XÂY DỰNG NỀN TẢNG HỌC TRỰC TUYẾN THEO KIẾN TRÚC MICROSERVICES TÍCH HỢP CƠ CHẾ BẢO VỆ NỘI DUNG SỐ

Abstract

Trong bối cảnh chuyển đổi số ngày càng phát triển, học trực tuyến đã trở thành hình thức tiếp cận kiến thức phổ biến nhờ tính linh hoạt về thời gian và địa điểm. Tuy nhiên, một nền tảng học trực tuyến không chỉ cần đáp ứng các nghiệp vụ dạy và học mà còn phải phân tách rõ các nhóm chức năng, kiểm soát quyền truy cập và hạn chế việc chia sẻ trái phép học liệu số. Từ nhu cầu đó, đề tài xây dựng nền tảng học trực tuyến SecureLearn theo kiến trúc Microservices, tích hợp cơ chế bảo vệ nội dung số với trọng tâm là video bài giảng. Nền tảng phục vụ bốn nhóm đối tượng gồm khách vãng lai, học viên, người giảng dạy và quản trị viên. Khách vãng lai có thể tìm kiếm, xem thông tin khóa học, tham khảo gói thuê bao và đăng ký tài khoản. Học viên có thể quản lý giỏ hàng và danh sách yêu thích, mua khóa học hoặc đăng ký gói thuê bao qua môi trường thử nghiệm của MoMo và VNPay, xem video và tài liệu, làm bài kiểm tra, ghi chú, thảo luận và theo dõi tiến độ. Người giảng dạy có thể xây dựng khóa học, tổ chức chương, bài học, học liệu và bài kiểm tra, gửi yêu cầu kiểm duyệt, quản lý học viên và theo dõi doanh thu. Quản trị viên thực hiện quản lý tài khoản, nhân viên, vai trò và quyền hạn, kiểm duyệt khóa học, quản lý giao dịch, gói thuê bao, mã giảm giá, thông báo, yêu cầu hỗ trợ và nội dung chung của website. Hệ thống còn cung cấp thông báo thời gian thực và chatbot cơ bản tích hợp Gemini AI API để hỗ trợ tìm kiếm, tư vấn lộ trình và gợi ý khóa học. Về bảo vệ nội dung số, video được kiểm tra và xử lý bằng FFprobe và FFmpeg, chuyển thành HLS với các mức chất lượng phù hợp, chia thành các phân đoạn, mã hóa AES-128 và lưu trên Cloudflare R2. Khi phát video, hệ thống kiểm tra trạng thái tài khoản, quyền học, phiên đăng nhập và phiên học; đồng thời sử dụng mã truy cập dùng một lần, phiên cấp khóa giải mã, liên kết có thời hạn, watermark động trên giao diện và cơ chế giới hạn một phiên phát cho mỗi tài khoản. Tại giao diện học, hệ thống chặn nhấp chuột phải và các phím tắt như F12, Ctrl+C, Ctrl+S, Ctrl+P, Ctrl+Shift+I, Ctrl+Shift+J và Ctrl+Shift+C nhằm hạn chế sao chép, lưu nội dung hoặc mở công cụ phát triển bằng các thao tác thông thường. Các biện pháp này góp phần kiểm soát quyền truy cập và hạn chế việc chia sẻ hoặc tải trực tiếp nội dung bằng những phương thức phổ biến. Hệ thống gồm tám dịch vụ Backend được truy cập thông qua Kong API Gateway. Một số giao tiếp đồng bộ giữa các dịch vụ sử dụng gRPC, còn các sự kiện bất đồng bộ được truyền qua RabbitMQ. MongoDB được sử dụng để lưu dữ liệu nghiệp vụ, Redis quản lý dữ liệu tạm và trạng thái phiên, còn Socket.IO hỗ trợ các chức năng thời gian thực. Kết quả thực hiện cho thấy hệ thống đáp ứng được các luồng nghiệp vụ chính và triển khai được các cơ chế bảo vệ video đã thiết kế. Các thành phần Backend được đóng gói bằng Docker và chạy thử trên Kubernetes cục bộ với một bản sao cho mỗi thành phần. Hệ thống chưa triển khai tự động mở rộng hoặc đánh giá với số lượng lớn người dùng. ABSTRACT In the context of continuing digital transformation, online learning has become a widely adopted approach to education because of its flexibility in time and location. However, an online learning platform must not only support teaching and learning activities but also separate functional domains, control access, and limit unauthorized sharing of digital learning materials. To address these requirements, this project develops SecureLearn, an online learning platform based on a Microservices architecture and integrated with digital content protection mechanisms focused on lecture videos. The platform serves four user groups: visitors, learners, instructors, and administrators. Visitors can search for courses, view course information, explore subscription plans, and register accounts. Learners can manage their shopping carts and wishlists, purchase courses or subscribe to learning plans through the MoMo and VNPay test environments, watch videos, access documents, take quizzes, create notes, participate in discussions, and track their learning progress. Instructors can create courses, organize sections, lessons, learning materials, and quizzes, submit courses for review, manage enrolled learners, and monitor revenue. Administrators manage user and staff accounts, roles and permissions, course moderation, transactions, subscription plans, coupons, notifications, support requests, and shared website content. The system also provides real-time notifications and a basic chatbot integrated with the Gemini AI API to support course search, learning-path consultation, and course recommendations. For digital content protection, videos are inspected and processed using FFprobe and FFmpeg, converted into HLS streams with suitable quality levels, divided into segments, encrypted with AES-128, and stored on Cloudflare R2. During playback, the system verifies account status, course access, login sessions, and learning sessions. It also uses one-time access tokens, decryption-key sessions, time-limited links, dynamic watermarks, and a mechanism that allows only one active playback session per account. On the learning interface, right-click actions and keyboard shortcuts such as F12, Ctrl+C, Ctrl+S, Ctrl+P, Ctrl+Shift+I, Ctrl+Shift+J, and Ctrl+Shift+C are blocked to limit common copying, saving, and developer-tool access operations. These measures contribute to access control and reduce direct sharing or downloading through commonly used methods. The system consists of eight backend services whose requests are routed through Kong API Gateway. Some synchronous inter-service communication uses gRPC, while asynchronous events are delivered through RabbitMQ. MongoDB stores business data, Redis manages temporary data and session states, and Socket.IO supports real-time features. The results show that the system supports its main business workflows and implements the designed video protection mechanisms. The backend components were containerized with Docker and tested on a local Kubernetes environment with one replica per component. Automatic scaling and large-scale concurrent-user evaluation have not yet been implemented.