Nghiên cứu áp dụng học máy bán giám sát vào hệ thống IDS được chấp nhận đăng tại Hội nghị khoa học quốc tế RIVF 2022
Chúc mừng nhóm sinh viên ngành An toàn thông tin - Khoa Mạng máy tính & Truyền thông, Hồ Huy Thái & Nguyễn Đức Hiếu và nhóm nghiên cứu InSecLab đã có công trình nghiên cứu được chấp nhận đăng tại Kỷ yếu Hội nghị khoa học quốc tế "𝗥𝗜𝗩𝗙 𝟮𝟬𝟮𝟮 – 𝟭𝟲𝗧𝗛 𝗜𝗡𝗧𝗘𝗥𝗡𝗔𝗧𝗜𝗢𝗡𝗔𝗟 𝗖𝗢𝗡𝗙𝗘𝗥𝗘𝗡𝗖𝗘 𝗢𝗡 𝗖𝗢𝗠𝗣𝗨𝗧𝗜𝗡𝗚 𝗔𝗡𝗗 𝗖𝗢𝗠𝗠𝗨𝗡𝗜𝗖𝗔𝗧𝗜𝗢𝗡 𝗧𝗘𝗖𝗛𝗡𝗢𝗟𝗢𝗚𝗜𝗘𝗦". Đây là một trong những hội nghị khoa học uy tín cao về lĩnh vực Công nghệ Truyền thông và Điện toán, được tổ chức tại Trường Đại học Ngoại ngữ - Tin học Thành phố Hồ Chí Minh (HUFLIT) vào tháng 12.2022.
✍️✍️ Bài báo: "𝗔𝗱𝘃𝗲𝗿𝘀𝗮𝗿𝗶𝗮𝗹 𝗔𝘂𝘁𝗼𝗘𝗻𝗰𝗼𝗱𝗲𝗿 𝗮𝗻𝗱 𝗚𝗲𝗻𝗲𝗿𝗮𝘁𝗶𝘃𝗲 𝗔𝗱𝘃𝗲𝗿𝘀𝗮𝗿𝗶𝗮𝗹 𝗡𝗲𝘁𝘄𝗼𝗿𝗸𝘀 𝗳𝗼𝗿 𝗦𝗲𝗺𝗶-𝗦𝘂𝗽𝗲𝗿𝘃𝗶𝘀𝗲𝗱 𝗟𝗲𝗮𝗿𝗻𝗶𝗻𝗴 𝗜𝗻𝘁𝗿𝘂𝘀𝗶𝗼𝗻 𝗗𝗲𝘁𝗲𝗰𝘁𝗶𝗼𝗻 𝗦𝘆𝘀𝘁𝗲𝗺"
Sinh viên thực hiện:
- Hồ Huy Thái - Lớp An toàn tài năng 2018
- Nguyễn Đức Hiếu - Lớp An toàn tài năng 2018
Giảng viên hướng dẫn: TS. Phạm Văn Hậu & ThS. Phan Thế Duy
Đây là đề tài nghiên cứu được Huy Thái và Đức Hiếu (sinh viên ngành An toàn thông tin) thực hiện dưới sự hướng dẫn của 2 thầy trong thời gian bạn tham gia nghiên cứu về công nghệ học máy – trí tuệ nhân tạo, dưới góc nhìn an toàn, bảo mật thông tin tại Phòng thí nghiệm An toàn thông tin (InSecLab).
Abstract: As one of the defensive solutions against cyberattacks, Intrusion Detection System (IDS) plays an important role in observing the network state, alerting suspicious actions that can break down the system. There are many attempts of adopting Machine Learning (ML) in IDS to achieve the high performance in intrusion detection. However, all of them necessitate a large amount of labeled data. Also, labeling attack data is a time-consuming and expensive human-labor operation, making existing ML methods difficult to deploy in a new system or yielding lower results due to a lack of labels on pre-trained data. To address these issues, we propose a semi-supervised IDS model that leveraging Generative Adversarial Networks (GANs) and Adversarial AutoEncoder (AAE), called a semi-supervised adversarial autoencoder (SAAE). Our SAAE experimental results on two public datasets for benchmarking ML-based IDS, including NF-CSE-CIC-IDS2018 and NF-UNSW-NB15, demonstrate the effectiveness of AAE and GAN in case of using only a small number of labeled data. In particular, our approach outperforms other ML methods with the highest detection rates in spite of the scarcity of labeled data for model training, even with only 1% labeled data.
Hội nghị RIVF là một hội nghị quốc tế Công nghệ Truyền thông và Điện toán, là sự kiện khoa học quốc tế lớn quy tụ các nhà khoa học, nghiên cứu trong lĩnh vực điện toán và truyền thông ở Việt Nam và thế giới đồng hành “Nghiên cứu – Đổi mới và Tầm nhìn cho tương lai” (Reseach, Innovation and Vision for the future, viết tắt là RIVF). Hội nghị RIVF được liệt kê vào danh sách các hội nghị uy tín theo đề xuất của SCOPUS and ISI Web of Science. RIVF đã trải qua 15 lần tổ chức và năm 2022 là lần tổ chức thứ 16.
