Tiểu luận môn Hệ hỗ trợ quyết định DATA MINING VÀ ỨNG DỤNG TRONG PHÒNG CHỐNG XÂM NHẬP

Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN ωω o0o ωω BÀI THU HOẠCH MÔN HỌC HỆ HỖ TRỢ QUYẾT ĐỊNH HỆ HỖ TRỢ QUYẾT ĐỊNH Đề tài: Đề tài: DATA MINING VÀ ỨNG DỤNG DATA MINING VÀ ỨNG DỤNG TRONG PHÒNG CHỐNG XÂM NHẬP TRONG PHÒNG CHỐNG XÂM NHẬP GVHD : PGS.TS. Đỗ Phúc HVTH : Nguyễn Thanh Bình MSHV : CH1301005    HVTH: Nguyễn Thanh Bình Trang 1 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc Tp. HCM, tháng 06 năm 2014 MUC LUC LỜI MỞ ĐẦU 3 LỜI CẢM ƠN 4 CHƯƠNG I: ĐẶT VẤN ĐỀ 5 CHƯƠNG II: DATA MINING 7 2.1 Giới thiệu về Data mining 7 2.2 Các nhiệm vụ của Data mining 9 2.3 Ứng dụng của Data mining 10 2.4 Các phương pháp khai phá dữ liệu 12 2.4.1 Phương pháp quy nạp (Induction) 12 2.4.2 Cây quyết định và luật 12 2.4.3 Phân nhóm và phân đoạn 14 CHƯƠNG III: ỨNG DỤNG KỸ THUẬT DATA MINING TRONG HỆ THỐNG IDS.15 3.1 Hệ thống IDS 15 3.1.1 Giới thiệu 15 3.1.2 Hệ thống phát hiện xâm nhập - IDS 16 3.2 Khai phá dữ liệu trong IDS 21 3.2.1 Luật phân lớp 22 3.2.2 Luật kết hợp 23 3.2.3 Phân cụm(clustering/segmentation) 24 CHƯƠNG IV- XÂY DỰNG CHƯƠNG TRÌNH PHÁT HIỆN XÂM NHẬP 25 4.1 Thuật toán phân cụm 25 4.1.1 Thuật toán gom cụm bằng phương pháp K-means 25 4.1.2 Kỹ thuật dùng đối tượng đại diện: Phương pháp k-medoids 31 4.1.3 Phân tích thiết kế chương trình 32 4.2 Giới thiệu các Rules trên Iptables 37 KẾT LUẬN 41 TÀI LIỆU THAM KHẢO 43 HVTH: Nguyễn Thanh Bình Trang 2 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc LỜI MỞ ĐẦU Ngày nay, sự phát triển của máy tính cũng như công nghệ thông tin đã mang lại cho con người rất nhiều tiện ích. Lĩnh vực Data mining đã trở thành một trong những lĩnh vực mũi nhọn trong thời đại hiện nay là việc làm cho máy tính trở nên thông minh hơn, tăng cường sự cộng tác giữa người và máy, tự động hóa một phần, góp phần giải quyết các công việc trong lĩnh vực đời sống xã hội. Bên cạnh đó, nó còn có tính ứng dụng rất cao trong các ngành khoa học sản xuất, đặt biệt là những ngành cần phân tích khối lượng dữ liệu khổng lồ. Chuyên đề sau đây sẽ khảo sát một phần nhỏ về ứng dụng của Data mining, đó là việc ứng dụng nó vào phòng chống tấn công mạng máy tính. Hiện nay với sự bùng nổ cua internet, thương mại điện tử, trao đổi, hợp tác trong kinh doanh đều qua internet, v.v. Từ đó, chúng ta thấy được vị trí quan trọng của internet, và các vấn đề bảo mật, phòng chống/ngăn ngừa các tấn công của hackers trên internet cũng là vấn đề quan trọng không những cho doanh nghiệp, công ty, trường học, mà còn cho chính phủ, v.v. Như vậy, việc phòng chống tấn công mạng máy tính là công việc vô cùng quan trọng và cấp bách hiện nay. HVTH: Nguyễn Thanh Bình Trang 3 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc LỜI CẢM ƠN Em xin chân thành cảm ơn thầy Đỗ Phúc đã truyền đạt kiến thức môn Hệ hỗ trợ quyết định. Qua đó giúp em có đầy đủ kiến thức để hoàn thành bài thu hoạch này. Nhân đây em cũng xin gửi lời cảm ơn chân thành