ĐÁNH GIÁ CÁC KỸ THUẬT HỌC SÂU TRONG PHÁT HIỆN XÂM NHẬP TRÊN CÁC MÔI TRƯỜNG MẠNG KHÔNG ĐỒNG NHẤT
Khoá luận tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Dương Thị Kiều Trâm |
| Người hướng dẫn | Nguyễn Hữu Vân Long |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2025 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
An ninh mạng ngày càng đối mặt với nhiều hình thức tấn công phức tạp và đa dạng, đòi hỏi các hệ thống phát hiện xâm nhập (Intrusion Detection System – IDS) phải có khả năng nhận diện chính xác và kịp thời. Luận văn này tập trung nghiên cứu và đánh giá hiệu suất của các mô hình học sâu CNN, LSTM, GRU, MLP và các mô hình kết hợp CNN–LSTM, CNN–MLP trong nhiệm vụ phát hiện tấn công mạng.Các tập dữ liệu chuẩn được sử dụng bao gồm CSE-CIC-IDS-2018, CICIoT2023 và ICS-Flow, trong các tập dữu liệu này chứa các lưu lượng mạng bình thường và bất thường, phản ánh đa dạng các kịch bản tấn công thực tế như DoS/DDoS, Brute Force, tấn công Web, Reconnaissance, Spoofing, Replay và nhiều biến thể khác. Để khắc phục tình trạng mất cân bằng dữ liệu vốn phổ biến trong các bài toán phát hiện tấn công, nghiên cứu áp dụng các bước tiền xử lý sử dụng kỹ thuật cân bằng dữ liệu là SMOTE kết hợp Tomek Links. Các mô hình được huấn luyện và đánh giá dựa trên các chỉ số thông thường như Accuracy, Precision, Recall, F1-score mà còn đo lường cả hiệu quả tính toán thông qua mức tiêu thụ tài nguyên GPU/CPU. Kết quả đánh giá cho thấy mỗi mô hình đều có những ưu, nhược điểm riêng khi triển khai trong các môi trường mạng khác nhau. Từ đó, nghiên cứu này cung cấp một tài liệu tham khảo có giá trị về các kỹ thuật học sâu (Deep Learning), có thể hỗ trợ triển khai thực tế các hệ thống phát hiện xâm nhập (IDS) thế hệ mới với hiệu quả và đáng tin cậy hơn.
Bản toàn văn lưu tại thư viện Trường Đại học Cần Thơ
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- HỆ THỐNG TRẢ LỜI CÂU HỎI PHỨC SỬ DỤNG ONTOLOGY VÀ LOGIC VỊ TỪ: NGHIÊN CỨU TÌNH HUỐNG VỀ MÓN ĂN VIỆT
- A CHATBOT SUPPORTS FARMERS TO GROW RICE
- XÂY DỰNG WEBSITE QUẢN LÝ TOUR DU LỊCH
- PHÁT TRIỂN HỆ THỐNG QUẢN LÝ HỌC BỔNG TÍCH HỢP E-FORM VÀ AI
- XÂY DỰNG HỆ THỐNG BÁN THUỐC VÀ DƯỢC PHẨM TRỰC TUYẾN DÀNH CHO CÁC NHÀ THUỐC
- XÂY DỰNG WEBSITE GỢI Ý MUA CHUNG THỰC PHẨM THIẾT YẾU
- PHÁT TRIỂN HỆ THỐNG QUẢN LÝ BÁN SÁCH TRỰC TUYẾN SỬ DỤNG REACTJS VÀ NODEJS CÓ TÍCH HỢP MÁY HỌC
- ỨNG DỤNG ĐĂNG KÝ KHÁM CHỮA BỆNH THEO MÔ HÌNH HÀNG ĐỢI THÔNG ĐIỆP - MODULE MOBILEAPP
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.