Đề tài tìm hiểu thuật toán phát hiện tấn công từ chối dịch vụ sử dụng mô hình máy học kết hợp

Với sự phát triển nhanh chóng của công nghệ blockchain và trí tuệ nhân tạo hiện nay, việc sử dụng blockchain để giải quyết vấn đề phân phối phần thưởng trong mô hình học máy phân tán sẽ

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

KHOA KHOA HỌC VÀ KĨ THUẬT THÔNG TIN

ĐỒ ÁN CUỐI KỲ

ĐỀ TÀI: TÌM HIỂU THUẬT TOÁN PHÁT HIỆN TẤN CÔNG TỪ CHỐI DỊCH VỤ SỬ DỤNG MÔ HÌNH MÁY

HỌC KẾT HỢP

Lớp: IE105.

Giảng viên hướng dẫn: TS Nguyễn Tấn Cầm

Các sinh viên thực hiện:

Nguyễn Đình Sơn – 21522554

Trương Công Thành – 21522606

Mục lục

A THÔNG TIN CHUNG 4

A1 Tên đề tài 4

A2 Thuộc ngành/nhóm ngành (N/NN) 4

A3 Loại hình nghiên cứu: 4

A4 Thời gian thực hiện 4

A5 Nhân lực nghiên cứu 4

B MÔ TẢ NGHIÊN CỨU 4

B1 Giới thiệu: 4

B2 Tổng quan tình hình nghiên cứu trong, ngoài nước: 5

B2.1 CONTRACT LAW 2.0: «SMART» CONTRACTS AS THE BEGINNING OF THE END OF CLASSIC CONTRACT LAW, tác giả Alexander Savelyev(1) 5

B2.2 BLOCKCHAIN AND DECENTRALIZED APPS Tác giả Kyung-Hyune Rhee(2) 5

B2.3 REVOLUTIONIZING E-COMMERCE USING BLOCKCHAIN TECHNO Tác giả: Surekha Pendse, Nidhi Lal(3) 6

B2.4 STOCHASTIC CLUSTERED FEDERATED LEARNING, tác giả Dun Zeng(4) 6

B2.5 FEDERATED LEARNING USING SMART CONTRACTS ON BLOCKCHAINS, BASED ON REWARD DRIVEN APPROACH, tác giả Monik Raj Behera(5) 7

B2.6 REWARD SYSTEMS FOR TRUSTWORTHY MEDICAL FEDERATED LEARNING, các tác giả Konstantin D Pandl, Florian Leiser, Scott Thiebes, and Ali Sunyaev(6) 7

B3 Ý tưởng khoa học, tính cấp thiết và tính mới: 8

B3.1 Ý tưởng khoa học: 8

B3.2 Tính cấp thiết: 8

B3.3 Tính mới: 8

B4 Kết quả nghiên cứu sơ khởi: 9

B5 Mục tiêu, nội dung, kế hoạch nghiên cứu 10

B5.1 Mục tiêu: 10

B5.2 Nội dung: 10

B5.3 Kế hoạch nghiên cứu: 11

B6 Kết quả nghiên cứu 12

B6.1 Mô hình học liên kết – của Rahim Hossain: 12

B6.2 Mô hình giả lập BlockChain với NodeJs, MetaMask và Ganache: 13

7 Tổng kết: 15

Tài liệu tham khảo 16

A THÔNG TIN CHUNG

A1 Tên đề tài

Tên tiếng Việt:

TÌM HIỂU BLOCKCHAIN CHO BÀI TOÁN TRẢ THƯỞNG CỦA MÔ HÌNH HỌC LIÊN KẾT TRÊN PC

Tên tiếng Anh:

BLOCKCHAIN FOR REWARDING PROBLEM OF FEDERATED LEARNING ON PC

A2 Thuộc ngành/nhóm ngành (N/NN)

N/NN ưu tiên 1: Trí tuệ nhân tạo (AI) Hướng nghiên cứu: Blockchain, Học

liên kết

N/NN ưu tiên 2: Khoa học dữ liệu (DS) Hướng nghiên cứu: Xử lý dữ liệu A3 Loại hình nghiên cứu:

Nghiên cứu cơ bản.

