Nghiên cứu học sâu đa phương thức trong chống chịu trước tấn công đối kháng và ứng dụng trong xây dựng hệ thống phát hiện xâm nhập camera IoT thời gian thực

Sinh viên thực hiện
Giảng viên hướng dẫn Vũ Vinh Quang
Từ khoá: Học sâu đa phương thức (Multimodal Deep Learning) Tấn công đối kháng Camera IoT IDS

Tóm tắt

Nghiên cứu tập trung vào việc nâng cao khả năng bảo mật cho hệ thống camera IoT trước các nguy cơ tấn công mạng và tấn công đối kháng (adversarial attacks). Đồ án đề xuất giải pháp học sâu đa phương thức, kết hợp phân tích dữ liệu mạng/log và dữ liệu video để phát hiện xâm nhập. Tác giả nghiên cứu và so sánh hiệu năng giữa các kiến trúc Transformer và State Space Model (Mamba) trên bộ dữ liệu chuẩn CIC-IDS-2018. Hệ thống được tích hợp nền tảng n8n để tự động hóa cảnh báo, đảm bảo khả năng phản ứng thời gian thực và tính bền vững của mô hình trước các tác động cố ý làm sai lệch dữ liệu

Tài liệu tham khảo

  1. A. Vaswani et al., "Attention is all you need," Adv. Neural Inf. Process. Syst., vol. 30, 2017.
  1. A. Gu and T. Dao, "Mamba: Linear-Time Sequence Modeling with Selective State Spaces," arXiv:2312.00752, 2023.
  1. I. J. Goodfellow, J. Shlens, and C. Szegedy, "Explaining and Harnessing Adversarial Examples," in Proc. Int. Conf. Learn. Represent. (ICLR), 2015.
  1. UNB, "CIC-IDS-2018 Dataset for Intrusion Detection," Canadian Institute for Cybersecurity, 2018.
← Quay lại danh sách đồ án