đến gia đình, bạn bè, đồng nghiệp đã động viên tin thần cho em trong suốt quá trình học tập của mình. Sau cùng, em xin kính chúc quý Thầy Cô trong bộ môn Khoa Học Máy Tính cùng thầy Đỗ Phúc dồi dào sức khỏe để thực hiện sứ mệnh cao đẹp của mình là truyền đạt kiến thức cho thế hệ mai sau. Một lần nữa em xin chân thành cảm ơn TP. HCM, ngày 20 tháng 06 năm 2014 Học viên thực hiện (ký và ghi rõ họ tên) HVTH: Nguyễn Thanh Bình Trang 4 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc Nguyễn Thanh Bình CHƯƠNG I: ĐẶT VẤN ĐỀ Hiện nay đa số các doanh nghiệp vừa nhỏ, hay lớn, các tổ chức, công ty, trường học, chính phủ, v.v. đều kết nối internet. Và một điều thách thức hiện nay là vấn đề bảo mật thông tin trên internet. Bảo mật thông tin trở thành bài toán cấp thiết từ khi mạng internet phát triển một cách bùng nổ. Hệ thống thông tin khổng lồ trên internet được chia sẻ trên khắp thế giới. Tuy nhiên, đồng thời với lợi ích to lớn của nó, mạng internet cùng với các công nghệ liên quan cũng cho thấy mặt hạn chế tất yếu là tính mất an toàn, dễ bị xâm phạm, tấn công. Hậu quả của các cuộc tấn công có thể chỉ là những phiền phức nhỏ nhưng có thể làm suy yếu hoàn toàn hệ thống, các dữ liệu, thông tin quan trọng bị xóa, sự riêng tư bị xâm phạm v.v. Dó đó, chúng ta phải tránh tối đa sự mất an toàn, phải bảo vệ an toàn cho hệ thống. Các đối tượng cần đảm bảo an ninh bao gồm: Dữ liệu truyền đi trên mạng phải đáp ứng được các yêu cầu về: Tính bảo mật(Confidentiality) - đảm bảo thông tin không thể bị truy cập trái phép bởi những người không có thẩm quyền; tính toàn vẹn(Integrity) – đảm bảo thông không bị thay đổi trong quá trình truyền; tín sẵn sàng(Availability) – đảm bảo dữ liệu luon sẵn sàng khi có yêu cầu truy cập. Tài nguyên bao gồm các thành phần phần cứng và phần mềm của hệ thống . Kẻ tấn công có thể lợi dụng các lỗ hổng an ninh như các lỗ hổng về hệ điều hành, mạng, ứng dụng. Nếu máy tính không có dữ liệu quan trọng thì vẫn rất cần được bảo vệ bởi vì kẻ tấn công có thể đột nhập và sử dụng nó làm tiền đề cho các cuộc tấn công khác. HVTH: Nguyễn Thanh Bình Trang 5 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc Danh tiếng – kẻ tấn công có thể dùng hệ thống máy tính của một người sử dụng để tấn công nơi khác, gây tổn thất về uy tín của người sủ dụng đó, v.v Mối nguy hiểm đầu tiên đối với hệ thống thông tin được phát tán vào năm 1988, khi mà Rober Morris 23 tuổi kích hoạt con sâu máy tính đầu tiên và đã làm lây nhiễm hơn 6000 máy tính mạng ARPANET. Và gần đây nhất là lỗ hổng Heartbleed(trái tim rỉ máu) – vào ngày 07/04/2014 lỗ hổng bảo mật "Trái tim rỉ máu", nó dựa trên cơ sở làm suy yếu các phần mềm bảo mật trên OpenSSL, từ đó cho phép hacker dễ dàng đánh cắp dữ liệu được bảo vệ bởi biện pháp mã hóa SSL/TLS. "Trái tim rỉ máu" đã gây ra một cơn hoảng loạn thực sự trên toàn cầu trước những hậu quả mà nó mang lại, rất nhiều người đã để lộ thông tin, dữ liệu cá nhân quan trọng mà không hề hay biết, thông tin tài