Ứng dụng máy học để nâng cao hiệu năng của các hệ thống phát hiện xâm nhập mạng: Luận văn Thạc sĩ

Abstract

Đối với hệ thống phát hiện xâm nhập mạng (Intrusion Detection System - IDS), xâm nhập có nghĩa là cố gắng truy cập thông tin về hệ thống máy tính hoặc làm hỏng hoạt động của hệ thống theo cách bất hợp pháp hoặc trái phép. IDS là một ứng dụng bảo mật máy tính nhằm phát hiện một loạt các vi phạm bảo mật, từ các vụ đột nhập do người ngoài cố gắng xâm nhập và lạm dụng hệ thống bởi người trong cuộc. Các chức năng chính của IDS là giám sát máy chủ và mạng, phân tích hành vi của hệ thống máy tính, tạo cảnh báo và phản hồi các hành vi đáng ngờ. IDS có thể được chia thành các phương thức dựa trên máy chủ và dựa trên mạng. Chức năng chính của hệ thống phát hiện xâm nhập mạng là để bảo vệ hệ thống, phân tích và dự báo hành vi truy cập mạng của người sử dụng. Những hành vi này được xem xét là bình thường hoặc một cuộc tấn công. Nghiên cứu này nhằm phân tích các nghiên cứu gần đây về IDS bằng cách sử dụng phương pháp học máy (Machine Learning - ML). Phương pháp nghiên cứu sử dụng các phương pháp như khảo sát, tổng hợp, phân tích thông tin cần thiết; tham khảo, đánh giá các nghiên cứu liên quan để từ đó tìm ra hướng giải quyết vấn đề. Xác định rõ đối tượng và phạm vi nghiên cứu để từ đó để xây dựng các mô hình kiểu tấn công trong việc phát hiện các dấu hiệu tấn công mạng. Phương pháp nghiên cứu phải dựa trên các tiêu chí sau đây: Xuất phát từ các nghiên cứu trong nước và quốc tế về việc sử dụng các kỹ thuật máy học cho các hệ thống phát hiện xâm nhập mạng trong thòi gian gần đây. Điều này là để đảm bảo các nghiên cứu của chúng tôi có liên quan và không bị lỗi thời. Mặc khác, để có một cái nhìn đa dạng và toàn diện vấn đề, đặc biệt là những kết quả, thành tựu đã đạt được trong quá khứ về máy học cho phát hiện xâm nhập, chúng tôi có tham khảo một số bài báo xuất bản trước năm 2015, tuy cũ nhưng có nhiều điểm thu hút về khía cạnh học thuật.