Mô hình hệ thống phát hiện bất thường sử dụng thuật toán phân cụm mờ lai ghép - Vũ Đặng Giang

Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 18 MÔ HÌNH HỆ THỐNG PHÁT HIỆN BẤT THƯỜNG SỬ DỤNG THUẬT TOÁN PHÂN CỤM MỜ LAI GHÉP Vũ Đặng Giang1, Nguyễn Duy Thái1, Phạm Văn Nhã2* Tóm tắt: Tấn công và phòng thủ hệ thống mạng đang thu hút sự quan tâm của các nhà nghiên cứu. Các hệ thống này luôn trở thành mục tiêu ưu tiên hàng đầu của các cuộc tấn công trái phép. Vì vậy, việc củng cố hệ thống phòng thủ để có thể phát hiện xâm nhập bất thường từ bên trong và bên ngoài mạng là rất cần thiết và thường xuyên. Trong bài báo này, chúng tôi đã đề xuất Mô hình hệ thống phát hiện xâm nhập bất thường sử dụng thuật toán Phân cụm mờ lai ghép giữa thuật toán FCM, PSO và SVM. Thực nghiệm đã được tiến hành trên bộ dữ liệu chuẩn mẫu KDD CUP ‘99. Kết quả thực nghiệm đã chứng tỏ mô hình đã đề xuất đạt được hiệu suất vượt trội so với các mô hình đã được đề xuất trước đó. Từ khóa: Phát hiện bất thường, Phân cụm mờ, Tối ưu bầy đàn, Máy vector hỗ trợ. Ký hiệu Ký hiệu Ý nghĩa U={uci} Ma trận hàm thuộc JFCM Hàm mục tiêu FCM Pc Tâm cụm Dci Khoảng cách dữ liệu giữa đối tượng thứ c và đối tượng thứ i Chữ viết tắt IDS Intrusion Detection Systems PSO Particle Swarm Optimization SVM Support Vector Machine GA Genetic Algorithms ANN Artificial Neural Network FCM Fuzzy clustering 1. GIỚI THIỆU CHUNG Phát hiện xâm nhập ngày càng thu hút sự quan tâm của các nhà nghiên cứu. Hơn nữa đối với các vấn đề chứng thực người dùng truyền thống, mã hóa thông tin, tường lửa và một số công nghệ bảo vệ mạng khác, phát hiện xâm nhập được sử dụng để xác định và phân loại các cuộc tấn công trên mạng máy tính, máy chủ và máy chủ mạng. Nó có thể phát hiện các cuộc tấn công độc hại mà các phương pháp phòng thủ truyền thống không xác định được. Như vậy, nó đóng một vai trò quan trọng trong quá trình quản lý bảo mật dịch vụ Web và an toàn xử lý dữ liệu. Phát Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san An toàn Thông tin, 05 - 2017 19 hiện xâm nhập nói chung được chia thành hai loại: phát hiện sử dụng sai quy cách và phát hiện bất thường. Phát hiện sử dụng sai quy cách dựa trên các cuộc tấn công đã biết và các lỗ hổng hệ thống để xây dựng các quy tắc phát hiện được sử dụng để đánh giá kết nối mạng có phải là kết nối xâm nhập hay không. Nó có tỷ lệ chính xác và tốc độ phản ứng cao, nhưng hạn chế rất lớn là không thể phát hiện các cuộc tấn công mới và các quy tắc phát hiện chỉ có thể cập nhật bằng tay. Phát hiện bất thường là xác định xem kết nối có phải là kết nối xâm nhập hay không bằng cách phát hiện độ lệch của mẫu kết nối với mẫu hành vi bình thường. [12] đã mô tả và so sánh một vài phương pháp và hệ thống phát hiện mạng bất thường. Nói chung, phát hiện bất thường có thể tìm thấy các tấn công chưa biết, nhưng vì mẫu hành vi bình thường mới thu được có thể bị nhầm lẫn với hành vi bất thường, nên tỷ lệ cảnh báo sai có thể gia tăng [16], [29]. Để khắc phục những vấn đề này, một số hệ thống phát hiện xâm nhập IDS sử dụng các kỹ thuật khai phá dữ liệu và máy học đã được thiết kế, mà chủ yếu được sử dụng để điều tra phát hiện đặc tính, phân loại và phán đoán xâm nhập. [20] đã đề xuất mô hình phát hiện xâm nhập bằng cách phân cụm luồng dữ liệu kết nối, sau đó sử dụng kết quả phân cụm để phân tích và phát hiện bất thường cho mạng không dây. Cấu trúc dữ liệu ban đầu và độ phức tạp của thuật toán phân lớp có thể được giảm bởi tiến trình phân cụm, nhưng tâm cụm được khởi tạo ngẫu nhiên, nên chất lượng phân cụm bị ảnh hưởng bởi hạn chế vốn có của các thuật toán phân cụm là dễ rơi vào bẫy tối ưu cục bộ. Một số mô hình phát hiện xâp nhập hiệu quả đã được đề xuất gần đây như mô hình sử dụng mạng thần kinh nhân tạo ANN để phát hiện xâm nhập [19], sử dụng phương pháp phân cụm mờ FCM lai ghép với phương pháp xác định tâm cụm để phát hiện