong những mối đe dọa mạng nguy hiểm nhất hiện nay. Botnet được định nghĩa là mạng lưới máy tính bị nhiễm độc và điều khiển từ xa, có khả năng thực hiện các hoạt động phá hoại như DDoS, phát tán mã độc, keylogging, đánh cắp thông tin và phát tán thư rác. Nghiên cứu bắt đầu bằng việc tổng quan về cấu trúc và đặc trưng của Botnet, bao gồm các kiến trúc client-server và peer-to-peer, cùng với các kỹ thuật phát hiện truyền thống như dựa trên chữ ký và dựa trên điểm bất thường, chỉ ra những hạn chế của chúng. Để khắc phục những hạn chế này, luận văn đề xuất và triển khai một phương pháp tiếp cận dựa trên học máy, đặc biệt là kỹ thuật representation learning, nhằm xây dựng mô hình phát hiện tấn công Botnet với độ chính xác cao. Phương pháp luận nghiên cứu bao gồm việc tìm hiểu sâu về representation learning và các thuật toán học máy phổ biến như Naïve Bayes, k-Nearest Neighbor, Support Vector Machine, và Decision Tree. Ngoài ra, các khái niệm về mạng nơ-ron và học sâu cũng được xem xét. Mô hình được xây dựng sẽ được đánh giá thông qua cơ sở toán học và mô phỏng thực nghiệm trên các tập dữ liệu Botnet chuẩn. Giá trị ứng dụng của nghiên cứu nằm ở khả năng cung cấp một giải pháp phát hiện Botnet tiên tiến, hiệu quả hơn, góp phần tăng cường an ninh mạng và bảo vệ dữ liệu cho cá nhân, tổ chức, và cơ quan nhà nước.