PHÁT HIỆN TẤN CÔNG MẠNG SỬ DỤNG CÁC MÔ HÌNH HỌC SÂU

Abstract

Luận văn này trình bày việc xây dựng một hệ thống phát hiện và phân loại tấn công mạng sử dụng học sâu (Deep Learning) trên nền tảng Apache Spark. Nhằm đối phó với sự gia tăng của các cuộc tấn công mạng tinh vi, đặc biệt là zero-day, hệ thống tập trung vào việc xử lý dữ liệu luồng mạng (CSE-CIC-IDS). Dữ liệu sẽ được tiền xử lý kỹ lưỡng trên Spark, sau đó các mô hình học sâu như CNN, LSTM, CNN-LSTM, GRU và CNN-GRU-TRANSFORMERS sẽ được huấn luyện để phát hiện và phân loại tấn công. Hiệu suất của các mô hình được đánh giá bằng Precision, Recall, và F1-score... Mục tiêu cuối cùng là tạo ra một hệ thống tự động, chính xác cao giúp hỗ trợ chuyên gia an ninh mạng trong việc giám sát và xử lý sự cố.