xâm nhập bất thường [21]. [30] nghiên cứu khả năng áp dụng của máy vector hỗ trợ SVM để xây dựng IDS. So sánh tối ưu giải thuật di truyền GA trên ANN và SVM trong các IDS đã được mô tả trong [5]. Tuy nhiên, ANN vốn có độ phức tạp trong việc khởi tạo các giá trị đặc tính phân lớp và chủ yếu được sử dụng đối với dữ liệu phi tuyến, như vậy SVM có khả năng chỉnh sửa lỗi tốt và khả năng điều khiển tốt hơn [1], [6]. Đây cũng là lý do giúp chúng tôi lựa chọn kỹ thuật SVM trong bài báo này. Mô hình phát hiện bất thường không giám sát đã được đề xuất trong [25]. Mô hình này đã sử dụng thuật toán K-Means để tự động xác định số cụm bản ghi kết nối bình thường, sau đó, xây dựng mô hình SVM một lớp. [33] đã đề xuất sử dụng Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 20 FCM và SVM đa lớp để dự đoán nồng độ silicon trong metal nóng, [9] đề xuất mô hình IDS áp dụng kỹ thuật FCM và ANN. Nói chung, các mô hình sử dụng các kỹ thuật FCM để khởi tạo cụm thu được hiệu suất tốt hơn SVM và ANN đơn lớp. Tuy nhiên, phương pháp FCM truyền thống rất nhạy cảm với khởi tạo và dễ rơi vào bẫy tối ưu cục bộ, ảnh hưởng đến kết quả dự đoán của toàn hệ thống IDS. Các thuật toán tiến hóa như giải thuật di truyền thường được sử dụng để tìm tâm cụm khởi tạo cho các thuật toán FCM như sử dụng PSO để tìm tâm cụm khởi tạo cho FCM [27], sử dụng GA để tìm tâm cụm khởi tạo [34]. [4] đã sử dụng GA để tìm tâm cụm khởi tạo cho thuật toán FCM trong mô hình IDS sử dụng SVM. Tuy nhiên, theo kết quả nghiên cứu so sánh giữa các kỹ thuật GA và PSO từ [26], [28] cho chúng ta thấy ảnh hưởng về kích thước phân bố đối với thời gian tìm giải pháp của GA tăng theo lũy thừa còn PSO tăng theo tuyến tính; xu thế hội tụ sớm của GA thấp hơn so với PSO; không gian tìm kiếm của PSO là liên tục trong khi đối với GA là rời rạc; khả năng tránh được bẫy tối ưu cục bộ của PSO cao hơn so với GA. Như vậy, thuật toán PSO là lựa chọn phù hợp hơn so với thuật toán GA để tìm kiếm tâm cụm khởi tạo cho các thuật toán phân cụm. Trong bài báo này, chúng tôi đã đề xuất mô hình phát hiện xâm nhập bất thường PFCMS bằng cách lai ghép thuật toán FCM dựa trên thuật toán PSO và SVM. Thuật toán PSO được sử dụng để khởi tạo tâm cụm cho thuật toán phân cụm FCM để sinh các cụm có cùng thuộc tính cho SVM để phát hiện xâm nhập bất thường. Thực nghiệm được tiến hành trên các bộ dữ liệu chuẩn mẫu KDD CUP ’99. Kết quả thực nghiệm chứng tỏ mô hình đã đề xuất có thể đạt được kết quả vượt trội so với các mô hình IDS đã được đề xuất trước đó. Tiếp theo, bài báo được tổ chức như sau. Mục 2, trình bày một số vấn đề lý thuyết cơ bản liên quan đến các kỹ thuật được sử dụng trong bài báo; Mục 3, trình bày chi tiết mô hình PFCMS đề xuất; Mục 4 là một vài kết quả thực nghiệm, đánh giá hiệu suất; Mục 5, kết luận và định hướng nghiên cứu tiếp theo. 2. NHỮNG VẤN ĐỀ CƠ BẢN Trong mục này, chúng tôi sẽ trình bày một số vấn đề cơ bản về lý thuyết liên quan đến bài báo. Bao gồm thuật toán Phân cụm mờ, thuật toán Tối ưu bầy đàn và kỹ thuật phân lớp Máy vector hỗ trợ. 2.1. Thuật toán Phân cụm mờ Thuật toán Phân cụm dữ liệu thường được áp dụng để tìm cấu trúc của dữ liệu và đã được ứng dụng rộng rãi trong nhiều lĩnh vực chuyên môn khác nhau. Để Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san An toàn Thông tin, 05 - 2017 21 nâng cao hiệu suất phân cụm dữ liệu, các thuật toán Phân cụm được kết hợp với logic mờ nhằm tăng khả năng thu nhận các vấn đề không chắc chắn trong dữ liệu, thuật toán này được gọi là thuật toán Phân cụm mờ. Thuật toán phân cụm mờ lần đầu tiên được giới thiệu bởi Dunn [13] và sau đó được sửa đổi bởi Bezdek [15] (gọi là thuật toán Fuzzy C-Means (FCM)). Trong khuôn khổ này thuật toán FCM được sử dụng trong mô đun Phân cụm để phân cụm bộ dữ liệu huấn luyện thành C cụm khác nhau. Hàm mục tiêu của FCM được cho bởi công thức (1): 2 1 2 1 1 ( ; , ,..., ; ) C N m FCM