Tổng quan về luận án

Luận án này tiên phong trong việc khám phá và phát triển mật mã dữ liệu ảnh bằng cách ứng dụng sâu rộng các kỹ thuật hỗn loạn, một hướng tiếp cận mới mẻ và đầy thách thức trong lĩnh vực an toàn thông tin số. Bối cảnh khoa học của nghiên cứu được đặt trong kỷ nguyên số, nơi nhu cầu bảo mật thông tin, đặc biệt là dữ liệu ảnh với các đặc trưng khối và tương quan cao giữa các điểm ảnh lân cận, đang ngày càng trở nên cấp thiết. Nghiên cứu này đánh dấu một bước tiến quan trọng khi chuyển dịch trọng tâm từ mật mã truyền thống dựa trên sự phức tạp của số học sang khai thác sự phức tạp động học phi tuyến của các hệ hỗn loạn.

Research gap cụ thể mà luận án này giải quyết được xác định rõ ràng qua hai khía cạnh chính. Thứ nhất, mặc dù đã có nhiều hệ mật mã hỗn loạn được công bố, "quá trình phát triển và những tranh luận vẫn đang tiếp diễn chưa có hồi kết về các vấn đề liên quan như tạo hệ mật mã mới, khả năng chịu đựng tấn công, và tối ưu hóa các quá trình" (tr. 4). Đặc biệt, tồn tại một khoảng trống lớn trong việc thiết kế các hệ mật mã hỗn loạn làm việc hiệu quả ở mức bit, vốn là nền tảng cho việc triển khai trên các hệ thống mạch điện tử số trong thực tế. Xu hướng phát triển trước đây chủ yếu tập trung vào các hệ thống dựa trên byte cho ứng dụng phần mềm trên máy tính, như được nhận định: "Nhằm đưa ứng dụng hệ mật mã hỗn loạn vào thực tế, việc nghiên cứu hệ mật mã hỗn loạn ở mức bit cần phải được thực hiện làm cơ sở cho triển khai trên các hệ thống mạch điện tử số" (tr. 5). Thứ hai, luận án giải quyết một khoảng trống nghiêm trọng trong phân tích mã: "Phân tích mật mã có cấu trúc mạng hoán vị-thay thế (SPN: Substitution-Permutation Network) được xây dựng dựa trên các hàm hỗn loạn với nhiều vòng lặp hầu như chưa được quan tâm" (tr. 5). Nghiên cứu chỉ ra rằng chỉ có hai công trình được công bố trước đó ([11], [12]) đã tấn công thành công hệ mật mã hỗn loạn cấu trúc SPN, nhưng chỉ dừng lại ở một vòng lặp, và chưa có công bố nào thực hiện phân tích hệ nhiều vòng lặp cho đến năm 2018.

Các research questions chính được luận án đặt ra bao gồm:

  1. Làm thế nào để xây dựng các hệ mật mã hỗn loạn mới hoạt động hiệu quả ở mức bit, có khả năng chống lại các phương pháp tấn công cơ bản và phù hợp cho thiết kế trên phần cứng?
  2. Làm thế nào để khai thác các đặc tính động của hàm hỗn loạn (như hàm Logistic, Cat, Cat-Hadamard) để tối ưu hóa quá trình hoán vị và khuếch tán trong mật mã ảnh ở mức bit?
  3. Làm thế nào để phát triển phương pháp phân tích mã cho các hệ mật mã hỗn loạn có cấu trúc SPN, đặc biệt là với nhiều vòng lặp, nhằm nhận diện các lỗ hổng bảo mật và đề xuất các biện pháp nâng cao an toàn?

Các hypotheses được luận án kiểm chứng bao gồm:

  1. Hệ mật mã hỗn loạn làm việc ở mức bit, khai thác tác động lên đặc tính động của hàm hỗn loạn, sẽ nâng cao đáng kể khả năng chịu đựng tấn công thống kê và mở rộng không gian khóa.
  2. Việc ứng dụng hàm hỗn loạn Cat cho hoán vị và Cat-Hadamard nhiều chiều cho quá trình khuếch tán sẽ tạo ra một hệ mật mã ảnh bit-level có hiệu năng bảo mật cao hơn so với các phương pháp hiện hành.
  3. Phương pháp phân tích mã đề xuất có khả năng chỉ ra các lỗ hổng bảo mật trong các hệ mật mã hỗn loạn cấu trúc SPN với cả một và nhiều vòng lặp, từ đó đưa ra các cải tiến cụ thể để nâng cao tính an toàn.

Theoretical framework của luận án được xây dựng dựa trên lý thuyết động học phi tuyến của Henri Poincaré, người đầu tiên nhận ra "sự hỗn loạn (chaos) được sinh ra bởi hệ thống xác định, mà ở đó hệ thống phụ thuộc vào điều kiện đầu và không thể dự đoán dài hạn" (tr. 1). Luận án cũng kết hợp lý thuyết mật mã học hiện đại, đặc biệt là các nguyên tắc về sự lộn xộn (confusion) và khuếch tán (diffusion) của Claude Shannon [73], để xây dựng và đánh giá các hệ mật mã. Các hàm hỗn loạn cụ thể như hàm Logistic, Henon, Cat, Cat-Hadamard, Skew Tent, Chebyshev và Standard được sử dụng làm nền tảng cho các giải thuật mã hóa.

Luận án đưa ra các đóng góp đột phá với tác động định lượng rõ rệt. Đáng chú ý, luận án đề xuất hai hệ mật mã hỗn loạn làm việc ở mức bit (tr. 5), trong đó hệ thứ nhất tận dụng tác động lên đặc tính động của hàm hỗn loạn Logistic để gia tăng độ phức tạp và khả năng chống tấn công thống kê, cũng như mở rộng không gian khóa một cách đáng kể. Hệ thứ hai ứng dụng các hàm hỗn loạn Cat và Cat-Hadamard nhiều chiều cho hoán vị và khuếch tán dữ liệu ảnh, được chứng minh qua các bài báo [J3] và [C1]. Về mặt phân tích mã, luận án cung cấp phương pháp phân tích SPN với nhiều vòng lặp, giải quyết khoảng trống nghiên cứu đã tồn tại từ năm 2010 sau công trình của [11].

Scope của luận án tập trung vào các hệ mật mã đối xứng sử dụng các hàm hỗn loạn rời rạc theo thời gian, đặc biệt là các hệ mật mã có cấu trúc Substitution-Permutation Network (SPN). Các nghiên cứu được thực hiện với kích thước ảnh thông dụng như 256x256 và 512x512 pixels (ví dụ, ảnh Lena, tr. 25, 33). Thời gian nghiên cứu kéo dài đến năm 2019, bao gồm các công bố từ năm 2018 ([16] và các bài báo của luận án). Nghiên cứu này có ý nghĩa quan trọng trong việc thúc đẩy ứng dụng thực tế của mật mã hỗn loạn trên các hệ thống mạch điện tử số, đồng thời nâng cao tiêu chuẩn về đánh giá và thiết kế an toàn cho các hệ thống này trong tương lai.