Nghiên cứu ứng dụng

Nghiên cứu triển khai

A4 Thời gian thực hiện

3 tháng (kể từ khi được duyệt)

A5 Nhân lực nghiên cứu

B MÔ TẢ NGHIÊN CỨU

B1 Giới thiệu:

Học phân tán là một phương thức học máy, cho phép các thiết bị của người đóng góp được kết nối trực tiếp vào mạng nội bộ của mô hình nhằm cải thiện mô hình học máy mà không cần thu thập dữ liệu trực tiếp từ thiết bị của họ Sau khi kết thúc quá trình đào tạo, người đóng góp có thể nhận token hoặc kết quả đào tạo tùy theo hợp đồng ban đầu Tuy nhiên, bài toán trả thưởng cho các hệ thống này hiện nay chưa được minh bạch và dễ bị tấn công Để ngăn chặn điều này, chúng tôi đề xuất sử dụng blockchain để tính toán và xác định mức độ đóng góp của từng cá nhân, đồng thời ngăn chặn các kẻ giả mạo trong hệ thống Các tiêu chí đánh giá bao gồm: MSE (Mean

Squared Error), R2 score, giá trị hàm mất mát và mức độ chính xác, sẽ đánh giá một cách đầy đủ về khả năng cũng như mức độ đóng góp của từng cá nhân Chúng tôi sử dụng các tập dữ liệu mẫu được gửi kèm để kiểm tra mức độ chính xác Nếu một người đóng góp trả về kết quả sai hoàn toàn, smart contract sẽ loại bỏ cá nhân đó khỏi hệ thống cho đến khi được xác nhận lại

Với sự phát triển nhanh chóng của công nghệ blockchain và trí tuệ nhân tạo hiện nay, việc sử dụng blockchain để giải quyết vấn đề phân phối phần thưởng trong

mô hình học máy phân tán sẽ trở thành một giải pháp tiềm năng và hữu ích

B2 Tổng quan tình hình nghiên cứu trong, ngoài nước:

B2.1 CONTRACT LAW 2.0: «SMART» CONTRACTS AS THE BEGINNING OF THE END OF CLASSIC CONTRACT LAW, tác giả Alexander Savelyev (1)

Trong bài báo, tác giả đã giải thích định nghĩa blockchain và smart contract, đồng thời đặt ra các câu hỏi liệu smart contract có thực sự hữu ích nếu ứng dụng trong việc quản lý nhà nước, ví dụ như xác nhận một người có phạm tội hay không và lưu vào cơ sở dữ liệu công dân Theo đó, hợp đồng thông minh có thể hiểu đơn giản là một thỏa thuận mà việc thực hiện được tự động hóa và hoàn toàn có thể ứng dụng trong mọi lĩnh vực ngoài blockchain A Savelyev đã dẫn chứng ứng dụng của smart contract

đã xuất hiện từ thế kỉ thứ nhất sau công nguyên ở Hy Lạp với chiếc máy bán nước thánh tự động đầu tiên Nghĩa là, smart contract đã và đang được sử dụng xung quanh chúng ta với một góc nhìn khác Ông cũng đưa ra những lợi ích và tác hại khi sử dụng smart contract vào việc quản lý nhà nước dựa trên cơ sở pháp luật của nước Nga như: smart contract không tạo ra nghĩa vụ của các bên tham gia, smart contract không thể đơn phương thay đổi, quyền lợi giữa các bên tham gia là bình đẳng, tính tự động của

nó khiến cho điều kiện thỏa thuận là tuyệt đối và smart contract không chịu sự kiểm soát bởi pháp luật Từ đó, tác giả đưa ra hai giải pháp cho hợp đồng thông minh Một

là, tạo một nhóm "siêu người dùng" là các cơ quan chính phủ có quyền kiểm soát mọi

dữ liệu của hợp đồng Hai là, cá nhân hóa người dùng và đặt các quy định của nhà nước "ngoại tuyến" nhằm tránh việc sửa đổi dữ liệu trái phép và có thể xác nhận bởi người có thẩm quyền trước khi đưa ra quyết định Qua đó, ta nhận thấy việc đưa smart contract vào quản lý nhà nước còn nhiều thách thức và chưa phù hợp để triển khai trong thời điểm hiện nay

