Thông tin chung
  English
  Đề tài NC khoa học
  Bài báo, báo cáo khoa học
  Hướng dẫn Sau đại học
  Sách và giáo trình
  Các học phần và môn giảng dạy
  Giải thưởng khoa học, Phát minh, sáng chế
  Khen thưởng
  Thông tin khác
  Tài liệu tham khảo
  Hiệu chỉnh
 
Số người truy cập: 107,098,826

 Trích chọn đặc trưng cho Mạng nơ-ron tích chập trong bài toán nhận diện tấn công mạng
Tác giả hoặc Nhóm tác giả: Nguyễn Năng Hùng Vân, Đỗ Phúc Hảo, Phạm Minh Tuấn
Nơi đăng: Hội nghị quốc gia - FAIR 2022; Số: ISBN: 978-604-357-119-6;Từ->đến trang: 43 - 50;Năm: 2022
Lĩnh vực: Công nghệ thông tin; Loại: Bài báo khoa học; Thể loại: Trong nước
TÓM TẮT
Ngày nay, với sự phát triển không ngừng của thiết bị thông minh và mạng máy tính đã dẫn đến những cuộc tấn công mạng ngày càng trở nên phổ biến và tinh vi hơn. Các tin tặc đã sử dụng nhiều kỹ thuật tấn công mạng khác nhau để truy cập trái phép vào hệ thống máy tính và thiết bị có kết nối mạng (IoT) để đánh cắp thông tin hoặc mã hóa thông tin quan trọng và đòi tiền chuộc. Do đó, vấn đề an ninh mạng đã trở nên cấp thiết và tác động rất lớn tới hiệu quả hoạt động của mạng máy tính và thiết bị IoT. Một trong những biện pháp phổ biến nhất hiện nay để bảo đảm an toàn cho các hệ thống mạng là hệ thống phát hiện xâm nhập trái phép (Intrustion Detector System). Tuy nhiên, các biện pháp này tỏ ra không hiệu quả, độ tin cậy không cao và không có khả năng tự cập nhật để phát hiện các xâm nhập mới hơn một cách linh hoạt. Một hướng tiếp cận mới ngày càng thể hiện tính ưu việt và khắc phục được các hạn chế trên là ứng dụng kỹ thuật học máy (machine learning) để phát hiện tấn công mạng. Bài báo này, đề xuất một phương pháp mới là trích chọn đặc trưng để phân loại tấn công mạng máy tính dựa vào đặc trưng của gói tin bằng cách sử dụng mạng học sâu. Ngoài ra, bài báo chỉ ra những đặc trưng quan trọng trong bộ dữ liệu Bot-IoT có thể thiết lập dưới dạng ma trận để mạng nơ-ron tích chập phân loại và nâng cao độ chính xác pháp hiện cuộc tấn công mạng. Trước tiên, nghiên cứu đề xuất phương pháp tiền xử lý dữ liệu để tối ưu hóa dữ liệu. Bước tiếp theo, sử dụng phương pháp trích chọn đặc trưng để tạo các véc-tơ và ma trận đặc trưng. Cuối cùng, nghiên cứu sử dụng CNN để phân loại dựa vào các ma trận đặc trưng. Mô hình đề xuất được thực nghiệm trên bộ dữ liệu Bot-IoT và kết quả tốt nhất có độ chính xác là 99%.
ABSTRACT
Today, the development of smart devices and computer networks has led to increasingly common cyber attacks. Hackers use a variety of cyberattack techniques to gain unauthorized access to computer systems and IoT to steal information or encrypt important information and demand ransom. Therefore, the issue of network security is very important and has a great impact on the performance of computer networks and IoT devices. One of the most popular measures today to ensure the security of computer network systems is the intrustion detector system. However, these measures are ineffective, unreliable and do not update themselves to detect newer intrusions. A new approach increasingly showing its superiority and overcoming the above limitations is the application of machine learning techniques to detect network attacks. This paper proposes a new method of feature extraction to classify computer network attacks based on packet characteristics using deep learning. In addition, the paper shows important features in the Bot-IoT data set that can be set up as a matrix for the convolutional neural network to classify and improve the detection accuracy of the network attack. First, the study proposes a data pre-processing method to optimize the data. In the next step, use the feature extraction method to create vectors and matrices. Finally, the study uses CNN to classify based on feature matrices. The proposed model is tested on the Bot-IoT dataset and the best result has an accuracy of 99%.
© Đại học Đà Nẵng
 
 
Địa chỉ: 41 Lê Duẩn Thành phố Đà Nẵng
Điện thoại: (84) 0236 3822 041 ; Email: dhdn@ac.udn.vn