️🎉️🎉️🎉Chúc mừng nhóm sinh viên 𝐋𝐞̂ 𝐏𝐡𝐢 𝐇𝐮̀𝐧𝐠, 𝐕𝐮̃ 𝐗𝐮𝐚̂𝐧 𝐊𝐡𝐚𝐧𝐠 (ngành Mạng máy tính và Truyền thông dữ liệu, chương trình Chất lượng cao - Khoa Mạng máy tính & Truyền thông) và 𝗻𝗵𝗼́𝗺 𝗻𝗴𝗵𝗶𝗲̂𝗻 𝗰𝘂̛́𝘂 𝐈𝐧𝐒𝐞𝐜𝐋𝐚𝐛 đã có công trình nghiên cứu về “IncWAD: Mô hình phát hiện tấn công web ứng dụng học tiệm tiến kết hợp MLOps” được chấp nhận đăng tại hội nghị khoa học quốc tế ATC’ 2023.
👉 Bài báo: "IncWAD: An Incremental Learning Approach for Web Attack Detection using MLOps"
- Lê Phi Hùng (Chất lượng cao - Mạng máy tính và Truyền thông dữ liệu 2021)
- Vũ Xuân Khang (Chất lượng cao - Mạng máy tính và Truyền thông dữ liệu 2021)
-Chủ đề nghiên cứu: Bảo mật Web và Học máy trong An toàn thông tin
-GVHD: ThS. Nghi Hoàng Khoa, TS. Phạm Văn Hậu
👉 Bài báo của nhóm được chấp nhận đăng và trình bày trong chương trình hội nghị "2023 INTERNATIONAL CONFERENCE ON ADVANCED TECHNOLOGIES FOR COMMUNICATIONS" - ATC’ 2023 vào tháng 10.2023 tại Đà Nẵng.
👉 Thông tin chung: Hội thảo quốc tế về các công nghệ truyền thông tiên tiến (International Conference on Advanced Technologies for Communications - ATC) là Hội thảo khoa học thường niên, chuyên sâu về lĩnh vực điện tử, truyền thông, công nghệ thông tin và các lĩnh vực liên quan. Hội thảo mở ra cơ hội giao lưu, trao đổi, giới thiệu các kết quả nghiên cứu, chuyển giao công nghệ và giới thiệu sản phẩm của các doanh nghiệp trong và ngoài nước hoạt động trong các lĩnh vực này. Hội thảo lần đầu tiên được tổ chức vào năm 2008, hàng năm thu hút hơn 200 báo cáo với khoảng 150 nhà khoa học đến từ nhiều nước trên thế giới tham dự. Hội thảo Quốc tế ATC được tổ chức theo hình thức kết hợp giữa các Trường đại học với tổ chức xã hội - nghề nghiệp và các tập đoàn và doanh nghiệp trong lĩnh vực điện tử, truyền thông, công nghệ thông tin.
👉 Năm 2023, hội nghị ATC sẽ được tổ chức tại Thành phố Đà Nẵng, Việt Nam trong thời gian từ 19-21/10/2023 do Trường Đại học Công nghệ Thông tin và Truyền thông Việt – Hàn, ĐH Đà Nẵng đăng cai tổ chức.
👉 Abstract: With the continuous growth of the internet and web applications, billions of websites built and available at our fingertips today lead more and more sophisticated and malicious attacks and pose requirements to build more precise and modern Web Attack Detection (WAD) system. Nowadays, many Machine Learning (ML)-based WAD approaches have been researched and yielded high efficiency. Additionally, to ensure optimal classification performance with data containing new classes, these models are regularly retrained. Nevertheless, the process of retraining models using both old and new data poses significant challenges in terms of computational requirements and storage capacity. On the other hand, when retraining the model with only new data, the model faces the problem of Catastrophic Forgetting (CF) which cannot adequately retain the previously learned amount of knowledge about the old data. To address these problems, in this work, we proposed an Deep Neural Network (DNN)-based WAD together with Incremental Learning (IL) technique, named IncWAD. Besides that, we also designed a Machine Learning Operations (MLOPs) cycle to deploy and manage the ML model conveniently. The evaluation results on the SR-BH 2020 multi-label dataset with various cases indicated that the IncWAD model could correctly classify different types of attacks and achieved an accuracy of more than 95%.