B2.2 BLOCKCHAIN AND DECENTRALIZED APPS Tác giả Kyung-Hyune Rhee (2)

Bài báo "Blockchain and Decentralized Apps" là một bài báo nghiên cứu về công nghệ blockchain và các ứng dụng phi tập trung, tập trung vào giải thích cách hoạt động của blockchain, các thành phần cấu thành nó và các ứng dụng của nó trong thực

tế Bài báo mở đầu bằng giới thiệu về công nghệ blockchain, các thành phần chính của blockchain đồng thời giải thích cách hoạt động của blockchain trong việc xử lý các

giao dịch trên mạng Với các lợi thế bảo mật và tính minh bạch, blockchain giúp tăng cường tính tin cậy của hệ thống và giảm thiểu sự cần thiết của các bên trung gian Tác giả đưa ra một số vấn đề và thách thức khi triển khai blockchain và ứng dụng phi tập trung Vấn đề chính là đảm bảo tính bảo mật trong việc xác thực thông tin, đặc biệt trong các trường hợp tấn công mạng và những rủi ro liên quan đến chênh lệch giá và các hoạt động gian lận khác Các tác giả đã đưa ra những giải pháp để giảm thiểu rủi

ro và tăng cường tính bảo mật của blockchain, bao gồm các thuật toán xác thực, xử lý

dữ liệu hoặc các giao thức bảo mật nâng cao Tóm lại, bài báo đã giải thích cấu trúc, hoạt động và ứng dụng của công nghệ blockchain Đồng thời, đề cập đến các thách thức trong triển khai blockchain, cùng với các giải pháp để tăng tính bảo mật và giảm thiểu rủi ro khi triển khai trong thực tế

B2.3 REVOLUTIONIZING E-COMMERCE USING BLOCKCHAIN TECHNO Tác giả: Surekha Pendse, Nidhi Lal (3)

Bài báo đề cập đến việc ứng dụng công nghệ blockchain và triển khai hợp đồng thông minh (smart contract) trong lĩnh vực thương mại điện tử, nhằm cải thiện tính bảo mật và tiện lợi cho người dùng Không giống như các hình thức thanh toán truyền thống, thương mại điện tử đòi hỏi phải có một môi trường giao dịch trực tuyến đảm bảo sự an toàn và bảo mật cho thông tin của người dùng Công nghệ Blockchain và hợp đồng thông minh có thể được sử dụng như một giải pháp để kiểm soát các thông tin liên quan đến giao dịch, đảm bảo tính toàn vẹn và an toàn cho thông tin Tuy nhiên, bài báo cũng nhấn mạnh rằng công nghệ blockchain và smart contract vẫn còn đang phát triển và đòi hỏi các doanh nghiệp phải có một chiến lược cụ thể để triển khai công nghệ này Việc ứng dụng blockchain trong thương mại điện tử cũng đặt ra nhiều thách thức, ví dụ như đảm bảo khả năng mở rộng cho ứng dụng của blockchain, đảm bảo tính thông dụng và ổn định của hệ thống, và đảm bảo uy tín, độ tin cậy của thông tin Tổng kết, tác giả đề xuất ứng dụng công nghệ blockchain và smart contract trong lĩnh vực thương mại điện tử, và giúp người đọc hiểu rõ hơn về cách mà công nghệ blockchain có thể được áp dụng để tăng tính bảo mật và tiện lợi cho người dùng

B2.4 STOCHASTIC CLUSTERED FEDERATED LEARNING, tác giả Dun Zeng (4)

Bài báo trình bày về công nghệ học liên kết (FL), đây là công nghệ cho phép học tập phân tán, tận dụng tối đa các mẫu dữ liệu được lưu trữ trên các thiết bị Tuy nhiên trong thế giới thực các mẫu dữ liệu này thường được phân cấp và phân phối không độc lập (Non-IID) và để khắc phục tình trạng đó đã có một giải pháp được đưa

ra đó chính là học tập liên kết theo cụm (CFL), nhưng giải pháp này đòi hỏi thông tin

