Bài viết
Nghiên cứu giải pháp phát hiện xâm nhập dựa trên học sâu cho hạ tầng điện toán đám mây
- Thiện Pham · Học viện Kỹ thuật mật mã (VN)
Tóm tắt
Bài báo trình bày một giải pháp phát hiện xâm nhập (IDS) dựa trên mô hình học sâu áp dụng cho hạ tầng điện toán đám mây nhiều thuê bao. Nhóm tác giả đề xuất kiến trúc lai giữa mạng nơ-ron tích chập một chiều và mạng bộ nhớ dài ngắn hạn nhằm khai thác đồng thời đặc trưng không gian của gói tin và đặc trưng thời gian của luồng kết nối. Giải pháp được đánh giá trên hai tập dữ liệu chuẩn là CIC-IDS2017 và UNSW-NB15 với các chỉ số độ chính xác, độ nhạy, độ đặc hiệu và điểm F1. Kết quả thực nghiệm cho thấy mô hình đề xuất đạt độ chính xác trung bình 98,4 phần trăm, cao hơn 2,7 điểm phần trăm so với mô hình cơ sở sử dụng rừng ngẫu nhiên, đồng thời giảm 31 phần trăm tỷ lệ cảnh báo sai. Bài báo cũng phân tích chi phí tính toán khi triển khai mô hình ở biên của hạ tầng đám mây và đề xuất cơ chế cắt tỉa trọng số để giảm độ trễ suy luận.
Cách trích dẫn
Thiện Pham (2026). Nghiên cứu giải pháp phát hiện xâm nhập dựa trên học sâu cho hạ tầng điện toán đám mây. Tạp chí Khoa học và Công nghệ trong lĩnh vực An toàn thông tin, 3(26). https://doi.org/10.54654/isj.6419
Tiểu sử tác giả
Thiện Pham, Học viện Kỹ thuật mật mã
đá
Tài liệu tham khảo
- 1.[1] Nguyễn Văn A, Trần Văn B (2024), Tổng quan các kỹ thuật phát hiện xâm nhập dựa trên học máy, Tạp chí An toàn thông tin, số 3, trang 12-25.
- 2.[2] Sharafaldin I., Lashkari A. H., Ghorbani A. A. (2018), Toward Generating a New Intrusion Detection Dataset and Intrusion Traffic Characterization, ICISSP.
- 3.[3] Moustafa N., Slay J. (2015), UNSW-NB15: A Comprehensive Data Set for Network Intrusion Detection Systems, MilCIS.
- 4.[4] Hochreiter S., Schmidhuber J. (1997), Long Short-Term Memory, Neural Computation, vol. 9, no. 8, pp. 1735-1780.
- 5.[5] Han S., Pool J., Tran J., Dally W. (2015), Learning both Weights and Connections for Efficient Neural Networks, NeurIPS.