CITA (Conference on Information Technology and ITs Application) là hội nghị khoa học thường niên với mục tiêu chính là tạo ra một diễn đàn quy tụ, kết nối các nhà nghiên cứu, nhà khoa học, chuyên gia Việt Nam và quốc tế tham gia vào các lĩnh vực công nghệ thông tin và ứng dụng. CITA lần thứ 13, năm 2024 sẽ được tổ chức bởi Trường Đại học Công nghệ Thông tin và Truyền thông Việt – Hàn (VKU), thành viên của Đại học Đà Nẵng, với sự hỗ trợ của các cơ sở nghiên cứu và đào tạo khác thuộc Hiệp hội Nghiên cứu Đổi mới Sáng tạo ASEAN (ACIR), Hiệp hội Vietnam ICT Association of Faculties-Institutes-School-Universities (FISU Việt Nam). Hội nghị sẽ diễn ra vào ngày 19-20/7/2024 tại Thành phố Đà Nẵng và Thành phố Hội An.
Link hội nghị: https://cita.vku.udn.vn
Bài báo: “An Effective Unsupervised Cyber Attack Detection on Web Applications using Gaussian Mixture Model”
Sinh viên thực hiện:
- Trần Thị Mỹ Huyền - ATCL 2021 - Tác giả chính
- Ngô Tuấn Kiệt - ATCL 2021 - Đồng tác giả
- Lê Xuân Hoàng - ATCL 2021 - Đồng tác giả
Giảng viên hướng dẫn:
- KS. Nguyễn Xuân Hà
Tóm tắt bài báo:
Due to the popularity of web applications, web attacks have become more prevalent and sophisticated, which poses a threat to cyber security. Many works have proposed training a supervised learning model to detect these attacks, which has also been demonstrated to deliver a high detection rate. However, this methodology is challenging to deploy in the real world. Firstly, it demands a sufficiently annotated dataset, which is often difficult and costly to collect. Secondly, a supervised learning-based detection system could only detect new variants of known attacks while unable to detect novel attack types. Recognizing these challenges, this paper introduces an unsupervised approach that employs a Gaussian Mixture Model (GMM) for web attack detection. This approach not only eliminates the need for annotated datasets but also improves the ability to detect zero-day attacks, as it only requires training on normal data. Our experiments on CSIC2012, AIoT-Sol, and SR-BH 2020 show that our proposal achieves high accuracy and F1-score, both of 91%, demonstrating the potential of unsupervised learning in web attack detection.
Mọi thông tin chi tiết xem tại: https://www.facebook.com/UIT.Fanpage/posts/pfbid02xYWDJsxevgehzNtJbYqNEhFC3GdhHyiwPXZDQmaGbBRnHDrDSeriSMevAWUUhKHNl
Đông Xanh - Cộng tác viên truyền thông Trường Đại học Công nghệ Thông tin