về số lượng cụm và đây là thông tin rất khó để có được Vì vậy tác giả đã đưa ra một giải pháp mới đó chính là StoCFL (học tập liên kết theo cụm ngẫu nhiên), đây chính là phương thức học tập liên kết theo cụm mới để làm giảm hiệu ứng Non-IID và cho phép số lượng thiết bị cũng như dữ liệu tham gia một cách tùy ý, không yêu cầu số lượng cụ thể Qua đó giải pháp mới này rất thích hợp để áp dụng vào thực tế Ngoài ra

bài báo còn đề cập đến việc giải pháp StoCFL sử dụng thuật toán phân cụm máy khách ngẫu nhiên và thuật toán CFL hai cấp độ để nâng cao hiệu suất hoạt động của mô hình Tóm lại bài báo đã đưa ra giải pháp mới chính là StoCFL, giải pháp này có phân cụm các máy khách được liên kết ngẫu nhiên với nhau, đây là giải pháp rất mạnh mẽ và linh hoạt trong thế giới hiện nay hay cụ thể hơn là trong công nghệ học tập phân tán Hơn thế nữa các thử nghiệm đã nêu lên được tính ưu việt của StoCFL và cũng cho thấy triển vọng để phát triển trong tương lai

B2.5 FEDERATED LEARNING USING SMART CONTRACTS ON BLOCKCHAINS, BASED ON REWARD DRIVEN APPROACH, tác giả Monik Raj Behera (5)

Theo bài báo, việc áp dụng học tập liên kết như hiện nay thiếu đi sự công bằng,

sự khuyến khích cho những người đóng góp vào mô hình học tập liên kết Vì vậy tác giả đề xuất sử dụng hợp đồng thông minh trên blockchain dựa trên phần thưởng để khuyến khích cho những người đóng góp vào mô hình học tập liên kết Những hợp đồng này sẽ được công bố và kiểm chứng bởi những người tham gia mạng Qua đó có thể cách mạng hóa việc sử dụng học tập liên kết trong các doanh nghiệp Tác giả đưa

ra giải pháp sử dụng hợp đồng thông minh trên blockchain dựa trên phần thưởng để thưởng cho những người tham gia đóng góp tích cực và phạt những người tham gia ác

ý Ngoài ra, tác giả còn đưa ra giải pháp để đảm bảo quyền riêng tư giữa các nút bằng cách sử dụng mật mã RSA để mã hóa thông tin để đảm bảo tính bảo mật Như vậy, bài báo đưa ra giải pháp sử dụng hợp đồng thông minh trên blockchain dựa trên phần thưởng để thiết lập một cơ chế để khuyến khích những người tham gia và cũng đưa ra

và xác thực những phương pháp giải quyết các vấn đề có thể xảy ra, qua đó có thể đảm bảo tính công bằng, minh bạch, an toàn của việc sử dụng hợp đồng thông minh trên blockchain dựa trên phần thưởng

B2.6 REWARD SYSTEMS FOR TRUSTWORTHY MEDICAL FEDERATED LEARNING, các tác giả Konstantin D Pandl, Florian Leiser, Scott Thiebes, and Ali Sunyaev (6)

Bài báo "Reward Systems for Trustworthy Medical Federated Learning" đề xuất thiết kế một hệ thống trả thưởng cho Federated Learning nhằm thu hút các đóng góp có độ dốc chất lượng cao để cải thiện chất lượng mô hình học máy, đồng thời khuyến khích các tổ chức hoặc cá nhân chia sẻ dữ liệu cho cộng đồng Hệ thống trả thưởng được xây dựng dựa trên các tiêu chí cụ thể như số lượng dữ liệu đóng góp, độ chính xác của mô hình cập nhật và tính ổn định của thiết bị để trả cho thiết bị đó khoản thưởng phù hợp Việc cung cấp hệ thống trả thưởng giúp nâng cao chất lượng dữ liệu

và độ chính xác của mô hình học máy cũng như khuyến khích sự hợp tác trong việc phát triển các ứng dụng học máy cho thị trường của các thiết bị thông minh

B3 Ý tưởng khoa học, tính cấp thiết và tính mới:

B3.1 Ý tưởng khoa học:

