NGHIÊN CỨU MÔ HÌNH HỌC SÂU GỌN NHẸ CHO HỆ THỐNG PHÁT HIỆN XÂM NHẬP TẠI BIÊN TRONG MẠNG IOT – PHÂN HỆ 1
Khoá luận tốt nghiệp · Đại học · năm 2026 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Tác giả | Ngô Đức Thắng |
| Người hướng dẫn | Trần Thị Tố Quyên |
| Cơ sở đào tạo | Trường Đại học Cần Thơ |
| Năm | 2026 |
| Nguồn | Thư viện số Trường Đại học Cần Thơ · trang gốc |
Tóm tắt
Trong bối cảnh số lượng thiết bị IoT tăng trưởng không ngừng, bề mặt tấn công của các hệ thống mạng ngày càng mở rộng, trong khi phần lớn thiết bị ở biên lại rất hạn chế về tài nguyên tính toán, bộ nhớ và năng lượng. Các mô hình học sâu phát hiện xâm nhập có độ chính xác cao thường có dung lượng lớn và tốn nhiều tài nguyên, nên khó triển khai trực tiếp lên các thiết bị IoT biên. Chưng cất tri thức đang nổi lên như một hướng làm nhẹ mô hình đầy tiềm năng, nhưng vẫn còn thiếu các đánh giá thực nghiệm đa chiều trên dữ liệu dạng bảng và trên thiết bị vật lý thực. Xuất phát từ thực trạng đó, luận văn đặt mục tiêu khảo sát toàn diện khả năng của các kỹ thuật chưng cất tri thức trong việc tạo ra mô hình phát hiện xâm nhập nhẹ, có thể triển khai hiệu quả trên thiết bị IoT biên. Luận văn sử dụng tập dữ liệu CICIoT2023, tổ chức lại thành bài toán phân loại đa lớp với 8 nhãn nhóm. Nghiên cứu xây dựng và huấn luyện các mô hình giáo viên đa dạng về kiến trúc gồm CNN-1D, DNN, SSL-CL-DNN, XGBoost và LSTM, đều có tối ưu siêu tham số bằng Optuna để làm cơ sở tri thức cho quá trình chưng cất. Trên cơ sở đó, luận văn triển khai ba kỹ thuật chưng cất là KD truyền thống, RAID-KL sử dụng phân kỳ KL-JS (khảo sát cả nhiệt độ cố định và nhiệt độ thích ứng) và FitNets lên các mô hình học sinh có kiến trúc thu gọn tương ứng, …đồng thời khảo sát chưng cất đa giáo viên theo hai cơ chế AWMTKD và CW-MTKD, trong đó cơ chế CW-MTKD được chọn để thực nghiệm với học sinh là mạng MLP nhỏ. Hiệu quả phân loại được đánh giá qua accuracy, macro-F1, macroAUC, precision và recall, còn hiệu suất triển khai được đánh giá qua thông lượng, độ trễ, mức chiếm dụng CPU và RAM. Quá trình đánh giá thực hiện trên cả dữ liệu PCAP có nhãn và lưu lượng mạng tự thu thập, trong đó hiệu suất được đo trực tiếp trên thiết bị Raspberry Pi 4 B. Kết quả cho thấy chưng cất tri thức nén được các mô hình từ 92.0% đến 99.65% về số tham số mà chỉ mất từ 1.91 đến 5.58 điểm phần trăm macro-F1. Trong nhóm học sinh, kiến trúc SSL-CL-DNN chịu nén tốt nhất và đạt độ chính xác cao nhất, khoảng 85%, trong khi học sinh MLP chưng cất đa giáo viên CW-MTKD lại đạt macro-F1 cao nhất, khoảng 70%, đổi lại có độ chính xác tổng thể thấp nhất và kích thước nhỏ nhất. Đáng chú ý là lựa chọn kiến trúc và cặp giáo viên tác động đến hiệu quả phân loại mạnh hơn lựa chọn kỹ thuật chưng cất, và cơ chế nhiệt độ thích ứng của RAID-KL vượt nhiệt độ cố định một cách nhất quán trên cả ba kiến trúc. Khi suy luận trên lưu lượng mạng thực, độ chính xác giảm còn khoảng 68% đến 73% do khác biệt của bộ trích xuất đặc trưng và hiện tượng dịch chuyển phân phối, nhưng macro-AUC vẫn giữ ở mức cao khoảng 94% đến 95%, cho thấy năng lực xếp hạng xác suất của mô hình gần như được bảo toàn. Về hiệu suất triển khai trên Raspberry Pi 4 B, các mô hình học sinh đạt thông lượng khoảng 4.100 đến 4.170 gói tin mỗi giây với độ trễ khoảng 2,4 ms cho mỗi cửa sổ mười gói tin, chiếm khoảng 25% CPU và 105 MB RAM, trong khi các mô hình giáo viên chỉ đạt 1.500 đến 3.900 gói tin mỗi giây. Ở chế độ suy luận trực tuyến trên lưu lượng tự thu thập, quy trình vận hành liên viii tục và ổn định qua toàn bộ các kịch bản tấn công thử nghiệm với mức chiếm dụng khoảng 26% CPU và dưới 50 MB RAM, chứng minh tính khả thi của việc vận hành mô hình phát hiện xâm nhập ngay tại biên. Từ các kết quả trên, luận văn kết luận rằng chưng cất tri thức là một hướng tiếp cận khả thi để đưa mô hình phát hiện xâm nhập về kích thước phù hợp với thiết bị IoT biên. Không có mô hình nào tối ưu trên mọi tiêu chí, nên việc lựa chọn mô hình triển khai cần dựa vào mục tiêu ưu tiên cụ thể, chẳng hạn độ trễ thấp, độ chính xác tổng thể, hay khả năng phát hiện các lớp tấn công hiếm. Từ khóa: phát hiện xâm nhập, IoT, điện toán biên, chưng cất tri thức, mô hình học sâu gọn nhẹ, CICIoT2023, Raspberry Pi 4. As the number of IoT devices keeps growing, the attack surface of network systems keeps expanding, while most edge devices remain very limited in computation, memory and energy. Deep learning in
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.
Đề tài cùng ngành
- Solutions to improve business performance of Phu Thanh company limited
- Tinh sạch và khảo sát đặc tính Amylase từ rễ khoai lang sữa
- Ảnh hưởng của polyphenol, butyric acid, và β- glucan bổ sung vào thức ăn lên tỉ lệ sống và tăng trưởng của cá tra (Pangasianodon hypophthalmus) giống
- Ảnh hưởng của quang phổ đèn led lên tăng trưởng và tỷ lệ sống của ương giống tôm càng xanh (Macrobrachium rosenbergii) bằng công nghệ biofloc
- The impact of information and communication technology (ICT) on the economic growth in the middle-income countries in Asia.
- Analyse of business performance of Xuan An Khanh limited liability company
- Impacts of removing tariff barriers under evfta and a greater integration between Asian and the EU on Vietnam’s fishery sector
- Nghiên cứu sự tác động của dòng tiền gửi về từ người di cư đến chi tiêu và hành vi tiết kiệm của các hộ gia đình trên khu vực Đồng bằng sông Cửu Long
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.