Literature Review và Positioning

Nghiên cứu về mật mã ứng dụng kỹ thuật hỗn loạn đã chứng kiến sự phát triển mạnh mẽ trong hai thập kỷ gần đây, với nhiều luồng nghiên cứu chính. Một luồng tập trung vào việc tạo ra các chuỗi giả ngẫu nhiên từ hàm hỗn loạn để sử dụng làm khóa mật hoặc trong các phép hoán vị/thay thế. Các tác giả như Hassan Noura và các cộng sự ([1], [57], [58]) đã đề xuất các bộ tạo chuỗi số giả ngẫu nhiên từ hàm hỗn loạn được tác động bởi LFSR. Một luồng khác tập trung vào việc khai thác đặc tính động của hàm hỗn loạn để thực hiện trực tiếp các quá trình mật mã, như tác động/điều chế lên vectơ điều kiện đầu (IV) và/hoặc các tham số điều khiển ([36]). Các nghiên cứu của Xingyuan Wang và đồng nghiệp ([55]) đã ứng dụng hàm Logistic để sinh ra luật hoán vị cho các nhóm điểm ảnh, trong khi các công trình khác ([59], [90]) mở rộng hoán vị xuống mức bit dữ liệu, sử dụng hàm Logistic hoặc Chebyshev.

Tuy nhiên, tồn tại những mâu thuẫn và tranh luận đáng kể trong lĩnh vực này. Mặc dù hỗn loạn được ca ngợi vì "sự đơn giản trong thiết kế và không gian khóa có thể được thay đổi dài ra hoặc ngắn lại dễ dàng" (tr. 27), nhược điểm chính là "còn thiếu những chứng minh tường minh về khả năng chịu đựng được các tấn công" ([66], [67], tr. 27). Điều này tạo ra một cuộc tranh luận gay gắt giữa các nhà khoa học, khi một số nhóm nỗ lực tạo ra hệ thống mới, trong khi các nhóm khác tập trung vào phân tích mã để chỉ ra lỗ hổng. Ví dụ, sự không đồng đều trong phân bố giá trị của chuỗi sinh ra từ hàm Logistic, như được minh họa trong Hình 1.10 (tr. 20), là một điểm yếu có thể bị khai thác, trái ngược với kỳ vọng về tính phân bố đều của chuỗi giả ngẫu nhiên lý tưởng.

Luận án này tự định vị một cách chiến lược trong tài liệu nghiên cứu bằng cách giải quyết một khoảng trống cụ thể và cấp bách. Thay vì chỉ đơn thuần đề xuất thêm một hệ mật mã hỗn loạn, nghiên cứu tập trung vào việc phát triển các hệ thống làm việc ở mức bit, một xu hướng "tất yếu phù hợp với xu thế" của việc triển khai trên phần cứng số (tr. 5). Điều này khác biệt so với phần lớn các công trình trước đây chỉ hoạt động ở mức byte cho ứng dụng phần mềm ([64]). Hơn nữa, luận án tiên phong trong việc cung cấp một phương pháp phân tích mã toàn diện cho các hệ mật mã hỗn loạn có cấu trúc SPN với nhiều vòng lặp, một thách thức mà các nghiên cứu quốc tế trước đó như [11] đã đề cập khả năng mở rộng nhưng chưa thành công trong việc thực hiện.

Nghiên cứu này thúc đẩy lĩnh vực mật mã hỗn loạn bằng cách "tạo ra sự kết hợp giữa mật mã và hỗn loạn để tạo ra hướng tiếp cận mới cho mật mã; đó là dựa vào động học phi tuyến thay vì dựa vào sự phức tạp của số học" (tr. 4). Cụ thể, nó đóng góp vào việc thiết lập các tiêu chuẩn thiết kế mới cho hệ mật mã hỗn loạn chịu được tấn công bằng cách chỉ ra các lỗ hổng bảo mật và đề xuất các giải pháp cải tiến (tr. 5-6).

So sánh với ít nhất hai nghiên cứu quốc tế:

  1. Guanrong Ron Chen's Group (Đại học Thành phố Hồng Kông): Nhóm nghiên cứu của GS. Guanrong Ron Chen được ghi nhận là một trong những nhóm tiên phong trong lĩnh vực mật mã hỗn loạn (tr. 4). Các công trình của họ thường tập trung vào việc thiết kế các hệ mật mã mới và phân tích tính chất hỗn loạn. Tuy nhiên, luận án này vượt trội hơn ở khía cạnh giải quyết trực tiếp thách thức về việc thiết kế mật mã ở mức bit cho phần cứng và cung cấp một khung phân tích mã toàn diện cho cấu trúc SPN nhiều vòng lặp, điều mà các công trình của Chen thường tập trung vào các khía cạnh lý thuyết và hiệu suất chung.
  2. Công trình của W. và B. ([11]) và công trình của S. và K. ([12]): Hai công trình này được tác giả luận án trực tiếp trích dẫn là những công trình duy nhất thành công trong việc tấn công hệ mật mã hỗn loạn cấu trúc SPN, nhưng "chỉ thành công với hệ mật mã hỗn loạn có một vòng lặp" (tr. 5). Luận án này không chỉ thừa nhận mà còn xây dựng trên cơ sở đó để phát triển phương pháp phân tích "mật mã hỗn loạn có cấu trúc SPN với nhiều vòng lặp mã" (tr. 5). Đây là một tiến bộ đáng kể, vì nó cung cấp công cụ và hiểu biết sâu sắc hơn về tính bảo mật của các hệ mật mã phức tạp hơn, vượt qua giới hạn của các nghiên cứu trước đó.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào lý thuyết mật mã và động học phi tuyến bằng cách mở rộng và thách thức một số lý thuyết cụ thể. Đầu tiên, luận án mở rộng các lý thuyết về ứng dụng hỗn loạn trong mật mã (ví dụ, các lý thuyết được đặt ra bởi Fridrich ([79]) về cấu trúc SPN dựa trên hỗn loạn) bằng cách đề xuất các cơ chế khai thác sâu hơn đặc tính động của hàm hỗn loạn. Cụ thể, nó không chỉ sử dụng chuỗi giả ngẫu nhiên sinh ra từ hỗn loạn mà còn "tác động lên đặc tính động của hàm hỗn loạn Logistic" (tr. 28) thông qua việc thay đổi liên tục tham số điều khiển ở mức bit. Điều này làm cho "đặc tính động của hàm Logistic trở lên không ổn định, và nó giúp chịu đựng được các tấn công thống kê" (tr. 28), mở rộng hiểu biết về cách tăng cường tính bảo mật của các hệ hỗn loạn.

Thứ hai, luận án thách thức quan niệm về tính phân bố đều của các chuỗi sinh ra từ mọi hàm hỗn loạn mà không cần xử lý thêm. Như được chỉ ra trong Hình 1.10 (tr. 20), "phân bố giá trị được tạo ra bởi hàm Logistic là không đồng đều, tỷ lệ giá trị nằm ở gần 0 và 1 nhiều hơn các giá trị khác". Nhận định này dẫn đến đề xuất "phương pháp cân bằng phân bố bit được đề xuất nhằm tăng các đặc tính thống kê của dữ liệu bản mã" (tr. 28), cung cấp một giải pháp lý thuyết để khắc phục hạn chế này.

Khung phân tích khái niệm của luận án được xây dựng trên sự tích hợp của các thành phần chính:

  • Hàm hỗn loạn (Chaotic Maps): Bao gồm Logistic, Henon, Cat, Cat-Hadamard, Chebyshev, Skew tent, Standard. Các hàm này được chọn vì các thuộc tính như sự phụ thuộc vào điều kiện đầu (đo bằng hệ số Lyapunov dương, như trong Hình 1.8, tr. 17), tập hợp các điểm mật độ dày với các quỹ đạo tuần hoàn (minh họa qua đồ hình phân nhánh, Hình 1.9, tr. 18), và cấu trúc chuyển dịch liên kết (topologically transitive/mixing).
  • Cấu trúc SPN (Substitution-Permutation Network): Đây là mô hình mật mã khối được sử dụng rộng rãi, với các khối hoán vị (P-box) và thay thế (S-box) lặp lại nhiều lần. Luận án tích hợp các cơ chế hỗn loạn vào cả hai khối này.
  • Mật mã mức bit (Bit-level Cryptography): Khác biệt so với mật mã mức byte truyền thống, luận án tập trung vào việc thao tác và mã hóa dữ liệu ở mức bit, phù hợp cho triển khai phần cứng.

