Bài báo: “DeFL-BC: Empowerting Reliable Cyberattack Detection through Decentralized Federated Learing and Poisoning Attack Defense”
Link bài báo: https://drive.google.com/file/d/1OceAmIbHjbcO-5EwXCQqpY6tDGTdZ1eK/view
Sinh viên thực hiện: Nguyễn Duy Hoàng – 19521537 – ATCL2019.2
Giáo viên hướng dẫn:
Ths. Phan Thế Duy
Ths. Trần Tuấn Dũng.
Tóm tắt bài báo:
Học liên kết (Federated Learning - FL) là một phương pháp mạnh mẽ cho việc đào tạo mô hình máy học mà không yêu cầu chia sẻ dữ liệu cá nhân. Mỗi bên đào tạo một phiên bản cục bộ của mô hình trên dữ liệu riêng của họ. Kết quả đào tạo từ tất cả các bên được tổng hợp để tạo ra một mô hình toàn cầu. Học liên kết đặc biệt hữu ích trong các tình huống có dữ liệu nhạy cảm và khó chia sẻ. Tuy nhiên, học liên kết có thách thức về sự đầu độc, khi một bên có thể thay đổi hoặc nhiễu dữ liệu trong quá trình đào tạo. Điều này có thể gây hại cho hệ thống học máy. Chính vì vậy, sử dụng công nghệ blockchain trong học liên kết trở nên quan trọng. Blockchain là một hệ thống phân tán và không thể thay đổi, giúp giảm rủi ro hệ thống ngừng hoạt động và bảo vệ khỏi các máy cộng tác độc hại và dữ liệu độc hại thông qua cơ chế đồng thuận. Nghiên cứu này kết hợp FL và blockchain trên nền tảng Hyperledger Fabric để xây dựng mô hình DeFL-BC. Mô hình này giúp đảm bảo tính riêng tư và bảo mật trong học liên kết và giải quyết các thách thức về đầu độc hiệu quả. DeFL-BC framework có thể khuyến khích sự đóng góp từ cộng đồng và chống lại các cuộc tấn công đầu độc. Mục tiêu đặt ra là phát hiện và ngăn chặn các cuộc tấn công mạng một cách hiệu quả trong bối cảnh Công nghiệp Internet of Things (IIoT) với việc chia sẻ kiến thức từ những người tham gia hợp tác mà không bị rò rỉ quyền riêng tư. Các các thử nghiệm được thực hiện trên hai bộ dữ liệu, Edge-IIoTset và CIC-IDS2018 chứng minh rằng DeFL-BC mạnh mẽ trong việc giảm thiểu một điểm lỗi duy nhất (single point of failure) của hệ thống và có hiệu suất vượt trội dưới các cuộc tấn công đầu độc khi độ chính xác lên tới hơn 90% và giải quyết các vấn đề về tính toán hạn chế tài nguyên và kết nối mạng không liên tục trong kịch bản tấn công mạng. Hơn nữa, việc tích hợp công nghệ blockchain tăng cường tính bảo mật và khả năng phục hồi, giảm thiểu rủi ro một cách hiệu quả
về điểm lỗi duy nhất trong các phương pháp FL thông thường.
Em xin gửi lời cảm ơn to lớn đến Thầy Phan Thế Duy, Thầy Trần Tuấn Dũng đã luôn hỗ trợ, tạo động lực trong suốt quá trình nghiên cứu cũng như những đóng góp ý kiến giúp nghiên cứu ngày càng hoàn thiện
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 16 lần tổ chức và năm 2023 là lần tổ chức thứ 16.
Hội nghị RIVF 2023 xoay quanh các chủ đề chính gồm: Xử lý hình ảnh, ngôn ngữ, giọng nói; Truyền thông & Mạng máy tính, An ninh mạng; Hệ thống phân tán, Internet vạn vật, Điện toán đám mây; Trí tuệ nhân tạo, Khoa học dữ liệu, Phân tích dữ liệu lớn, Máy tính thông minh; Kỹ thuật phần mềm, Hệ thống thông tin, Mô hình tính toán.
Các hội nghị RIVF được khởi đầu năm 2003 từ nỗ lực của các giáo sư Patrick Bellot, Marc Bùi, Dương Nguyên Vũ, ... tại Pháp và đồng nghiệp ở nhiều nước, giáo sư Nguyễn Đình Trí và các giáo sư của Học viện Tin học Pháp ngữ IFI (Institut de la Francophonie pour l’Informatique) ở Hà Nội. Đến năm 2007, RIVF từ một hội nghị về tin học của cộng đồng Pháp ngữ tổ chức tại Việt Nam, đã được chuyển thành một hội nghị quốc tế của IEEE (tổ chức kỹ sư điện và điện tử quốc tế) với nội dung về cả CNTT&TT và chất lượng được nâng cao.
Thông tin chi tiết: https://www.facebook.com/UIT.Fanpage/posts/pfbid07TPxkX9E3JX6B2zT1uZ9ZGh1rcEExn8DFbB8imDeCKjVSYyNmPCw3fdzM47qLzQHl
Hải Băng - Cộng tác viên Truyền thông trường Đại học Công nghệ Thông tin