C ci ci c i J U p p p X u d     (1) trong đó, X là tập N bản ghi dữ liệu kết nối, uci là độ thuộc của bản ghi thứ i đối với cụm c. uci bị ràng buộc bởi điều kiện (2): 1 1, C ci c u   với i=1,2, ,N (2) và uci được xác định theo công thức (3): 2 (m 1) 1 ij 1 ci C ci j u d d            (3) pc là tâm cụm c, được tính theo công thức (4): 1 1 N m ci i i c N m ci i u x p u      (4) dci là bình phương khoảng cách Euclidean giữa bản ghi dữ liệu kết nối xi với tâm cụm vc, được định nghĩa như sau: 2 1 (x v ) K ci ik ck k d    (5) Số mũ m được sử dụng để điều chỉnh trọng số ảnh hưởng của các giá trị hàm thuộc, m lớn sẽ tăng độ mờ của hàm mục tiêu JFCM, m thường được lựa chọn bằng 2. Thuật toán FCM được mô tả theo các bước sau: Thuật toán 1. Thuật toán Phân cụm mờ Bước 1. Input: Tập dữ liệu  , , 1..Ki iX x x R i N   , số cụm C (1<C<N), hệ số mờ m (1<m<+) và sai số . Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 22 Bước 2. Khởi tạo ma trận tâm cụm (0) x, C KcjP p P R    . Bước 3. Cập nhật pc sử dụng công thức (4). Bước 4. Cập nhật uci sử dụng công thức (3) và (5). Bước 5. Tính toán hàm mục tiêu JFCM (1). Nếu hội tụ ( ( ) ( 1)n nJ J   ) chuyển xuống bước 6. Nếu chưa hội tụ quay lại bước 3. Bước 6. Output: Kết quả phân cụm Sau 6 bước của mô đun Phân cụm, bộ dữ liệu TR được phân thành C cụm khác nhau. Thuật toán FCM đã trở thành thuật toán phân cụm mờ phổ biến và quan trọng trong lĩnh vực khai phá dữ liệu, không ngừng được cải tiến và áp dụng rộng rãi trong nhiều lĩnh vực khác nhau. Một số nghiên cứu tiêu biểu như [2] trong phân tích ảnh y tế, [17] phân đoạn ảnh mầu, [31] nhận dạng khuôn mặt người, [32] điều khiển khung nhìn robot và phân lớp ảnh vệ tinh đa phổ [18]. Tuy nhiên, các thuật toán FCM còn tồn tại một số hạn chế như nhạy cảm với khởi tạo và không có phản ứng với nhiễu và ngoại lai trong dữ liệu đầu vào. Đặc biệt, đối với dữ liệu có cấu trúc phức tạp như đa biến, kích thước lớn, hiệu quả của các thuật toán Phân cụm mờ không cao. 2.2. Thuật toán tối ưu bầy đàn Thuật toán PSO là một thuật toán sử dụng trí tuệ bầy đàn phổ biến [14] được mô phỏng theo ý tưởng hành vi bầy đàn của các loài chim sống theo bầy đàn. Thuật toán PSO đã được cải tiến và áp dụng trong một số lĩnh vực ứng dụng khác nhau. Tiêu biểu như [8] sử dụng thuật toán PSO để giải quyết bài toán tô màu đồ thị phẳng, tự động tạo các ký tự đồ họa phức tạp [7], phát hiện thư rác [23]. Hơn nữa, thuật toán PSO cũng được kết hợp với một vài thuật toán khác để thực thi một phần nhiệm vụ quan trọng của các thuật toán này. [1], [3] đã sử dụng PSO trong bước khởi tạo của thuật toán FCM để phân đoạn ảnh, xử lý ảnh tự động [24], xác định số cụm của dữ liệu [10]. Thuật toán PSO bao gồm Np phần tử với ( ) ,1 ,2 ,K(p , p , ..., p ) t T i i i iP  , i=1, pN biểu diễn vị trí của chúng trong không gian K chiều. Các phần tử di chuyển dọc theo không gian tìm kiếm với vận tốc ( ) ,1 ,2 ,K( , a , ..., a ) t T i i i iA a về phía vị trí của phần từ tốt nhất ( )tbestP , ở đó có nhiều vùng hứa hẹn trong không gian tìm kiếm. Hướng di Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san An toàn Thông tin, 05 - 2017 23 chuyển của các phần từ phụ thuộc vào vị trí tốt nhất cục bộ của từng phần tử ( )t ip và có thể tính toán bởi công thức toán học sau: ( 1) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1 1 2( ) c ( ) t t t t t t t t i i i i i best iA A c r P A r P P       (6) Sau đó, vị trí mới của phần từ được tính toán theo công thức sau: ( 1) (t) ( )t t i i iP P A    (7) Hàm ước lượng điều kiện dừng được mô tả như sau: ( ) FCM f P J   (8) trong đó,  là một hằng số và JFCM là hàm mục tiêu của thuật toán FCM được tính toán bởi công thức (1). Liên quan đến điều kiện dừng, chúng tôi đã sử dụng hai tiêu chí, nếu một trong hai tiêu chí này được thỏa mãn thì thuật toán dừng: a) Hoặc là hàm mục tiêu không cải thiện sau Pso vòng lặp: ( 1) ( )( ) ( ) Psof P f P     (9) b) Hoặc là đạt đến số vòng lặp tối đa Pso_max. Thuật toán PSO đối với bài toán phân cụm mờ có thể chỉ ra như sau: Thuật toán 2. Thuật toán Tối ưu bầy đàn PSO Bước 1. Đầu vào: Bộ dữ liệu  , , i=1,Ki iX x x R N  , Np, c1, c2, w, Pso, Pso_max. Bước 2. Khởi tạo: Khởi tao bầy đàn với Np phần tử ngẫu nhiên (P, Pbest và A là những ma trận kích thước K × C). Bước 3. LOOP =1. 3.1. Đối với mỗi phần tử thứ i trong Np phần tử: - Tính toán f(Pi) sử dụng công thức (8). - Tính toán Pbesti. - Cập nhật Gbest. - Cập nhật Ai sử dụng công thức (6). - Cập nhật Pi sử dụng công thức (7). 3.2. Tính toán Terminal_condition. 3.3. =+1.. Bước 4. WHILE (Terminal_conditionPso_max). Bước 5. Trích xuất: Gbest. Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 24 2.3. Kỹ thuật Máy vector hỗ trợ Thuật toán Máy vectơ hỗ trợ SVM được tìm ra bởi VN. Vapnik và C. Cortes năm 1995. SVM là một thuật toán phân lớp nhị phân nhận dữ liệu đầu vào và phân loại chúng vào hai lớp khác nhau. Cho tập dữ liệu huấn luyện XTR={(xi, yi)}, xiR D, yi=1, i=1÷N, trong đó N là kích thước của tập XTR, yi mang giá trị 1 hoặc −1, xác định lớp của điểm xi, mỗi xi là một vector thực D chiều. Ta cần tìm siêu phẳng có lề lớn nhất chia tách các điểm có yi=1 và các điểm có yi=-1. Mỗi siêu phẳng đều có thể được viết dưới dạng một tập hợp các điểm x thỏa mãn w.x-b=0, với “.” ký hiệu là tích vô hướng và w là một vectơ pháp tuyến của siêu phẳng. Tham số w b xác định khoảng cách giữa gốc tọa độ và siêu phẳng theo hướng vectơ pháp tuyến w. Chúng ta cần chọn w và b để cực đại hóa lề, hay khoảng cách giữa hai siêu mặt song song ở xa nhau nhất có thể trong khi vẫn phân chia được dữ liệu. Các siêu mặt ấy được xác định bằng w.x-b=1 và w.x-b=-1 (xem hình 1). Hình 1. Siêu phẳng với lề cực đại cho một SVM phân lớp dữ liệu thành hai lớp. Tuy nhiên, trong thực tế, hầu như dữ liệu không có khả năng phân lớp tuyến tính, do vậy rất khó xác định siêu phẳng. Để giải quyết vấn đề này, SVM sử dụng một số hàm nhân khác nhau. Trong bài báo này, chúng tôi sử dụng hàm nhân Gauss để huấn luyện mô hình SVM và sau đó sử dụng hỗ trợ vector từ tập dữ liệu huấn luyện trong pha huấn luyện. Trong pha kiểm tra, mô hình SVM được sử dụng để phân lớp vector chứ năng mới. Bài toán SVM ban đầu được mô tả như sau: Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san An toàn Thông tin, 05 - 2017 25 2 w, , 1 1 min w 2 (w. b) 1 , i=1, 0, i=1, N i b i i i i i C y x N N                 (10) Khi tiến hành phân lớp, kích thước của các cụm khác nhau cơ bản, do vậy, cần phải di chuyển dữ liệu và như thế sẽ ảnh hưởng đến kết quả phân lớp. Bởi vậy, cần thiết phải cài đặt các tham số phạt khác nhau đối với dữ liệu huấn luyện dương và âm để giảm bớt các vấn đề gây ra bởi sự di chuyển dữ liệu đến một mức độ nhất định. Do đó, bài toán ban đầu trở thành như sau: 2 w, , 1 1 1 min w 2 (w. b) 1 , i=1, 0, i=1, k N i i b i i k i i i i C C y x N N                        (11) Khi đó, bài toán kép tương ứng trở thành: 1 1 1 1 1 min (x , x ) 2 0 0 , y 1 0 , y 1 N N N i j i j i j i i j i N i i i i i j j y y K y C C                                (12) trong đó, C+ và C- là hệ số phạt đổi với các phần tử huấn luyện có nhãn dương và âm tương ứng. K(xi,xj) là hàm nhân có dạng sau: 22( , ) exp( )i j i jK x x x x   (13) Hàm quyết định phân lớp của mô hình SVM được xác định như sau: 1 ( ) (x , x) N i i i i f x sig y K b          (14) Cuối cùng, SVM có thể sử dụng hàm f(x) để nhận kết quả phân lớp. 3. MÔ HÌNH PHÁT HIỆN XÂM NHẬP PFCMS Trong mục này, chúng tôi xây dựng phương pháp tiếp cận mới cho Mô hình hệ thống phát hiện xâm nhập PFCMS. Mô hình này sử dụng thuật toán phân cụm FCM để phân cụm dữ liệu huấn luyện thành các cụm có đặc tính phân biệt giống nhau. Sau đó, thuật toán SVM được sử dụng để phân lớp dữ liệu huấn luyện các cụm thành 2 lớp bất thường và bình thường. Để nâng cao hiệu suất phân cụm, đồng Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 26 thời giảm tỷ lệ cảnh báo sai, thuật toán PSO được sử dụng để tìm tâm cụm khởi tạo phù hợp cho thuật toán phân cụm FCM. Mô hình PFCMS được biểu diễn như hình 2. Trong mô hình này, công đoạn huấn luyện gồm 3 pha chính: Hình 2. Mô hình Hệ thống phát hiện xâm nhập 3 pha PPFCMS. Pha 1: Tập dữ liệu ban đầu DS được phân chia thành tập huấn luyện TR và tập kiểm tra TS. Sau đó các tập con TR1, TR2, ..., TRC được tạo ra từ TR bởi mô đun Phân cụm mờ FCM. Đầu ra của pha này là C cụm dữ liệu TRi khác nhau, các bản ghi dữ liệu trong cùng một cụm có độ tương tự cao và sự khác biệt với các cụm khác cao hơn. Tức là dữ liệu trong các cụm khác nhau có phân bố dữ liệu khác nhau. Để nâng cao hiệu quả phân cụm cho thuật toán FCM, mô đun PSO được bổ sung trong pha này sử dụng thuật toán PSO để tìm tâm cụm khởi tạo phù hợp cho thuật toán FCM. Pha 2: Phân lớp được tiến hành bằng cách sử dụng C cụm dữ liệu TRi để huấn luyện C mô đun SVMi tương ứng. Đầu ra của mỗi mô đun SVMi là hai tập dữ liệu khác nhau. Pha 3: Mục tiêu của mô đun hợp nhất phân lớp là kết hợp các kết quả khác nhau của các mô dun SVMi, đồng thời kết hợp với dữ liệu TS để giảm lỗi phát hiện vì mỗi mô đun SVMi chỉ được học từ tập con TRi. Đầu ra của pha này là toàn bộ bản ghi kết nối được gắn nhãn bất thường hoặc bình thường. Về lý thuyết, Mô hình hệ thống phát hiện xâm nhập bất thường PFCMS được đề xuất trong bài báo này đạt được một số mục tiêu sau: Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san An toàn Thông tin, 05 - 2017 27 1) Tìm tâm cụm khởi tạo bằng thuật toán PSO hiệu quả hơn thuật toán GA. 2) Sử dụng thuật toán phân cụm FCM trước khi phân lớp để nâng cao hiệu quả phân lớp. 3) Phân lớp dữ liệu sử dụng kỹ thuật SVM hiệu quả hơn kỹ thuật phân lớp ANN. 4. KẾT QUẢ THỰC NGHIỆM 4.1. Chỉ số đánh giá Để đánh giá hiệu suất các mô hình IDS, bài báo này sử dụng 3 chỉ số đánh giá Precision, Recall và F-Value [22]. Trong đó, TP (True Positives) chỉ ra rằng IDS phát hiện đúng một kết nối tấn công, TN (True Negatives) chỉ ra rằng IDS xác định đúng một kết nối bình thường, FP (False Positives) chỉ ra rằng IDS đã xác định nhầm một kết nối bình thường thành kết nối tấn công và FN (False Negatives) chỉ ra rằng IDS đã xác định nhầm một kết nối bình thường là một kết nối tấn công nào đó. TP Precision TP FP   (15) TP Recall TP FN   (16) 2 2 (1 )* * *( ) Recall Pricision F value Recall Pricision       (17) Trong đó,  là trọng số của Precision đối với Recall,  thường được thiết lập bằng 1. Lưu ý rằng, mô hình IDS nào thu được các giá trị Precision, Recall và F- value cao hơn, mô hình đó được xem như có hiệu suất tốt hơn. 4.2. Kết quả thực nghiệm Để ước lượng hiệu suất của mô hình PFCMS, chúng tôi đã tiến hành thực nghiệm phân tích dữ liệu kết nối từ các bộ dữ liệu KDD CUP 99 sử dụng mô hình PFCMS và các mô hình đã được đề xuất trước đó. Bộ dữ liệu thực nghiệm bao gồm các bản ghi kết nối, mỗi bản ghi có 41 thuộc tính, tương ứng với các vector 41 chiều. Thông tin tóm tắt về bộ dữ liệu thực nghiệm được chỉ ra trong bảng 1. Bảng 1. Số lượng và tỷ lệ phần trăm của các bản ghi kết nối xâm nhập trong bộ dữ liệu KDD CUP ’99. Kết nối Bộ dữ liệu huấn luyện Bộ dữ liệu kiểm tra Số lượng Tỷ lệ (%) Số lượng Tỷ lệ (%) Normal 3000 16.41% 60.593 19.48% DoS 10.000 54.69% 229.853 73.89% PRB 4107 22.46% 4166 1.34% Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 28 R2L 1126 6.16% 16.189 5.2% U2R 52 0.28% 288 0.09% Bảng 2. Kết quả thực nghiệm trên các bộ dữ liệu KDD CUP ’99 sử dụng các mô hình FC-ANN, FCM-mSVM, GAFCM-SVM và PFCMS. Kết nối Chỉ số FC-ANN FCM-SVM GAFCM-SVM PFCMS Normal Pre. 91,32 89,15 95,28 98,46 Rec. 99,08 91,01 93,16 99,75 F-val. 95,04 92,11 96,24 98,31 DoS Pre. 99,91 92,15 95,34 99,21 Rec. 96,70 92,65 98,00 98,45 F-val. 98,28 91,24 95,98 99,23 PRB Pre. 48,12 89,56 