khoản ngân hàng, chứng khoán, các giao dịch trực tuyến, v.v. Các cuộc tấn công, các mã độc, sâu máy tính, virus ngày càng trở nên tinh vi hơn làm xuất hiện nhu cầu lớn về một hệ thống có thể phát hiện được các vấn đề này. Một hệ thống phát hiện xâm nhập có khả năng giám sát luồng dữ liệu ra vào hệ thống mạng, so sánh với cơ sở dữ liệu kiến thức mà nó có để xác định các luồng dữ liệu mang mã độc. Một trong những giải pháp để bảo mật thông tin là phát hiện ra các cuộc tấn công, các mã độc hại, v.v. Để phát hiện các cuộc tấn công, v.v. chúng ta cần xây dựng hệ thống phát hiện xâm nhập – IDS(Intrusion Detection System) hay hệ thống ngăn chặn tấn công – IPS(Intrusion Prevention System). Bài luận này sẽ đề cập đến một vấn đề là kết hợp các kỷ thuật Data mining( khai phá dữ liệu) và ứng dụng trong phòng chống, phát hiện xâm nhập. HVTH: Nguyễn Thanh Bình Trang 6 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc CHƯƠNG II: DATA MINING 2.1 Giới thiệu về Data mining Khai phá dữ liệu (Data mining) là một khái niệm ra đời vào những năm cuối của thập kỷ 80. Nó bao hàm một loạt các kỹ thuật nhằm phát hiện ra các thông tin có giá trị tiềm ẩn trong các tập dữ liệu lớn (các kho dữ liệu). Về bản chất, khai phá dữ liệu liên quan đến việc phân tích các dữ liệu và sử dụng các kỹ thuật để tìm ra các mẫu hình có tính chính quy (regularities) trong tập dữ liệu. Năm 1989, Fayyad, Piatestsky-Shapiro và Smyth đã dùng khái niệm Phát hiện tri thức trong cơ sở dữ liệu (Knowledge Discovery in Database – KDD) để chỉ toàn bộ quá trình phát hiện các tri thức có ích từ các tập dữ liệu lớn. Trong đó, khai phá dữ liệu là một bước đặc biệt trong toàn bộ quá trình, sử dụng các giải thuật đặc biệt để chiết xuất ra các mẫu từ dữ liệu. Lịch sử phát triển của Data mining Những năm 1960: Xuất hiện Cơ sở dữ liệu(CSDL) theo mô hình mạng và mô hình phân cấp. Những năm 1970: Thiết lập nền tẩng lý thuyết cho CSDL quan hệ, các hệ quản trị CSDL quan hệ. Những năm 1980: Hoàn thiện lý thuyết về CSDL quan hệ và các hệ quản trị CSDL quan hệ, xuất hiện các hệ quản trị CSDL cao cấp (hướng đối tượng, suy diễn, ) và hệ quản trị hướng ứng dụng trong lĩnh vực không gian, khoa học, công nghiệp, nông nghiệp, địa lý Những năm 1990-2000: phát triển Khai phá dữ liệu và kho dữ liệu, CSDL đa phương tiện, và CSDL Web. Quá trình xử lý khai phá dữ liệu bắt đầu bằng cách xác định chính xác vấn đề cần giải quyết. Sau đó sẽ xác định các dữ liệu liên quan dùng để xây dựng giải pháp. Bước tiếp theo là thu thập các dữ liệu có liên quan và xử lý chúng thành dạng sao cho giải thuật khai phá dữ liệu có thể hiểu được. Về lý thuyết thì có vẻ rất đơn giản nhưng HVTH: Nguyễn Thanh Bình Trang 7 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc khi thực hiện thì đây thực sự là một quá trình rất khó khăn, gặp phải nhiều vướng mắc như: các dữ liệu phải được sao ra nhiều bản (nếu được chiết xuất vào các tệp), quản lý các tệp dữ liệu, phải lặp đi lặp lại nhiều lần toàn bộ quá trình (nếu