Trong hệ thống mà chúng tôi đề xuất, để tính toán đóng góp của mỗi node tham gia huấn luyện mô hình, chúng tôi sử dụng một smart contract trên blockchain để lưu trữ thông tin về các node tham gia và mức độ đóng góp của từng node Trong hệ thống này, chúng tôi đề xuất 2 smart contract:

 Chk-validable sẽ kiểm tra tính hợp lệ của model trả về

 Cal-token sẽ tính toán giá trị token cần trả cho từng client dựa vào các thông số trả về

Để tính toán mức độ đóng góp, chúng tôi đề xuất sử dụng ba chỉ số chính: lượng dữ liệu, thời gian đóng góp và mức độ chính xác Mức độ chính xác sẽ được xác định bằng các thông số sau: cost function, training set, validation set, accuracy, precision và recall

B3.2 Tính cấp thiết:

Hiện nay, học máy là một lĩnh vực đang phát triển mạnh mẽ và nhiều tiềm năng Tuy nhiên, vấn đề trả thưởng trong học máy vẫn chưa được giải quyết một cách triệt để và dễ bị tấn công vì tiền thưởng không được phân bổ một cách minh bạch và công bằng cho tất cả các nhóm tham gia Thực tế, đây cũng là một trong những lĩnh vực dễ bị hacker tấn công nhất Một số cách tấn công hiện nay như Adversarial Examples hoặc Model Stealing đang được sử dụng để tấn công vào mô hình học máy

và đánh lừa các thuật toán nhằm nhận được phần thưởng dù không đóng góp vào mô hình

Vì vậy, việc đề xuất một phương pháp tính toán đóng góp của các node tham gia huấn luyện mô hình bằng cách sử dụng smart contract trên blockchain là cần thiết

và cấp bách Smart contract không chỉ cung cấp tính minh bạch và an toàn cho quá trình tính toán đóng góp mà còn giúp ngăn chặn được các hành vi tấn công vào mô hình học máy

B3.3 Tính mới:

Tính mới của nghiên cứu này nằm ở việc sử dụng các công nghệ tiên tiến và đầy tiềm năng phát triển trong tương lai để giải quyết vấn đề tính toán đóng góp trong machine learning Blockchain và smart contract là những công nghệ tiên tiến trong việc đảm bảo tính minh bạch và an toàn cho quá trình tính toán đóng góp của các node tham gia huấn luyện mô hình Việc sử dụng các công nghệ này thể hiện rõ sự sáng tạo

và đột phá trong việc tính toán đóng góp trong lĩnh vực machine learning

Trong tương lai gần, lĩnh vực AI sẽ phát triển mạnh mẽ và trở thành một trong những lĩnh vực hàng đầu trong ngành công nghệ thông tin Từ đó, ý tưởng của nghiên cứu này sẽ trở nên ngày càng quan trọng và có tính ứng dụng cao đối với các bài toán trong lĩnh vực machine learning

Điều này cho thấy sự đúng đắn và đột phá của ý tưởng, đồng thời mở ra nhiều triển vọng cho sự phát triển của lĩnh vực này trong tương lai

B4 Kết quả nghiên cứu sơ khởi:

1 Federated learning (hay còn gọi là học tập liên kết) là một phương pháp giúp cho các thiết bị khác nhau có thể đào tạo một cái mô hình học máy chung mà không cần phải tập hợp tất cả các dữ liệu ở một nơi, qua đó giúp đảm bảo về tính bảo mật cũng như quyền riêng tư của dữ liệu.(7)

2 Distributed machine learning (hay còn gọi là học máy phân tán) là một phương pháp để huấn luyện mô hình học máy trên nhiều máy tính độc lập Thay vì đưa toàn bộ tập dữ liệu đến một máy tính để huấn luyện, các tập con của dữ liệu được phân tán trên nhiều máy tính và mỗi máy tính sẽ đóng góp vào việc huấn luyện một phần của mô hình, qua đó giúp cải thiện hiệu suất, giảm thiểu lỗi của máy và ngoài ra còn giúp con người sử dụng lượng dữ liệu lớn để thực hiện các phân tích chính xác và đưa ra quyết định.(8)

