PHÁT HIỆN VÀ PHÂN LOẠI TẤN CÔNG BOT-NET CHO CÁC THIẾT BỊ IOT SỬ DỤNG PHƯƠNG PHÁP MÁY HỌC

Abstract

Do sự phát triển mạnh mẽ của trí tuệ nhân tạo (AI) và mạng 5G đã tạo điều kiện thuận lợi cho các thiết bị IoT phát triển. Bên cạnh những lợi ích mà các thiết bị IoT mang lại, nó còn tiềm ẩn nhiều rủi ro cho vấn đề an ninh mạng. Các thiết bị IoT đang phát triển theo cấp số nhân nhưng vấn đề bảo mật cho các thiết bị này còn nhiều hạn chế, những kẻ xấu lợi dụng lỗ hổng bảo mật trên các thiết bị này để tạo thành mạng bot-net dùng để tấn công các máy chủ khác. Để phát hiện và ngăn chặn kịp thời các cuộc tấn công mạng bot-net là một thách thức đến ngành an ninh mạng. Các phương pháp theo dõi và phát hiện truyền thống không còn hiệu quả với các bot-net được thiết kế mới như: Mirai và Okiru. Các bot-net mới này được thiết kế thông minh hơn nhằm lẫn tránh sự theo dõi và phát hiện của các quản trị mạng, đặt ra nhiều thách thức hơn cho an ninh mạng. Vì thế luận văn này đề xuất một phương pháp phát hiện và phân loại tấn công mạng sử dụng mô hình học sâu CNN và LSTM. Mô hình sử dụng dữ liệu đầu vào là lưu lượng truy cập mạng của các thiết bị IoT để từ đó phát hiện các bất thường trong việc truy cập mạng của thiết bị này. Chúng tôi sử dụng tập dữ liệu IoT-23 làm tập dữ liệu huấn luyện chính cho mô hình với kết quả huấn luyện đạt độ chính xác cao trên 98%. Ngoài ra kết quả thực nghiệm trên mạng bot-net Mirai dự đoán được các hình thức của tấn công mạng.