mô hình dữ liệu thay đổi), v.v. Bước tiếp theo là chọn thuật toán khai phá dữ liệu thích hợp và thực hiện việc khai phá dữ liệu để tìm được các mẫu (pattern) có ý nghĩa dưới dạng biểu diễn tương ứng với các ý nghĩa đó (thường thì được biểu diễn dưới dạng các luật xếp loại, cây quyết định, phát sinh luật, biểu thức hồi quy,…). Hiện nay, ngoài thuật ngữ khai phá dữ liệu, người ta còn dùng một số thuật ngữ khác có ý nghĩa tương tự như: khai phá tri thức từ CSDL (knowlegde mining from databases), trích lọc dữ liệu (knowlegde extraction), phân tích dữ liệu/mẫu (data/pattern analysis), khảo cổ dữ liệu (data archaeology),nạo vét dữ liệu (data dredging). Quá trình này bao gồm các bước sau: o Làm sạch dữ liệu (data cleaning): loại bỏ nhiễu hoặc các dữ liệu không thích hợp. o Tích hợp dữ liệu (data integration): Tích hợp dữ liệu từ các nguồn khác nhau như: CSDL, Kho dữ liệu, file text o Chọn dữ liệu (data selection): Ở bước này, những dữ liệu liên quan trực tiếp đến nhiệm vụ sẽ được thu thập từ các nguồn dữ liệu ban đầu. o Chuyển đổi dữ liệu (data transformation): Trong bước này, dữ liệu sẽ được chuyển đổi về dạng phù hợp cho việc khai phá bằng cách thực hiện các thao tác nhóm hoặc tập hợp. o Khai phá dữ liệu (data mining): Là giai đoạn thiết yếu, trong đó các phương pháp thông minh sẽ được áp dụng để trích xuất ra các mẫu dữ liệu o Đánh giá mẫu (pattern evaluation): Đánh giá sự hữu ích của các mẫu biểu diễn tri thức dựa vào một số phép đo. Đây là mô hình minh họa cho các quá trình khai thác dữ liệu : Một số ứng dụng kỹ thuật khai phá dữ liệu trong viễn thông. HVTH: Nguyễn Thanh Bình Trang 8 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc 2.2 Các nhiệm vụ của Data mining Cho đến nay đã có rất nhiều công trình nghiên cứu và phát triển trong lĩnh vực khai phá dữ liệu. Dựa trên những loại tri thức được khám phá, chúng ta có thể phân loại như theo các nhiệm cụ như sau: Khai phá luật thuộc tính: tóm tắt những thuộc tính chung của tập dữ liệu nào đó trong cơ sở dữ liệu. Ví dụ như những triệu chứng của một căn bệnh S thì thường có thể được thể hiện qua một tâp các thuộc tính A. Khai phá những luật phân biệt: khai phá những đặc trưng, những thuộc tính để phân biệt giữa tập dữ liệu này với tập dữ liệu khác. Ví dụ như nhằm phân biệt giữa các HVTH: Nguyễn Thanh Bình Trang 9 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc chứng bệnh thì một luật phân biệt được dùng để tóm tắt những triệu chứng nhằm phân biệt chứng bệnh xác định với những chứng bệnh khác. Khám phá luật kết hợp: khai phá sự kết hợp giữa những đối tượng trong một tập dữ liệu. Giả sử hai tập đối tượng {A 1 , A 2 ,… ,A n } và {B 1 , B 2 ,… ,B n } thì luật kết hợp có dạng {A 1 ^A 2 ^…^ A n ) →{B 1 ^ B 2 ^… ^B n ). Khám phá luật phân lớp: phân loại dữ liệu vào trong tập những lớp đã biết. Ví dụ như một số chiếc xe có những đặc tính chung để phân vào các lớp dựa trên cách tiêu thụ nhiên liệu hoặc có thể phân vào các lớp dựa trên trọng tải… Phân nhóm: xác định một nhóm cho một tập các đối tượng dựa trên thuộc tính của chúng. Một số các tiêu chuẩn được sử dụng để xác định đối tượng có thuộc về nhóm hay không. Dự báo: dự báo giá trị có thể đúng cuỷa những dữ liệu bị thiếu hoặc sự phân bố thuộc tính nào đó trong tập dữ liệu. Khám phá quy luật biến đổi: tìm những tập luật phản ánh những hành vi tiến hóa, biến đổi chung của một tập dữ liệu. Ví dụ như luật khám phá những yếu tố chính tác động lên sự thay đổi của những giá cổ phiếu nào đó. 2.3 Ứng dụng của Data mining Khai phá dữ liệu là một lĩnh vực liên quan tới nhiều ngành học khác như: hệ CSDL, thống kê, trực quan hoá… hơn nưa, tuỳ vào cách tiếp cận được sử dụng, khai phá dữ liệu còn có thể áp dụng một số kỹ thuật như mạng nơron, lý thuyết tập thô, tập mờ, biểu diễn tri thức… So với các phương pháp này, khai phá dữ liệu có một số ưu thế rõ rệt. So với phương pháp học máy, khai phá dữ liệu có lợi thế hơn ở chỗ, khai phá dữ liệu có thể sử dụng với các CSDL chứa nhiều nhiễu, dữ liệu không đầy đủ hoặc biến đổi liên tục. Trong khi đó phương pháp học máy chủ yếu được áp dụng trong các CSDL đầy đủ, ít biến động và tập dữ liệu không qua lớn HVTH: Nguyễn Thanh Bình Trang 10 [...]... công và truy nhập trái phép Đây là vai trò chính của một hệ thống phát hiện xâm nhập IDS, nó có nhiệm vụ xác định những tấn công và truy nhập HVTH: Nguyễn Thanh Bình Trang 16 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc trái phép vào hệ thống mạng bên trong Hệ thống IDS có khả năng hỗ trợ phát hiện các nguy cơ an ninh đe dọa mạng mà các hệ thống khác (như bức tường lửa) không có, kết hợp với hệ thống... đó Kỹ thuật học máy dùng HVTH: Nguyễn Thanh Bình Trang 12 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc trong cây quyết định được gọi là học bằng cây quyết định, hay chỉ gọi với cái tên ngắn gọn là cây quyết định Học bằng cây quyết định cũng là một phương pháp thông dụng trong khai phá dữ liệu Khi đó, cây quyết định mô tả một cấu trúc cây, trong đó, các lá đại diện cho các phân loại còn cành đại diện... quan trọng của hệ thống mạng, để phát hiện xâm nhập cho khu vực đó So sánh giữa hệ thống HIDS và NIDS: NIDS HIDS Áp dụng trong phạm vi rộng (theo dõi toànÁp dụng trong phạm vi một Host bộ hoạt động của mạng) HVTH: Nguyễn Thanh Bình Trang 20 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc Phát hiện tốt những tấn công, xâm nhập từ Phát hiện tốt những tấn công, xâm nhập từ bên ngoài bên trong Phát hiện... cách tiếp cận này hệ thống phát hiện xâm nhập IDS không làm ảnh hưởng tới tốc độ lưu thông của mạng Mô hình thu thập dữ liệu trong luồng: Trong mô hình này, hệ thống phát hiện xâm nhập IDS được đặt trực tiếp vào luồng dữ liệu vào ra trong hệ thống mạng, luồng dữ liệu phải đi qua hệ thống phát hiện xâm nhập IDS trước khi đi vào trong mạng Ưu điểm của mô hình này, hệ thống phát hiện xâm nhập IDS trực tiếp... một phân khu thị trường nhất định o An ninh, an toàn mạng: Ứng dụng trong hệ thống phát hiện xâm nhập trái phép IDS/IPS để phát hiện ra các cuộc tấn công xâm nhập mạng trái phép; và nhiều lĩnh vực khác,.v.v HVTH: Nguyễn Thanh Bình Trang 11 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc 2.4 Các phương pháp khai phá dữ liệu Quá trình khai phá dữ liệu là quá trình phát hiện mẫu trong đó giải thuật khai phá... một hệ thống chống xâm nhập, được định nghĩa là một phần mềm hoặc một thiết bị chuyên dụng có khả năng phát hiện xâm nhập và có thể ngăn chặn các nguy cơ gây mất an ninh IDS và IPS có rất nhiều điểm chung, do đó hệ thống IDS và IPS có thể được gọi chung là IDP- Intrusion Detection and Prevention IDS chỉ có chức năng phát hiện xâm nhập dựa vào các mẫu có sẵn IPS có chức năng ngăn chặn những xâm nhập. .. tìm kiếm các mẫu trong cơ sở dữ liệu Trong khai phá dữ liệu, quy nạp được sử dụng trong cây quyết định và tạo luật 2.4.2 Cây quyết định và luật Trong lĩnh vực học máy, cây quyết định là một kiểu mô hình dự báo (predictive model), nghĩa là một ánh xạ từ các quan sát về một sự vật/hiện tượng tới các kết luận về giá trị mục tiêu của sự vật/hiện tượng Mỗi một nút trong (internal node) tương ứng với một biến;... được áp dụng trên cơ sở dữ liệu này để xác định các mối tương quan và liên kết trong dữ liệu để tìm kiếm một luật mới HVTH: Nguyễn Thanh Bình Trang 21 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc 3.2.1 Luật phân lớp Phát hiện xâm nhập có thể được xem như là một vấn đề phân nhóm: ta phải chia mỗi bản ghi của dữ liệu kiểm toán vào một tập rời rạc các hạng mục có thể, bình thường hay một kiểu xâm nhập cụ... 3.1.2.4 Cấu trúc và hoạt động bên trong của hệ thống IDS: Hệ thống phát hiện xâm nhập bao gồm 3 modul chính: Modul thu thập thông tin, dữ liệu; modul phân tích, phát hiện tấn công; modul phản ứng HVTH: Nguyễn Thanh Bình Trang 17 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc Modul thu thập thông tin, dữ liệu: Modul này có nhiệm vụ thu thập các gói tin trên mạng để đem phân tích Vấn đề đặt ra trong thực tế... lập, chúng có thể được sử dụng để tái tạo các tập dữ liệu ở dạng dễ hiểu hơn, đồng thời cũng cung cấp các nhóm dữ liệu cho các hoạt động cũng như công việc phân tích Đối với cơ sở dữ liệu lớn, việc lấy ra các nhóm này là rất quan trọng HVTH: Nguyễn Thanh Bình Trang 14 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc CHƯƠNG III: ỨNG DỤNG KỸ THUẬT DATA MINING TRONG HỆ THỐNG IDS 3.1 Hệ thống IDS 3.1.1 Giới . HỌC HỆ HỖ TRỢ QUYẾT ĐỊNH HỆ HỖ TRỢ QUYẾT ĐỊNH Đề tài: Đề tài: DATA MINING VÀ ỨNG DỤNG DATA MINING VÀ ỨNG DỤNG TRONG PHÒNG CHỐNG XÂM NHẬP TRONG PHÒNG CHỐNG XÂM NHẬP GVHD : PGS.TS. Đỗ Phúc HVTH : Nguyễn. kỷ thuật Data mining( khai phá dữ liệu) và ứng dụng trong phòng chống, phát hiện xâm nhập. HVTH: Nguyễn Thanh Bình Trang 6 Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc CHƯƠNG II: DATA MINING 2.1. Tiểu luận Hệ hỗ trợ quyết định PGS.TS Đỗ Phúc ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN ωω o0o ωω BÀI THU HOẠCH MÔN HỌC HỆ HỖ TRỢ QUYẾT ĐỊNH HỆ HỖ TRỢ QUYẾT