3 Blockchain là một công nghệ lưu trữ và xử lý dữ liệu phân cấp và phi tập trung Blockchain sử dụng một mạng lưới các nút (nodes) để duy trì và chia sẻ thông tin Các thông tin này được lưu trữ trong các khối (blocks), mỗi khối được liên kết với nhau bằng một mã băm (hash) duy nhất, tạo thành một chuỗi (chain) các khối liên tiếp Với cơ chế lưu trữ và xác thực dữ liệu phân cấp và phi tập trung, blockchain đã trở thành một trong những công nghệ có tính bảo mật cao và khó bị tấn công.(9)

4 Smart Contract (hay còn gọi là hợp đồng thông minh) là một giao thức giao dịch dựa trên công nghệ Blockchain cho phép việc đưa ra điều kiện và thực thi các giao dịch trong một hợp đồng tự động Smart contract được xây dựng trên cơ sở các điều kiện mà khi được đáp ứng, sẽ tự động thực thi hợp đồng

mà không cần thông qua bên thứ 3 Qua đó giúp tăng tính minh bạch cũng như độ tin cậy cho các giao dịch.(10)

5 Hash function SHE-256 là một loại hàm băm dùng để biến đổi đầu vào (input)

có độ dài bất kỳ thành đầu ra (output) có độ dài cố định là 256 bit Đây là một trong các thuật toán hash function được sử dụng phổ biến hiện nay để đảm bảo tính toàn vẹn dữ liệu (data integrity) và bảo mật thông tin trong các ứng dụng khác nhau như blockchain, chữ ký số, xác thực người dùng.(11)

6 Adversarial Examples là các mẫu dữ liệu đầu vào được thay đổi một cách chủ

ý nhằm khiến máy học (machine learning) hoạt động sai lệch so với dự đoán chính xác của nó Adversarial Examples có thể được tạo ra thông qua các phương pháp như tối ưu hóa, thêm nhiễu (noise) vào dữ liệu, …(12)

7 Model Stealing là một kỹ thuật tấn công vào các mô hình machine learning bằng cách sao chép chúng thông qua việc truy xuất dữ liệu qua giao diện điều khiển (API) hoặc các kỹ thuật khác để tái sử dụng lại mô hình với chi phí thấp

và không cần phải tiến hành đào tạo (training) mô hình lại từ đầu.(13)

8 MSE (Mean Squared Error) là một phương pháp để đánh giá hiệu suất của các

mô hình học máy Nó đo lường sự khác biệt trung bình bình phương giữa dự đoán và giá trị thực tế MSE thấp hơn cho thấy mô hình đang hoạt động tốt hơn

9 Ganache là một công cụ phát triển trong Truffle Suite cho phép bạn thiết lập một blockchain Ethereum cá nhân để triển khai các hợp đồng, phát triển ứng dụng và chạy các kiểm tra

10 MetaMask là một ví tiền điện tử phần mềm được sử dụng để tương tác với blockchain Ethereum

11 R2 (còn được gọi là hệ số xác định) là một phương pháp để đánh giá hiệu suất của các mô hình học máy Nó đo lường độ chính xác của mô hình bằng cách

so sánh giá trị thực tế và giá trị dự đoán của mô hình R càng gần 1 thì mô2

hình càng tốt

B5 Mục tiêu, nội dung, kế hoạch nghiên cứu

B5.1 Mục tiêu:

Mục tiêu của đề tài nghiên cứu này là ứng dụng công nghệ blockchain mà cụ thể là smart contract vào quá trình tính toán đóng góp của các node trong mô hình học phân tán Từ đó, giải quyết vấn đề tính minh bạch và công bằng trong quá trình tính toán đóng góp, đồng thời tăng tính bảo mật và chống lại các hành vi tấn công vào mô hình học máy

B5.2 Nội dung:

Trong quá trình nghiên cứu, chúng tôi tập trung nghiên cứu về công nghệ blockchain và smart contract - những công nghệ cơ bản và quan trọng được sử dụng để đảm bảo tính minh bạch và an toàn trong các ứng dụng liên quan đến quản lý tài sản và giao dịch

Sau đó, chúng tôi thiết kế một mô hình học phân tán sử dụng blockchain và smart contract nhằm giải quyết vấn đề tính toán đóng góp của các node trong huấn luyện mô hình Cấu trúc mô hình này như sau: