Phân loại mã độc Android dựa trên hướng tiếp cận đa lớp đặc trưng

220201004 - Phạm Nhật Duy

Sự phổ biến rộng rãi của các ứng dụng Android đặt ra những lo ngại và thách thức đáng kể về bảo mật trong việc phát hiện và phân loại mã độc trên nền tảng này. Các kỹ thuật phân tích truyền thống trước đây không thể đối phó với sự thay đổi ngày càng tinh vi của mã độc, đặc biệt là trước các kỹ thuật làm rối mã nguồn nâng cao, do đó đòi hỏi cần phải có các phương pháp mạnh mẽ hơn. Mục tiêu của nghiên cứu này là xây dựng một hệ thống phân loại mã độc Android có khả năng phát hiện được các ứng dụng đã bị làm rối mã nguồn. Tận dụng các kỹ thuật phân loại hình ảnh, luận văn này đề xuất một phương pháp chuyển đổi mã nguồn của ứng dụng Android thành các hình ảnh đặc trưng khác nhau, bao gồm hình ảnh Markov, hình ảnh đồ thị Entropy và hình ảnh ma trận mức xám. Ba loại hình ảnh đặc trưng này được hợp nhất lại thành một hình ảnh màu duy nhất và làm đầu vào cho các mô hình mạng nơ-ron tích chập được tinh chỉnh. Kết quả cho thấy phương pháp đề xuất mang lại hiệu suất vượt trội hơn so với các phương pháp hiện có. Kết quả cũng chỉ ra tầm quan trọng của việc xem xét nhiều loại đặc trưng hình ảnh khác nhau để có được cái nhìn toàn diện hơn về hành vi của ứng dụng Android, mặc dù vẫn có sự đánh đổi về chi phí tính toán. Ngoài ra, việc sử dụng một bộ dữ liệu đa dạng các ứng dụng (bị và không bị làm rối mã) sẽ giúp cải thiện tốt hơn khả năng chống lại trước các kỹ thuật làm rối mã nguồn.

Trân trọng.

Phát hiện thư rác tiếng Việt sử dụng các mô hình học sâu

210201001 - Ngô Thanh Bình

Ra đời từ những ngày đầu của mạng máy tính, trải qua nhiều nâng cấp và cải tiến, thư điện tử ngày nay vẫn là một phương thức trao đổi thông tin chính thức được sử dụng rộng rãi bởi các cá nhân và tổ chức trên toàn thế giới. Bên cạnh những lợi ích to lớn mà thư điện tử mang lại, thư điện tử cũng bị lạm dụng và sử dụng như một công cụ phục vụ cho các mục đích khác nhau trên môi trường mạng máy tính như gửi thư lừa đảo, thư nặc danh, thư quảng cáo, thư xin tài trợ. Những thư này người nhận không mong muốn nhận nên được gọi là thư rác hay SPAM. Để phân biệt với thư rác, thuật ngữ HAM được sử dụng để chỉ thư mà người nhận mong muốn nhận hay không phải thư rác. Thư rác thường gây cảm giác khó chịu khi người sử dụng nhận được chúng hoặc thậm chí gây ra những tổn hại nhất định cả về vật chất và tinh thần nếu người sử dụng trở thành mục tiêu của những kẻ lừa đảo. Chính vì vậy, nhiều giải pháp đã được phát triển để phát hiện thư rác hiệu quả hơn. Trong đó, các mô hình học máy cũng như các mô hình học sâu đã được ứng dụng để phát hiện thư rác và đạt được độ chính xác cao. Tuy nhiên, các mô hình này phần lớn đều được huấn luyện trên bộ dữ liệu tiếng Anh nên chỉ có khả năng phát hiện được thư rác tiếng Anh, chưa có bộ dữ liệu thư rác tiếng Việt để huấn luyện mô hình phát hiện thư rác tiếng Việt. Luận văn này trình bày việc xây dựng bộ dữ liệu thư rác tiếng Việt và ứng dụng các mô hình học sâu gồm CNN, BiLSTM và PhoBert để huấn luyện mô hình phát hiện thư rác tiếng Việt. Kết quả so sánh cho thấy, các mô hình học sâu này đều cho kết quả phát hiện thư rác tiếng Việt với độ chính xác cao. Kết quả huấn luyện cho thấy độ chính xác của các mô hình lần lượt là CNN 88.42%, BiLSTM 83.03% và PhoBert 86.47%.

Việc ứng dụng các mô hình học sâu trong phát hiện thư rác tiếng Việt giúp ngăn chặn thư rác hiệu quả hơn, giải quyết thêm các vấn đề còn tồn đọng như: thích ứng với các chiến thuật gửi thư rác mới hiệu quả hơn thông qua việc huấn luyện và cập nhật mô hình, có thể cá nhân hóa cho các người dùng khác nhau và có thể kết hợp với các hệ thống an ninh khác như hệ thống phát hiện mã độc, hệ thống phát hiện tấn công. Trong tương lai, hệ thống sẽ tiếp tục được cải tiến để ứng dụng trong các hệ thống phát hiện thư rác tiếng Việt.

Trân trọng.

Phát hiện các gian lận kế toán bằng phương pháp máy học tổng hợp

CH2002011 - Huỳnh Thị Tố Ngọc

Báo cáo tài chính (viết tắt là BCTC) là công cụ giúp các nhà đầu tư và những đơn vị liên quan hiểu rõ tài chính của các tổ chức. Trong thời đại ngày nay, tốc độ phát triển của khoa học công nghệ nhanh như vũ bão thì quy mô kinh doanh ngày càng tăng, nguy cơ về gian lận kế toán (GLKT) đã trở thành một thách thức cực kỳ lớn đối với doanh nghiệp và hệ thống tài chính toàn cầu. GLKT không còn đơn thuần là một vấn đề riêng của các doanh nghiệp, mà còn mang theo những hậu quả lớn đối với tính công bằng và minh bạch trong quản lý tài chính. Việc GLKT ngày càng trở nên tinh vi làm cho việc phát hiện và ngăn chặn gian lận trở nên cực kỳ khó khăn.

Trong luận văn này, chúng tôi đã tiến hành trích xuất đặc trưng từ các giá trị dữ liệu thô trong các BCTC và áp dụng phương pháp máy học tổng hợp với thuật toán RUSBoost, AdaBoost, Bagging, phương pháp máy học hồi quy Logistic và SVM để xây dựng mô hình phân loại các GLKT.

Chúng tôi đã tập trung giải quyết hai vấn đề chính. Thứ nhất, đã đóng góp về mặt tập dữ liệu, bổ sung tập dữ liệu cho nghiên cứu khoa học về GLKT từ các BCTC. Thứ hai, qua kết quả số liệu của mô hình thực nghiệm và phân tích số liệu cho thấy kết quả của mô hình máy học tổng hợp tốt hơn so với các mô hình riêng biệt.

Với những kết quả đạt được, đề tài đã phát hiện GLKT trong BCTC và nâng cao độ tin cậy của những BCTC dành cho người sử dụng. Sau khi xây dựng thành công mô hình phát hiện GLKT bằng thuật toán máy học tổng hợp, chúng tôi đề xuất giải pháp tự động hóa quy trình phát hiện GLKT, giảm thiểu sự phụ thuộc vào sự can thiệp của con người. Mục tiêu là tối ưu hóa hiệu suất thời gian, nâng cao độ chính xác, giảm thiểu sai sót do yếu tố con người trong quá trình giám sát, đảm bảo được tính công bằng, minh bạch trong quản lý tài chính và góp phần xây dựng sự ổn định của thị trường kinh doanh và xã hội.

Trân trọng.

Phát hiện xâm nhập sử dụng XGBoost để lựa chọn tính năng với Logarithmic Autoencoder và Bidirectional LSTM

CH1902033 - Nguyễn Trọng Minh Hồng Phước

Trong bối cảnh hiện nay, với sự bùng nổ của Công nghệ thông tin (CNTT) và các phụ trợ, cuộc sống của chúng ta đang diễn ra một giai đoạn biến đổi mạnh mẽ. Việc phát triển không ngừng này của các ngành trong CNTT này đã đặt ra một thách thức lớn, là làm thế nào để có thể duy trì sự cạnh tranh và thích ứng. Trong bối cảnh này, việc số hóa dữ liệu đang trở thành một vấn đề được đặt ưu tiên lên hàng đầu. Và đồng thời từ việc này cũng đang mở ra những cánh cửa lớn cho những kẻ tấn công tinh vi. Các kẻ tấn công và tên trộm thông tin ngày càng tinh nhuệ hơn, luôn tìm cách xâm nhập trái phép vào các hệ thống dùng để lưu trữ dữ liệu. Đáng nói là các kỹ thuật tấn công vào các hệ thống ngày ngày đang trở nên đa dạng và khó bị phát hiện. Những hệ thống nhận diện truyền thống dựa trên các quy tắc cố định đang dần trở nên yếu thế và thậm chí lạc hậu khi đối mặt với sự tinh vi của các loại tấn công hiện đại.

Với ý tưởng là sẽ kết hợp ưu điểm của hai nhóm phương pháp trong bài toán IDS: Nhóm phương pháp dựa trên máy học và Nhóm phương pháp dựa trên học sâu, đề tài chọn việc kết hợp chúng để tạo ra mẫu đặc trưng của dữ liệu hoạt động mạng có độ phân biệt cao như sau: Mẫu đặc trưng với độ phân biệt cao, được chọn lọc và đóng góp vào việc phân biệt các cuộc tấn công mạng và trạng thái bình thường, ít chịu ảnh hưởng của nhiễu. Học từ đặc trưng dựa vào các kỹ thuật DL cho phép học đặc trưng quan trọng từ dữ liệu mạng. Thực nghiệm được tôi thực hiện sử dụng CSDL của Đại học New Brunswick, Canada (NSL-KDD) cho thấy rằng phương pháp đề xuất vượt trội hơn các phương pháp hiện có đã được công bố.

Trân trọng.