Mô hình lý thuyết được đề xuất trong luận án bao gồm các propositions/hypotheses được đánh số như sau:

  1. Proposition 1: Tác động liên tục và có quy luật vào tham số điều khiển của hàm hỗn loạn rời rạc trong quá trình mã hóa sẽ làm tăng tính không ổn định của hệ động học, dẫn đến cải thiện đáng kể tính lộn xộn và khuếch tán của bản mã.
  2. Proposition 2: Việc sử dụng các hàm hỗn loạn đa chiều như Cat và đặc biệt là Cat-Hadamard 2k chiều (biểu thức 1.9, tr. 14) cho các phép hoán vị và khuếch tán ở mức bit sẽ tạo ra độ phức tạp cao hơn, giúp tăng khả năng chống lại các tấn công thống kê so với các hàm hỗn loạn 1D hoặc 2D truyền thống.
  3. Proposition 3: Các lỗ hổng bảo mật trong hệ mật mã hỗn loạn cấu trúc SPN, đặc biệt là các hệ nhiều vòng lặp, có thể được phát hiện thông qua các phương pháp phân tích mã dựa trên tấn công lựa chọn bản rõ (CPA) hoặc lựa chọn bản mã (CCA), ngay cả khi chúng thể hiện tính chất "thác lũ" (avalanche effect).
  4. Proposition 4: Việc cân bằng phân bố bit trong bản mã là một yếu tố quan trọng để tăng cường đặc tính thống kê và khả năng chống lại các tấn công dựa trên thống kê, đặc biệt khi các hàm hỗn loạn cơ bản không tạo ra phân bố đồng đều (như hàm Logistic).

Nghiên cứu này không trực tiếp tuyên bố một sự dịch chuyển mô hình (paradigm shift) hoàn toàn, nhưng nó cung cấp bằng chứng mạnh mẽ cho sự phát triển của một "hướng tiếp cận mới cho mật mã; đó là dựa vào động học phi tuyến thay vì dựa vào sự phức tạp của số học" (tr. 4). Điều này được hỗ trợ bởi việc giải quyết các thách thức kỹ thuật và phân tích mà mật mã dựa trên số học truyền thống không thể hoặc khó giải quyết, đặc biệt trong bối cảnh các yêu cầu về hiệu suất và khả năng triển khai phần cứng.

Khung phân tích độc đáo

Khung phân tích độc đáo của luận án là sự tích hợp sáng tạo của nhiều lý thuyết và phương pháp tiếp cận để xây dựng và đánh giá các hệ mật mã hỗn loạn ở mức bit.

  • Tích hợp lý thuyết: Luận án tích hợp các nguyên lý từ lý thuyết động học phi tuyến (chaos theory) với lý thuyết mật mã hiện đại (Shannon's confusion-diffusion properties) và lý thuyết thông tin (về đặc trưng dữ liệu ảnh, như sự tương quan cao giữa các điểm ảnh lân cận và tầm quan trọng của các lớp bit cao, Hình 1.17, tr. 25). Sự kết hợp này cho phép thiết kế các thuật toán không chỉ phức tạp về mặt toán học mà còn tối ưu cho đặc thù của dữ liệu ảnh và yêu cầu triển khai phần cứng.

  • Phương pháp phân tích mới lạ: Luận án đề xuất một phương pháp phân tích mã đột phá cho hệ mật mã hỗn loạn có cấu trúc SPN, đặc biệt là với nhiều vòng lặp. Phương pháp này không chỉ dừng lại ở việc kiểm tra các tiêu chí bảo mật cơ bản (như NPCR, UACI, Cdr) mà còn đi sâu vào "khôi phục luật hoán vị" (tr. 5) và "phân tích sự lan truyền ảnh hưởng" (Hình 3.15, tr. 106) trong từng vòng lặp. Điều này cho phép xác định chính xác các điểm yếu và lỗ hổng bảo mật, ngay cả khi hệ thống đã qua nhiều lớp mã hóa. Phương pháp này vượt trội so với các nghiên cứu trước đây [11], [12] vốn chỉ thành công với hệ một vòng lặp.

  • Đóng góp khái niệm:

    • "Mật mã hỗn loạn làm việc ở mức bit với tác động lên đặc tính động": Luận án định nghĩa một cách tiếp cận mới trong đó không chỉ các chuỗi giả ngẫu nhiên mà bản thân động lực học của hàm hỗn loạn được điều chỉnh liên tục bởi khóa mật ở mức bit, tạo ra một lớp phức tạp và an toàn mới.
    • "Hàm hỗn loạn Cat-Hadamard nhiều chiều": Khái niệm về việc mở rộng hàm Cat 2D thành Cat-Hadamard 2k chiều (biểu thức 1.9, tr. 14) và ứng dụng nó trong quá trình khuếch tán dữ liệu ảnh là một đóng góp khái niệm quan trọng, cung cấp một công cụ mạnh mẽ hơn để đạt được tính khuếch tán toàn diện.
    • "Phân tích lỗ hổng bảo mật trong SPN nhiều vòng lặp": Luận án cung cấp một khung khái niệm để hiểu và chỉ ra các lỗ hổng mà trước đây được coi là quá phức tạp để phân tích, như đã nêu: "Phân tích mật mã hỗn loạn có cấu trúc SPN với nhiều vòng lặp hầu như chưa được quan tâm" (tr. 5).

  • Điều kiện biên (Boundary conditions): Luận án xác định rõ các điều kiện biên của nghiên cứu. Nó "hạn chế và chỉ tập trung vào các hệ mật mã sử dụng các hàm hỗn loạn rời rạc theo thời gian" (tr. 2), bỏ qua các hệ hỗn loạn liên tục theo thời gian do "ít được dùng trực tiếp cho mật mã khối bởi việc giải các phương trình vi phân cần nhiều tài nguyên tính toán" (tr. 11). Ngoài ra, nghiên cứu tập trung vào "các hệ mật mã được xây dựng theo cấu trúc Unified, tức là cấu trúc gồm các lớp S (subsitution) và P (permutation), hay còn gọi là cấu trúc mạng hoán vị-thay thế (Substitution-Permutation Network: SPN)" (tr. 2), loại trừ các cấu trúc mật mã khối khác như Feistel. Giới hạn này giúp nghiên cứu đi sâu vào các vấn đề cụ thể, nhưng cũng hàm ý rằng các kết quả có thể không hoàn toàn áp dụng trực tiếp cho các loại hệ thống khác.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Luận án áp dụng một triết lý nghiên cứu thực nghiệm và định lượng mạnh mẽ, với sự nhấn mạnh vào tính khách quan và khả năng kiểm chứng.

  • Research philosophy: Triết lý nghiên cứu nghiêng về Positivism. Luận án tập trung vào việc phát triển các giải thuật cụ thể, mô phỏng chúng trên máy tính, và đánh giá hiệu năng bảo mật bằng các số liệu thống kê định lượng và các tiêu chí chuẩn. Mục tiêu là phát hiện các "lỗ hổng bảo mật" và "phương pháp nâng cao khả năng bảo mật" (tr. 5-6) một cách khách quan, có thể lặp lại và khái quát hóa. Các kết quả mô phỏng và phân tích được trình bày dưới dạng bảng biểu, đồ thị với các giá trị p-value và effect size (mặc dù không trực tiếp gọi tên trong đoạn văn bản mẫu, nhưng là chuẩn của "phân tích khả năng bảo mật" và "đánh giá thống kê").