98,12 96,75 Rec. 80,00 91,43 94,76 97,90 F-val. 60,00 88,56 90,10 97,27 R2L Pre. 93,18 91,22 97,81 98,35 Rec. 58,57 69,18 93,27 95,95 F-val. 71,93 78,25 89,49 91,63 U2R Pre. 83,33 93,14 92,76 99,86 Rec. 76,92 87,02 92,38 98,95 F-val. 80,00 90,17 95,62 92,75 Chúng tôi đã tiến hành 20 thực nghiệm bằng việc lựa chọn dữ liệu ngẫu nhiên. Kết quả thực nghiệm được liệt kê trong bảng 4.2 tương ứng với từng loại tấn công. Chúng tôi đã so sánh kết quả thực nghiệm thu được từ các mô hình khác nhau FC- ANN [9], GAFCM-SVM [4], FCM-mSVM[33] và PFCMS đã được đề xuất trong bài báo này sử dụng các chỉ số đánh giá Precision, Recall và F-Value. Theo kết quả trong bảng 2 chúng ta dễ dàng nhận thấy, các mô hình FC-ANN và FCM-mSVM mặc dù đều sử dụng thuật toán FCM phân cụm, nhưng sử dụng các kỹ thuật phân lớp ANN và SVM khác nhau nên kết quả thu được cũng khác nhau. Các mô hình GAFCM-SVM và PFCMS cùng sử dụng thuật toán FCM và SVM để phân cụm và phân lớp, nhưng 2 mô hình này sử dụng hai thuật toán tìm tâm cụm khởi tạo GA và PSO khác nhau nên kết quả thu được cũng khác nhau. Tuy nhiên, trong tất cả các kết quả, kết quả thu được từ mô hình PFCMS la tốt nhất tương ứng với giá trị các chỉ số đánh giá cao nhất. Điều này chứng tỏ hiệu suất đạt Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san An toàn Thông tin, 05 - 2017 29 được khi sử dụng thuật toán PSO để tìm tâm cụm khởi tạo cho thuật toán FCM và sử dụng kỹ thuật SVM để phân lớp đối tượng kết nối. Ngoài ra, chúng tôi cũng tiến hành đo thời gian huấn luyện trên toàn bộ dữ liệu huấn luyện như sau. Đối với FC- ANN là 2125 giây, FCM-mSVM là 2347 giây, GAFCM-SVM là 3265 giây và PFCMS là 2985 giây. Điều này chứng tỏ, để đạt được hiệu quả phát hiện tốt hơn, chúng ta phải trả giá về mặt thời gian cao hơn cho việc xử lý tìm tâm cụm khởi tạo phù hợp. Đều là các kỹ thuật có thể tìm tâm cụm khởi tạo cho các thuật toán phân cụm FCM, nhưng thuật toán PSO không chỉ thực thi nhanh hơn mà còn mang lại hiệu suất phân cụm tốt hơn thuật toán GA. 5. KẾT LUẬN Phòng thủ tấn công mạng chỉ sử dụng các công nghệ bảo mật truyền thống tồn tại nhiều lỗ hổng bảo mật. Kết quả nghiên cứu cho thấy phát hiện xâm nhập là một bài toán quan trọng trong an ninh mạng. IDS cung cấp những ưu thế tiềm năng trong việc giảm nhân lực cần thiết trong việc giám sát, nâng cao hiệu quả phát hiện, cung cấp dữ liệu an toàn, giúp cộng đồng bảo mật thông tin tìm hiểu về lỗ hổng mới và cung cấp các bằng chứng pháp lý khi cần thiết. Trong bài báo này, chúng tôi đã đề xuất một mô hình phát hiện xâm nhập mới sử dụng một thuật toán lai ghép PFCMS, bằng cách sử dụng thuật toán PSO để tìm tâm cụm khởi tạo phù hợp cho thuật toán FCM để nâng cao hiệu suất phân lớp cho kỹ thuật SVM. Thông qua kỹ thuật Phân cụm mờ, tập huấn luyện không đồng nhất được chia thành một số tập con đồng nhất. Như vậy, độ phức tạp của từng tập huấn luyện được giảm xuống và đồng thời hiệu suất phát hiện xâm nhập được tăng lên. Thực nghiệm được tiến hành trên bộ dữ liệu KDD CUP ‘99 đã chứng tỏ hiệu suất của phương pháp tiếp cận mới vượt trội so với những mô hình sử dụng các kỹ thuật đã được đề xuất trước đó về hiệu suất phát hiện, giảm tỷ lệ cảnh báo sai. Ngoài ra, mô hình PFCMS không chỉ phát hiện các tấn công đã biết mà còn phát hiện được các tấn công mới. Đặc biệt, đối với các cuộc tấn công tần suất thấp như R2L và U2R về độ chính xác phát hiện và ổn định phát hiện cao. Tuy nhiên, qua kết quả thực nghiệm cũng cho chúng tôi thấy, độ ổn định phát hiện của hệ thống phụ thuộc rất lớn đến số cụm được lựa chọn trong pha phân cụm. Ngoài ra, tâm cụm khởi tạo cũng là cơ sở ảnh hưởng đến độ ổn định của các thuật toán phân cụm. Do vậy, trong tương lai, chúng tôi sẽ tiếp tục nghiên cứu để xác định số cụm và tâm cụm khởi tạo thích hợp. Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 30 TÀI LIỆU THAM KHẢO [1]. A. Mekhmoukh, K. Mokrani (2015), “Improved Fuzzy C-Means based Particle Swarm Optimization (PSO) initialization and outlier rejection with level set methods for MR brain image segmentation,” Computer Methods and Programs in Biomedicine, Vol. 122, pp. 266–281 [2]. A. Pitiot, A.W. Toga, P.M. Thompson (2002), “Adaptive elastic segmentation of brain MRI via shape-model-guided evolutionary programming,” IEEE Transactions on Medical Imag, Vol. 21, pp. 910–923. [3]. A.N. Benaichouche, H. Oulhadj, P. Siarry (2013), “Improved spatial fuzzy c- means clustering for image segmentation using PSO initialization, Mahalanobis distance and post-segmentation correction,” Digital Signal Processing, Vol. 23, pp. 1390–1400. [4]. C. Tang, Y. Xiang, Y. Wang, J. Qian, B. Qiang (2016), “Detection and classification of anomaly intrusion using hierarchy clustering and SVM,” Security and Communication Networks, Vol. 9(16), pp. 3401-3411. [5]. D. Amin, I. Suhaimi, M. Reza (2015), “Comparison of genetic algorithm optimization on artificial neural network and support vector machine in intrusion detection system,” IEEE Conference on Open Systems, pp. 72–77. [6]. E. Bron, M. Smits, WJ. Niessen (2015), “Feature selection based on the SVM weight vector for classification of dementia,” IEEE Journal of Biomedical and Health Informatics, Vol. 19(5),1617–1626. [7]. F.J. Iztok, M. Perc, K. Ljubic, S.M. Kamal, A. Iglesias, I. Fister (2015), “Particle swarm optimization for automatic creation of complex graphic characters,” Chaos, Solitons & Fractals, Vol. 73, pp. 29–35. [8]. G. Cui, L. Qin, S. Liu, Y. Wang, X. Zhang, X. Cao (2008), “Modified PSO algorithm for solving planar graph coloring problem,” Progress in Natural Science, Vol. 18, pp. 353–357. [9]. G. Wang, J. Hao, J. Ma, L. Huang, (2010), “A new approach to intrusion detection using Artificial Neural Networks and fuzzy clustering,” Expert Systems with Applications, Vol. 37, pp. 6225–6232. [10]. H. Ling, J. Wu, Y. Zhou, W. Zheng (2016), “How many clusters. A robust PSO-based local density model,” Neurocomputing, Vol. 207, pp. 264-275. [11]. H. Yoon, CS. Park, JS. Kim (2013), “Algorithm learning based neural network integrating feature selection and classification,” Expert Systems with Applications, Vol. 40(1), pp. 231–241. [12]. HB. Monowar, DK. Bhattacharyya, JK. Kalita (2014), “Network anomaly detection: methods, systems and tools,” IEEE Communications Surveys & Tutorials, Vol. 16 (1), pp. 303–335. [13]. J. Dunn (1973), “A Fuzzy Relative of the ISODATA Process and Its Use in Detecting Compact Well-Separated Clusters,” Journal of Cybernatics, Vol. 3, pp. 32-57. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san An toàn Thông tin, 05 - 2017 31 [14]. J. Kennedy, R. Eberhart (1995), “Particle swarm optimization,” IEEE international conference on neural networks 4, pp. 1942-1950 [15]. J.C. Bezdek, R. Ehrlich, W. Full (1984), “The fuzzy C-means clustering algorithm,” Computers & Geosciences, Vol. 10(2–3), pp. 191–203. [16]. K. Cohen, Q. Zhao (2015), “Active hypothesis testing for anomaly detection,” IEEE Transactions on Information Theory, Vol. 61(3), pp. 1432–1450. [17]. K.K. Bhoyar, O. Kakde (2010), “Colour image segmentation using fast fuzzy c-means algorithm,” Electronic Letters on Computer Vision and Image Analysis, Vol. 9, pp. 18-31. [18]. L.T. Ngo, D.S. Mai, W. Pedrycz (2015), “Semi-Supervised Interval Type-2 Fuzzy C-Means Clustering with Spatial Information for Multi-Spectral Satellite Image Classification and Change Detection,” Computers and Geosciences, Vol. 83, pp. 1-16. [19]. M. Amini, J. Rezaeenour, E. Hadavandi (2016), “A Neural Network Ensemble Classifier for Effective Intrusion Detection Using Fuzzy Clustering and Radial Basis Function Networks,” International Journal on Artificial Intelligence Tools, Vol. 25(2), 2016, pp. 293-304. [20]. M. Wazid, AK. Das (2016), An Efficient