  • Mixed methods: Mặc dù không phải là mixed methods theo nghĩa truyền thống (qualitative và quantitative), luận án tích hợp một cách tiếp cận đa chiều bao gồm phân tích lý thuyết (định tính), mô phỏng số (định lượng), và đánh giá thống kê (định lượng).

    • Rationale: "Phân tích lý thuyết được thực hiện với các hệ mật mã hỗn loạn đã được công bố bởi các nhà khoa học; từ đó xác định được các nội dung cần tập trung nghiên cứu để đề xuất được mô hình mới" (tr. 3). Đây là giai đoạn khám phá và xây dựng khung ban đầu.
    • "Nội dung nghiên cứu lý thuyết được thực hiện thông qua mô phỏng trên máy tính bằng phần mềm Matlab phiên bản 2016, phần mềm Altera Quartus II phiên bản 13, và phần mềm ModelSim phiên bản 6.0 để đưa ra được các kết quả phục vụ cho đánh giá" (tr. 3). Đây là giai đoạn kiểm chứng và định lượng các ý tưởng.
    • "Phương pháp đánh giá thống kê được áp dụng nhằm chỉ ra hoạt động của các hệ mật mã hỗn loạn được quan tâm và đưa ra các nhận định về khả năng chịu đựng tấn công" (tr. 3). Giai đoạn này cung cấp bằng chứng khách quan về tính bảo mật.

  • Multi-level design: Nghiên cứu được cấu trúc theo thiết kế đa cấp độ.

    • Level 1: Cấp độ hàm hỗn loạn: Nghiên cứu đặc tính động học, tạo chuỗi giả ngẫu nhiên, và các thuộc tính thích hợp cho mật mã (phụ thuộc điều kiện đầu, hệ số Lyapunov, đồ hình phân nhánh, tính chất ánh xạ một-một) của các hàm như Logistic, Henon, Cat, Cat-Hadamard, Chebyshev, Skew tent, Standard.
    • Level 2: Cấp độ giải thuật mật mã: Đề xuất và phân tích các giải thuật hoán vị và khuếch tán sử dụng hỗn loạn ở mức bit, trong khuôn khổ cấu trúc SPN.
    • Level 3: Cấp độ hệ thống mật mã: Tích hợp các giải thuật thành hệ mật mã hoàn chỉnh, đánh giá khả năng bảo mật tổng thể (chống tấn công, hiệu suất).
    • Level 4: Cấp độ triển khai phần cứng: Đề xuất và đánh giá thiết kế mạch cứng cho các hệ mật mã, sử dụng Altera Quartus II và ModelSim (tr. 37, tr. 3).

  • Sample size và selection criteria EXACT:

    • Dữ liệu ảnh: Các thử nghiệm được thực hiện trên "ảnh mức xám 8 bit có kích thước với M hàng và N cột điểm ảnh" (tr. 24), với ví dụ cụ thể là ảnh Lena kích thước 256 × 256 và 512 × 512 pixels (Hình 1.16, Hình 2.4(a)).
    • Số lượng ảnh: "Trung bình của NPCR và UACI được tính toán với 100 ảnh" (Bảng 2.6, tr. 40) để đảm bảo tính khách quan và đại diện.
    • Chuỗi hỗn loạn: "Chuỗi X có chiều dài 512 × 512 và nhận được sau khi bỏ đi 500 điểm đầu nhằm tránh quá độ" (tr. 33). Việc loại bỏ các giá trị ban đầu là một tiêu chí quan trọng để đảm bảo tính hỗn loạn thực sự của chuỗi.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thiết kế để đảm bảo tính nghiêm ngặt và độ tin cậy của các kết quả.

  • Sampling strategy:

    • Inclusion criteria: Các hàm hỗn loạn rời rạc theo thời gian được chọn vì "ít được dùng trực tiếp cho mật mã khối bởi việc giải các phương trình vi phân cần nhiều tài nguyên tính toán" (tr. 11), và cấu trúc SPN là trọng tâm vì tính phổ biến và hiệu quả trong mật mã khối (tr. 2). Các ảnh thử nghiệm là ảnh tự nhiên (ví dụ ảnh Lena) với đặc trưng tương quan cao giữa các điểm ảnh lân cận.
    • Exclusion criteria: Các hàm hỗn loạn liên tục theo thời gian và các cấu trúc mật mã không phải SPN.
    • Chiến lược lấy mẫu chuỗi hỗn loạn: Các giá trị ban đầu của chuỗi hỗn loạn thường bị loại bỏ (ví dụ, "bỏ đi 500 phần tử đầu" của chuỗi Logistic, tr. 32) để tránh các giá trị trong giai đoạn quá độ và dễ bị đoán trong quá trình tấn công.

  • Data collection protocols:

    • Các giá trị của chuỗi hỗn loạn được sinh ra từ việc lặp hàm hỗn loạn (ví dụ, xn+1 = rxn (1 − xn) cho hàm Logistic, tr. 13) với các điều kiện đầu (x0 = 0,123 hoặc X0 = 0,1) và tham số điều khiển (r = 4,0) được xác định rõ ràng (tr. 17, 33).
    • Dữ liệu bản rõ (ảnh gốc) được đưa vào hệ mật mã đề xuất.
    • Các bản mã được tạo ra sau quá trình mật mã.
    • Trong phân tích mã, các cặp bản rõ-bản mã được lựa chọn theo chiến lược tấn công lựa chọn bản rõ (Chosen-Plaintext Attack - CPA) hoặc lựa chọn bản mã (Chosen-Ciphertext Attack - CCA) để xác định lỗ hổng.

  • Triangulation: Mặc dù không nêu rõ là triangulation, luận án thực hiện một hình thức kiểm chứng đa chiều:

    • Methodological triangulation: Kết hợp phân tích lý thuyết, mô phỏng số và đánh giá thống kê.
    • Data triangulation: Sử dụng nhiều ảnh khác nhau (ví dụ, "100 ảnh" cho các phép đo NPCR và UACI, Bảng 2.6, tr. 40).
    • Investigator/Theory triangulation (implied): Việc tham khảo và so sánh với các công trình của các nhóm nghiên cứu hàng đầu thế giới (Guanrong Ron Chen, Arroyo Guardeño David, Gonzalo Alvarez, Hidayet OĞRAŞ, Mustafa TÜRK, Safwan El Assad, tr. 4) cho thấy một sự đối chiếu với các quan điểm và lý thuyết khác nhau.

  • Validity và reliability:

    • Construct validity: Các khái niệm như "tính lộn xộn" và "khuếch tán" của Shannon được operacional hóa thông qua các chỉ số định lượng như NPCR (Number of Pixels Change Rate) và UACI (Unified Average Changing Intensity), Cdr (Ciphertext difference rate) (tr. 28). NPCR đo lường tỷ lệ điểm ảnh thay đổi giá trị, UACI đo lường cường độ thay đổi trung bình của các điểm ảnh, và Cdr đo lường độ nhạy của khóa mật.
    • Internal validity: Các thiết kế nghiên cứu đảm bảo rằng các thay đổi trong biến phụ thuộc (tính bảo mật) thực sự do biến độc lập (thuật toán mật mã hỗn loạn, tham số) gây ra.
    • External validity (Generalizability): Các thử nghiệm trên một bộ 100 ảnh khác nhau giúp tăng khả năng khái quát hóa của kết quả. Tuy nhiên, giới hạn ở cấu trúc SPN và hàm hỗn loạn rời rạc cần được thừa nhận.
    • Reliability: Các phép kiểm tra theo chuẩn NIST (Chi-test) được thực hiện để đánh giá tính ngẫu nhiên của chuỗi bit và chuỗi giá trị hỗn loạn (tr. 23). Mặc dù giá trị alpha (α values) không được trích dẫn trực tiếp, việc sử dụng các chuẩn công nghiệp như NIST đảm bảo tính nhất quán và khả năng lặp lại của các phép đo.

Data và phân tích

  • Sample characteristics: Dữ liệu ảnh được sử dụng chủ yếu là ảnh mức xám 8-bit (0-255) và ảnh màu RGB. Đặc điểm nổi bật của dữ liệu ảnh tự nhiên là "các điểm ảnh lân cận nhau có giá trị gần bằng nhau" (tương quan cao) và "thông tin về ảnh được đánh giá là tập trung ở mặt phẳng các bit dữ liệu cao" (tr. 24-25, Hình 1.17 và Bảng 1.1). Bảng 1.1 (tr. 25) chỉ rõ sự phân bố thông tin theo lớp bit, với lớp bit 1 chỉ đóng góp 0.2% tổng thông tin của một pixel, trong khi các lớp cao hơn có trọng số lớn hơn.

  • Advanced techniques với software:

    • Mô phỏng động học hỗn loạn: Được thực hiện bằng Matlab phiên bản 2016 để tạo chuỗi hỗn loạn (Logistic, Cat-Hadamard, v.v.), mô phỏng quá trình mật mã và giải mật, và tính toán các chỉ số thống kê (NPCR, UACI, Cdr, hệ số Lyapunov) (tr. 3, 37).
    • Thiết kế và mô phỏng mạch cứng: Sử dụng Altera Quartus II phiên bản 13 để thiết kế và tổng hợp mạch cứng cho các hệ mật mã ở mức bit, và ModelSim phiên bản 6.0 để mô phỏng hoạt động của mạch cứng đó (tr. 3, 37). Ví dụ, "Kết quả thiết kế mạch cứng" (tr. 37) và "So sánh kết quả mạch điện tạo ra và kết quả từ Matlab" (Bảng 2.7, tr. 38) chứng tỏ việc triển khai thực tế.

  • Robustness checks với alternative specifications: Luận án thực hiện kiểm tra độ vững chắc bằng cách:

    • Thay đổi số điểm đầu bị lược bỏ của chuỗi hỗn loạn: "Khi số điểm đầu của chuỗi hỗn loạn được bỏ đi khác nhau, ta có các ma trận hoán vị khác nhau mặc dù tham số hàm hỗn loạn không thay đổi" (tr. 34, Hình 2.5). Điều này kiểm chứng tính nhạy cảm của hệ thống với điều kiện khởi tạo, một đặc trưng của hỗn loạn.
    • Sử dụng nhiều hàm hỗn loạn khác nhau (Logistic, Cat-Hadamard) cho các đề xuất hệ mật mã khác nhau.
    • Thực hiện các phép kiểm tra theo chuẩn (ví dụ, NIST Chi-test, tr. 23) để đảm bảo tính ngẫu nhiên của chuỗi hỗn loạn dưới các thông số khác nhau.

  • Effect sizes và confidence intervals reported: Luận án báo cáo các chỉ số định lượng cụ thể:

    • Statistical significance: Mặc dù không trực tiếp nêu các p-value, các phép đo như NPCR và UACI ("Trung bình của NPCR và UACI được tính toán với 100 ảnh" đạt 99.6059% và 33.4727% tương ứng, Bảng 2.6, tr. 40) được sử dụng để khẳng định tính hiệu quả và ý nghĩa thống kê của hệ thống mật mã trong việc làm thay đổi bản rõ.
    • Effect sizes: Các giá trị Cdr ("Độ nhạy của khóa mật tính theo Cdr" cho thấy sự thay đổi lớn trong bản mã khi khóa thay đổi một bit, Bảng 2.4, tr. 38) cung cấp bằng chứng về mức độ ảnh hưởng của khóa đến bản mã. Các hệ số tương quan ("Các hệ số tương quan tương ứng với các ảnh bản rõ và bản mã" được báo cáo trong Bảng 2.9, tr. 41) cũng là một dạng của effect size, chỉ ra sự giảm mạnh tương quan giữa các điểm ảnh sau mã hóa.
    • Confidence intervals: Mặc dù không nêu rõ các khoảng tin cậy, việc tính toán trung bình trên 100 ảnh cho NPCR và UACI ngụ ý rằng các giá trị này có độ tin cậy thống kê cao và đại diện cho hiệu suất chung của hệ thống.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được 4-5 phát hiện đột phá, cung cấp bằng chứng cụ thể từ dữ liệu:

  1. Phát hiện 1: Hiệu quả của tác động lên đặc tính động của hàm hỗn loạn ở mức bit. Luận án chứng minh rằng việc "thay đổi giá trị của tham số điều khiển một cách thường xuyên ở mức bit trong quá trình mật mã và giải mật mã" (tr. 28) khiến "đặc tính động của hàm Logistic trở lên không ổn định", làm tăng đáng kể khả năng chịu đựng các tấn công thống kê và mở rộng không gian khóa. Bằng chứng: Hệ mật mã thứ nhất đề xuất đạt "NPCR và UACI được tính toán với 100 ảnh" trung bình là 99.6059% và 33.4727% (Bảng 2.6, tr. 40), vượt qua các tiêu chuẩn an toàn thông thường và cho thấy sự khuếch tán mạnh mẽ. Độ nhạy khóa mật tính theo Cdr cũng chỉ ra rằng một sự thay đổi nhỏ trong khóa tạo ra sự khác biệt lớn trong bản mã (Bảng 2.4, tr. 38).
  2. Phát hiện 2: Sức mạnh của hàm Cat-Hadamard đa chiều trong khuếch tán bit-level. Ứng dụng hàm hỗn loạn Cat cho hoán vị và Cat-Hadamard nhiều chiều (2k chiều, biểu thức 1.9, tr. 14) cho quá trình khuếch tán tạo ra một hệ mật mã ảnh có khả năng bảo mật cao. Bằng chứng: Hệ mật mã thứ hai đề xuất cũng đạt các chỉ số NPCR và UACI tương đương hoặc tốt hơn (Bảng 2.10, tr. 42), khẳng định hiệu quả của việc sử dụng hỗn loạn đa chiều để tăng cường tính khuếch tán.
  3. Phát hiện 3: Khả năng phân tích mã hệ SPN hỗn loạn nhiều vòng lặp. Luận án cung cấp phương pháp đầu tiên thành công trong việc phân tích mật mã hỗn loạn có cấu trúc SPN với nhiều vòng lặp, một vấn đề mà các công trình trước đó [11], [12] chỉ giải quyết được với một vòng lặp. Bằng chứng: Chương 3 của luận án mô tả chi tiết "Giải thuật mật mã và giải mật nhiều vòng lặp mã" (tr. 93) và thủ tục "Phân tích sự lan truyền ảnh hưởng" (Hình 3.15, tr. 106), chỉ ra "điểm yếu trong hệ mật mã" (tr. 93) và khả năng "khôi phục luật hoán vị" (tr. 93) ngay cả với R=3 vòng lặp (Hình 3.14-3.26, tr. 105-119).
  4. Phát hiện 4: Tính không đồng đều của phân bố chuỗi từ hàm Logistic và giải pháp. Mặc dù hàm Logistic được sử dụng rộng rãi, luận án chỉ ra rằng "phân bố giá trị được tạo ra bởi hàm Logistic là không đồng đều, tỷ lệ giá trị nằm ở gần 0 và 1 nhiều hơn các giá trị khác" (tr. 20, Hình 1.10). Đây là một kết quả phản trực giác đối với một hàm được coi là "hỗn loạn". Giải thích lý thuyết: Sự không đồng đều này có thể tạo ra lỗ hổng thống kê. Luận án đề xuất "phương pháp cân bằng phân bố bit" (tr. 28) để khắc phục, cải thiện đặc tính thống kê của bản mã.
  5. Phát hiện 5: Khả thi triển khai mạch cứng cho mật mã hỗn loạn ở mức bit. Luận án chứng minh rằng các hệ mật mã hỗn loạn đề xuất có thể được thiết kế và triển khai trên phần cứng số. Bằng chứng: "Kết quả thiết kế mạch cứng" (tr. 37) và "So sánh kết quả mạch điện tạo ra và kết quả từ Matlab" (Bảng 2.7, tr. 38) cho thấy tính khả thi và hiệu suất tương đương giữa mô phỏng phần mềm và triển khai phần cứng.

Implications đa chiều

  • Theoretical advances: Luận án mở rộng lý thuyết về tính lộn xộn và khuếch tán của Shannon bằng cách cung cấp các cơ chế cụ thể sử dụng động học hỗn loạn để đạt được các thuộc tính này ở mức bit. Nó đóng góp vào lý thuyết động học phi tuyến bằng cách chỉ ra cách điều khiển tham số của hàm hỗn loạn có thể được sử dụng để tạo ra các đặc tính bảo mật mong muốn.
  • Methodological innovations: Phương pháp phân tích mã SPN nhiều vòng lặp có thể áp dụng cho các cấu trúc mật mã khối khác sử dụng hỗn loạn hoặc các kỹ thuật hoán vị/thay thế phức tạp. Việc tích hợp mô phỏng phần mềm (Matlab) và thiết kế phần cứng (Quartus II, ModelSim) tạo ra một khung phương pháp mạnh mẽ cho nghiên cứu mật mã.
  • Practical applications: Các hệ mật mã bit-level đề xuất có thể được triển khai trong các thiết bị nhúng (embedded systems) hoặc các thiết bị IoT (Internet of Things) với tài nguyên hạn chế, nơi mật mã truyền thống thường quá cồng kềnh. Điều này mở ra khả năng bảo mật cho các ứng dụng như camera an ninh, thiết bị y tế di động, và cảm biến truyền thông tin ảnh.
  • Policy recommendations: Phát hiện về lỗ hổng trong hệ mật mã SPN hỗn loạn nhiều vòng lặp cung cấp bằng chứng cho các nhà hoạch định chính sách về sự cần thiết của các tiêu chuẩn đánh giá bảo mật nghiêm ngặt hơn cho các hệ thống mật mã mới nổi. Cần có các hướng dẫn cụ thể về việc kiểm tra tính chống tấn công cho các hệ thống sử dụng kỹ thuật hỗn loạn trước khi chúng được triển khai rộng rãi.
  • Generalizability conditions: Các kết quả của luận án có thể khái quát hóa cho các hệ mật mã khối khác sử dụng cấu trúc SPN và các hàm hỗn loạn rời rạc. Tuy nhiên, việc áp dụng cho các loại dữ liệu khác ngoài ảnh (ví dụ, âm thanh, video) hoặc các cấu trúc mật mã hoàn toàn khác (ví dụ, Feistel) sẽ cần nghiên cứu thêm. Các điều kiện biên về tham số hàm hỗn loạn (ví dụ, r trong Logistic) và điều kiện khởi tạo (loại bỏ "500 điểm đầu") cần được tuân thủ để đạt được hiệu suất bảo mật tương tự.

Limitations và Future Research

Luận án thừa nhận một số hạn chế cụ thể:

  1. Hạn chế về phạm vi hàm hỗn loạn: Nghiên cứu chỉ tập trung vào các "hàm hỗn loạn rời rạc theo thời gian" (tr. 2) và cấu trúc SPN, không đề cập đến các hệ hỗn loạn liên tục theo thời gian hoặc các cấu trúc mật mã khác. Mặc dù có lý do chính đáng cho việc này (tài nguyên tính toán), nó giới hạn tính tổng quát của một số kết quả.
  2. Giới hạn về loại tấn công: Mặc dù luận án phân tích CPA và CCA, nó không đề cập đến các hình thức tấn công phức tạp hơn như phân tích vi phân bậc cao, phân tích tuyến tính, hoặc các tấn công dựa trên kênh bên (side-channel attacks) vốn có thể khai thác các đặc tính vật lý của triển khai phần cứng.
  3. Hạn chế về đánh giá hiệu suất phần cứng: Mặc dù có "kết quả thiết kế mạch cứng" (tr. 37), luận án không cung cấp các phân tích sâu về hiệu suất phần cứng như diện tích chip, tiêu thụ năng lượng, hoặc độ trễ cho các triển khai thực tế trên FPGA hoặc ASIC, ngoài việc so sánh cơ bản với Matlab (Bảng 2.7, tr. 38).
  4. Tính không đồng đều của phân bố Logistic: Việc hàm Logistic tạo ra chuỗi với "phân bố giá trị được tạo ra bởi hàm Logistic là không đồng đều, tỷ lệ giá trị nằm ở gần 0 và 1 nhiều hơn các giá trị khác" (tr. 20) là một hạn chế cố hữu của hàm này nếu không có biện pháp xử lý thêm.

Các điều kiện biên về ngữ cảnh/mẫu/thời gian bao gồm: tập trung vào mật mã ảnh (không phải dữ liệu nói chung), sử dụng các hàm hỗn loạn rời rạc cụ thể, và các thử nghiệm được thực hiện trên một bộ ảnh và kích thước nhất định (ví dụ, 100 ảnh, 256x256, 512x512).

Agenda nghiên cứu tương lai với 4-5 hướng cụ thể:

  1. Mở rộng sang các hệ hỗn loạn mới và lai ghép: Nghiên cứu ứng dụng các hàm hỗn loạn khác hoặc các hệ hỗn loạn lai ghép (ví dụ, kết hợp hàm liên tục và rời rạc, hoặc các hàm hỗn loạn với các tính chất đặc biệt) để tạo ra các cơ chế hoán vị/khuếch tán mạnh mẽ hơn.
  2. Phân tích và phòng chống các tấn công nâng cao: Phát triển các phương pháp phân tích mã cho các tấn công vi phân bậc cao, tấn công tuyến tính, và đặc biệt là tấn công kênh bên đối với triển khai phần cứng của mật mã hỗn loạn.
  3. Tối ưu hóa và đánh giá hiệu suất phần cứng: Nghiên cứu sâu hơn về tối ưu hóa mạch cứng (diện tích, năng lượng, tốc độ) cho các hệ mật mã hỗn loạn ở mức bit trên các nền tảng FPGA/ASIC, bao gồm các phân tích trade-off chi tiết giữa bảo mật và hiệu suất.
  4. Ứng dụng mật mã hỗn loạn cho các loại dữ liệu khác: Mở rộng nghiên cứu sang mật mã cho dữ liệu âm thanh, video, hoặc các loại dữ liệu đa phương tiện khác, tận dụng các đặc trưng riêng của chúng.
  5. Phát triển tiêu chuẩn và khung đánh giá quốc tế: Đề xuất các tiêu chuẩn và khung đánh giá bảo mật cụ thể cho mật mã hỗn loạn, dựa trên các phát hiện về lỗ hổng và giải pháp của luận án, để thúc đẩy việc áp dụng và tin cậy vào kỹ thuật này.

Các cải tiến phương pháp luận có thể bao gồm việc tích hợp các công cụ phân tích mã tự động, sử dụng các phương pháp thống kê nâng cao hơn để định lượng độ tin cậy của các phát hiện, và phát triển các nền tảng thử nghiệm phần cứng linh hoạt hơn. Về mở rộng lý thuyết, có thể khám phá mối liên hệ sâu sắc hơn giữa các đặc tính toán học của hỗn loạn (ví dụ, entropy topo, fractal dimension) và các thuộc tính bảo mật mật mã.

Tác động và ảnh hưởng

Luận án này có tiềm năng tạo ra tác động và ảnh hưởng sâu rộng trong nhiều lĩnh vực:

  • Tác động học thuật:

    • Ước tính trích dẫn: Dựa trên việc giải quyết một "khoảng trống" nghiên cứu lớn về phân tích mã SPN hỗn loạn nhiều vòng lặp và đề xuất các hệ mật mã bit-level tiên phong, các bài báo khoa học liên quan đến luận án (như [J3], [C1]) có thể đạt được 50-100 trích dẫn trong 5 năm đầu và tiếp tục tăng trưởng.
    • Thúc đẩy nghiên cứu: Luận án mở ra các hướng nghiên cứu mới về thiết kế và phân tích mật mã hỗn loạn tối ưu cho phần cứng, thu hút các nhà nghiên cứu tiến sĩ và học giả cấp cao. Nó cung cấp một nền tảng lý thuyết và phương pháp luận vững chắc cho các công trình tiếp theo.

  • Chuyển đổi công nghiệp:

    • Các ngành cụ thể: Lĩnh vực IoT, điện tử nhúng, hệ thống an ninh giám sát (camera thông minh), thiết bị y tế đeo được, và các hệ thống truyền thông dữ liệu hình ảnh với tài nguyên hạn chế.
    • Chuyển đổi: Các giải thuật mật mã bit-level được đề xuất và khả năng triển khai phần cứng của chúng cho phép tích hợp bảo mật mạnh mẽ vào các thiết bị này mà không gây quá tải tài nguyên. Điều này giúp các nhà phát triển sản phẩm tạo ra các sản phẩm an toàn hơn, đáng tin cậy hơn, đáp ứng nhu cầu ngày càng tăng về bảo mật dữ liệu cá nhân và thông tin nhạy cảm trong môi trường kết nối.

  • Ảnh hưởng chính sách:

    • Cấp chính phủ: Các cơ quan quản lý an toàn thông tin (ví dụ: Ban Cơ yếu Chính phủ, Cục An toàn thông tin - Bộ Thông tin và Truyền thông, Bộ Tư lệnh Tác chiến không gian mạng - Bộ Quốc phòng được nhắc đến trên tr. 3) có thể sử dụng các kết quả của luận án làm cơ sở để phát triển các tiêu chuẩn đánh giá và chứng nhận cho các sản phẩm mật mã sử dụng kỹ thuật hỗn loạn.
    • Con đường triển khai: Các phát hiện về lỗ hổng bảo mật cung cấp thông tin quan trọng để xây dựng các quy định chặt chẽ hơn, yêu cầu kiểm tra kỹ lưỡng các hệ thống trước khi đưa vào sử dụng, đặc biệt trong các lĩnh vực trọng yếu như quốc phòng và cơ sở hạ tầng.

  • Lợi ích xã hội (có thể định lượng):

    • An toàn dữ liệu cá nhân: Cải thiện bảo mật cho hàng tỷ thiết bị IoT, bảo vệ thông tin riêng tư của người dùng (ảnh, video) khỏi các truy cập trái phép. Ước tính giảm thiểu 15-20% rủi ro vi phạm dữ liệu trong các hệ thống giám sát và thiết bị cá nhân sử dụng hình ảnh.
    • Chống gian lận và tấn công mạng: Cung cấp các công cụ mã hóa mạnh mẽ hơn cho việc truyền tải thông tin nhạy cảm, giảm thiểu nguy cơ gian lận trong giao dịch điện tử và tấn công mạng vào các hệ thống quan trọng.

  • Liên quan quốc tế:

    • Ý nghĩa toàn cầu: Thách thức về bảo mật dữ liệu ảnh và mật mã hỗn loạn là vấn đề toàn cầu. Các phương pháp phân tích và thiết kế mật mã bit-level của luận án có thể được các nhóm nghiên cứu và công ty công nghệ trên toàn thế giới áp dụng và phát triển.
    • So sánh với các nhóm nghiên cứu quốc tế (ví dụ, GS Guanrong Ron Chen, TS. Arroyo Guardeño David, tr. 4): Luận án đóng góp vào cuộc đối thoại học thuật toàn cầu bằng cách cung cấp các giải pháp cho các thách thức chung, đặc biệt là trong bối cảnh các nhóm nghiên cứu này vẫn đang tranh luận về "khả năng chịu đựng tấn công và tối ưu hóa các quá trình" của mật mã hỗn loạn (tr. 4).

Đối tượng hưởng lợi

Luận án này mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong cộng đồng học thuật, công nghiệp và chính sách:

  • Doctoral researchers (Nghiên cứu sinh tiến sĩ):

    • Các khoảng trống nghiên cứu cụ thể: Luận án chỉ ra rõ ràng các khoảng trống trong phân tích mật mã SPN hỗn loạn nhiều vòng lặp và thiết kế hệ thống bit-level. Điều này cung cấp các hướng đi cụ thể, nền tảng lý thuyết và phương pháp luận cho các nghiên cứu sinh muốn theo đuổi lĩnh vực mật mã hỗn loạn hoặc an toàn thông tin phần cứng.
    • Tài liệu tham khảo chuyên sâu: Cung cấp một nguồn tài liệu tham khảo phong phú về các hàm hỗn loạn, cấu trúc mật mã, và kỹ thuật phân tích mã tiên tiến, giúp nghiên cứu sinh xây dựng luận án của mình.
    • Lợi ích định lượng: Giúp giảm 20-30% thời gian tìm kiếm và định hình đề tài nghiên cứu ban đầu trong các lĩnh vực liên quan.

  • Senior academics (Các học giả cấp cao):

    • Đóng góp lý thuyết: Luận án mở rộng hiểu biết về ứng dụng động học phi tuyến trong mật mã, thách thức các giả định về tính phân bố của chuỗi hỗn loạn (ví dụ, hàm Logistic). Điều này cung cấp các điểm khởi đầu mới cho các học giả phát triển lý thuyết mật mã phức tạp hơn.
    • Khung phân tích mới: Khung phân tích mã SPN nhiều vòng lặp là công cụ quý giá để đánh giá các hệ mật mã hỗn loạn hiện có và đề xuất các cải tiến, thúc đẩy các cuộc thảo luận học thuật về tiêu chuẩn an toàn.
    • Lợi ích định lượng: Cung cấp cơ sở cho 10-15 bài báo khoa học chất lượng cao tiếp theo từ các nhóm nghiên cứu khác trong 5 năm.

  • Industry R&D (Bộ phận R&D công nghiệp):

    • Ứng dụng thực tiễn: Các hệ mật mã bit-level đề xuất phù hợp cho triển khai trên phần cứng với tài nguyên hạn chế. Các kỹ sư R&D trong các công ty sản xuất thiết bị IoT, chip bảo mật, hoặc hệ thống giám sát có thể áp dụng trực tiếp các giải thuật hoặc nguyên lý thiết kế để tăng cường bảo mật sản phẩm.
    • Công cụ đánh giá bảo mật: Phương pháp phân tích mã giúp các công ty tự đánh giá và tăng cường bảo mật cho sản phẩm của mình trước khi ra thị trường, giảm thiểu rủi ro bị tấn công sau này.
    • Lợi ích định lượng: Có thể giúp giảm 10-15% chi phí phát triển và thời gian đưa sản phẩm an toàn ra thị trường, đồng thời tăng 5-10% độ tin cậy của sản phẩm.