Hybrid Anomaly Detection Scheme Using K-Means Clustering for Wireless Sensor Networks,” Wireless Personal Communications, Vol. 90(4), pp.1971-2000. [21]. N. Pandeeswari, G. Kumar (2016), “A novel fuzzy anomaly detection method based on clonal selection clustering algorithm,” Mobile Networks and Applications, Vol. 21(3), pp. 494-505. [22]. P. Dokas, L. Ertoz, A. Lazarevic, J. Srivastava, PN. Tan (2002), “Data mining for network intrusion detection,” Proceeding of NGDM, pp. 21–30. [23]. P. Y. Zhang, S. Wang, G. Ji (2014), “Binary PSO with mutation operator for feature selection using decision tree applied to spam detection,” Knowledge- Based Systems, Vol. 64, pp. 22-31. [24]. Q. Liang, J. M. Mendel (2000), “Interval type-2 fuzzy logic systems: Theory and design,” IEEE Trans. Fuzzy Systems, Vol. 8(5), pp. 535–550. [25]. S. Jungsuk, T. Hiroki, O. Yasuo (2009), “Unsupervised anomaly detection based on clustering and multiple oneclass SVM,” IEICE Transactions on Communications, Vol. E92B(6), pp. 1981–1990. [26]. S.M. Alavi, AF. Naini (2014), “A comparison between GA, PSO, and IWO for shaped beam reflector antennas,” International Journal of Microwave and Wireless Technologies, Vol. 7(5), pp. 565-570. [27]. TM. Silva, BA. Pimentel, RMCR. Souza, ALI. Oliveira (2016), “Hybrid methods for fuzzy clustering based on fuzzy c-means and improved particle swarm optimization,” Expert Systems With Applications, Vol. 42(17-18), pp. 6315. Công nghệ thông tin V. Đ. Giang, N. D. Thái, P. V. Nhã, “Mô hình hệ thống phát hiện phân cụm mờ lai ghép.” 32 [28]. V. Kachitvichyanukul (2012), “Comparison of Three Evolutionary Algorithms: GA, PSO, and DE,” Industrial Engineering & Management Systems, Vol. 11(3), pp. 215-223. [29]. W. Li, V. Mahadevan, N. Vasconcelos (2014), “Anomaly detection and localization in crowded scenes,” IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 36(1), pp. 18–32. [30]. WH. Chen, SH. Hsu, HP. Shen (2005), “Application of SVM and ANN for intrusion detection,” Computer and Operations Research, Vol. 32(10), pp.2617–2634. [31]. X.W. Chen, T. Huang (2003), “Facial expression recognition: a clustering- based approach,” Pattern Recognition Letters, Vol. 24, pp. 1295–1302. [32]. Y. Tsaig, A. Averbuch (2002), “Automatic segmentation of moving objects in video sequences: a region labeling approach,” IEEE Engineering in Medicine and Biology Magazine, Vol. 12, 597–612. [33]. YK. Wang, XG. Liu (2012), “Applying fuzzy cmeans clustering and multiple SVM to silicon content prediction in hot metal,” Advances in Information Sciences and Service Sciences, Vol. 4(2), pp. 40–48. [34]. ZH. Che (2012), “A hybrid algorithm for fuzzy clustering,” European Journal of Industrial Engineering, Vol. 6(1), pp. 50-67. ABSTRACT AN ABNORMAL DETECTION SYSTEM MODEL USING HYBRID FUZZY CLUSTERING ALGORITHM Attacking and defending the network system is attracting the attention of researchers. These systems have always been a top priority of unauthorized attacks. Therefore, strengthening the defense systems to detect abnormal intrusions from inside and outside the network is very necessary and frequent. In this paper, we have proposed an abnormal intrusion detection system model using the hybrid fuzzy clustering algorithm which is a combination of three FCM, PSO and SVM algorithms. The experiment was conducted on the KDD CUP '99 standard data sets. Experimental results have shown that the proposed model achieves the abnormal detection performance overcome the previously proposed models. Keywords: Abnormal detection system, Fuzzy clustering, Particle Swarm Optimization, Support vector machine. Nhận bài ngày 24 tháng 02 năm 2017 Hoàn thiện ngày 03 tháng 4 năm 2017 Chấp nhận đăng ngày 01 tháng 5 năm 2017 Địa chỉ: 1 Phòng Thí nghiệm trọng điểm ATTT 2 Phòng TM-KH, Viện KH&CN quân sự * Email: famvannha@gmail.com