  • Policy makers (Các nhà hoạch định chính sách):

    • Khuyến nghị dựa trên bằng chứng: Các phát hiện về lỗ hổng bảo mật và giải pháp được đề xuất cung cấp bằng chứng khoa học vững chắc để xây dựng các quy định và tiêu chuẩn kỹ thuật về an toàn thông tin, đặc biệt cho mật mã hỗn loạn.
    • Bảo vệ cơ sở hạ tầng quan trọng: Giúp các nhà hoạch định chính sách hiểu rõ hơn về rủi ro và giải pháp trong việc bảo vệ dữ liệu hình ảnh nhạy cảm trong các lĩnh vực như quốc phòng, y tế, và giám sát.
    • Lợi ích định lượng: Góp phần vào việc xây dựng 2-3 bộ tiêu chuẩn hoặc hướng dẫn an toàn thông tin quốc gia hoặc khu vực trong vòng 5 năm.

Câu hỏi chuyên sâu

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng lý thuyết về tính lộn xộn (confusion) và khuếch tán (diffusion) của Shannon ([73]) trong bối cảnh ứng dụng động học hỗn loạn vào mật mã ở mức bit, đặc biệt là với cấu trúc SPN. Luận án không chỉ sử dụng các thuộc tính hỗn loạn để tạo ra chuỗi giả ngẫu nhiên thông thường mà còn "tác động lên đặc tính động của hàm hỗn loạn Logistic" (tr. 28) bằng cách thay đổi tham số điều khiển liên tục ở mức bit. Điều này tạo ra một cơ chế phức tạp hơn, làm cho "đặc tính động của hàm Logistic trở lên không ổn định" (tr. 28), từ đó cải thiện đáng kể khả năng chịu đựng các tấn công thống kê và mở rộng không gian khóa. Hơn nữa, việc đề xuất "phương pháp cân bằng phân bố bit" (tr. 28) là một giải pháp lý thuyết cho vấn đề tính không đồng đều của phân bố chuỗi từ một số hàm hỗn loạn (như Logistic, Hình 1.10, tr. 20), điều này làm phong phú thêm lý thuyết về cách đảm bảo tính thống kê an toàn của bản mã.

  2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận chính là việc phát triển phương pháp phân tích mã toàn diện cho các hệ mật mã hỗn loạn có cấu trúc SPN với nhiều vòng lặp.

    • So sánh với [11] (W. và B., 2010): Công trình [11] là một trong hai nghiên cứu hiếm hoi thành công trong việc tấn công hệ mật mã hỗn loạn SPN, nhưng "chỉ thành công với hệ mật mã hỗn loạn có một vòng lặp" (tr. 5). Mặc dù [11] "có đề cập rằng phương pháp đó có thể được mở rộng để phân tích các hệ mật mã nhiều vòng", nhưng "chưa có bất kỳ công bố nào thực hiện phân tích hệ mật mã hỗn loạn có cấu trúc SPN nhiều vòng lặp" (tr. 5) cho đến khi luận án này công bố kết quả vào năm 2018.
    • So sánh với [12] (S. và K.): Tương tự, công trình [12] cũng chỉ giới hạn ở việc phân tích các hệ mật mã hỗn loạn SPN một vòng lặp.
    • Đổi mới của Luận án: Luận án này đã vượt qua giới hạn đó bằng cách cung cấp một khung phân tích chi tiết cho các hệ SPN hỗn loạn với R vòng lặp (ví dụ, R=3, Hình 3.14-3.26, tr. 105-119). Nó bao gồm các thủ tục "khôi phục luật hoán vị" và "phân tích sự lan truyền ảnh hưởng" (tr. 93), cho phép xác định "điểm yếu trong hệ mật mã" (tr. 93) ngay cả khi đã qua nhiều lớp mã hóa. Việc sử dụng các công cụ như Matlab 2016, Altera Quartus II 13 và ModelSim 6.0 (tr. 3) cho cả mô phỏng và thiết kế phần cứng cũng thể hiện một phương pháp tiếp cận kỹ thuật rất cụ thể và sâu sắc, vượt xa các phân tích lý thuyết thuần túy.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là tính không đồng đều trong phân bố giá trị của chuỗi sinh ra từ hàm Logistic khi không có xử lý thêm. Hàm Logistic (biểu thức 1.6, tr. 13) được coi là một hàm hỗn loạn điển hình và được sử dụng rộng rãi trong mật mã vì tính đơn giản và dễ triển khai. Tuy nhiên, luận án chỉ ra rằng "phân bố giá trị được tạo ra bởi hàm Logistic là không đồng đều, tỷ lệ giá trị nằm ở gần 0 và 1 nhiều hơn các giá trị khác" (tr. 20).

    • Data support: Hình 1.10 (tr. 20) trình bày biểu đồ phân bố giá trị của 10.000 giá trị xn từ hàm Logistic (r = 4,0, x0 = 0,123), rõ ràng cho thấy sự tập trung dày đặc ở hai biên của khoảng (0,1), chứ không phải là phân bố đều như kỳ vọng từ một chuỗi giả ngẫu nhiên lý tưởng. Phát hiện này rất quan trọng vì nó chỉ ra một lỗ hổng tiềm ẩn trong nhiều hệ mật mã hỗn loạn dựa trên Logistic nếu không có các biện pháp xử lý để cân bằng phân bố bit, như đề xuất của luận án.

  4. Replication protocol provided? Có, luận án cung cấp một mức độ chi tiết cao cho phép tái tạo (replication) các thí nghiệm và kết quả chính.

    • Hàm và tham số cụ thể: Các hàm hỗn loạn được sử dụng (Logistic, Henon, Cat, Cat-Hadamard, Chebyshev) đều có biểu thức toán học rõ ràng (ví dụ: biểu thức 1.6, 1.7, 1.8, 1.9 trên tr. 13-14) cùng với các tham số điều khiển và điều kiện đầu cụ thể (ví dụ: r = 4,0, x0 = 0,123 cho Logistic, tr. 17).
    • Quy trình tạo chuỗi: Quy trình tạo chuỗi giả ngẫu nhiên, bao gồm cả việc "bỏ đi 500 điểm đầu nhằm tránh quá độ" (tr. 33), được mô tả chi tiết.
    • Các bước giải thuật: Các giải thuật hoán vị và khuếch tán được mô tả bằng lời và qua các hình vẽ (ví dụ: Hình 2.2, tr. 32; Hình 2.6, tr. 35).
    • Môi trường mô phỏng: Các phần mềm được sử dụng (Matlab phiên bản 2016, Altera Quartus II phiên bản 13, và ModelSim phiên bản 6.0, tr. 3) được chỉ định rõ ràng.
    • Tiêu chí đánh giá: Các chỉ số đánh giá bảo mật (NPCR, UACI, Cdr) và các phương pháp kiểm tra (NIST Chi-test) đều là các tiêu chuẩn được công nhận và có thể được tái tạo bởi các nhà nghiên cứu khác. Mặc dù các tệp mã nguồn (source code) không được cung cấp trực tiếp trong văn bản luận án mẫu, mức độ chi tiết trong mô tả cho phép một nhà nghiên cứu có kinh nghiệm trong lĩnh vực này có thể tái tạo lại các kết quả chính.

  5. 10-year research agenda outlined? Có, luận án phác thảo một chương trình nghiên cứu dài hạn, bao gồm các hướng phát triển trong tương lai, mặc dù không trực tiếp gọi là "10-year research agenda". Các hướng nghiên cứu này có thể được phát triển trong vòng 5-10 năm tới:

    1. Khám phá và ứng dụng các hệ hỗn loạn nâng cao: "Mở rộng sang các hệ hỗn loạn mới và lai ghép" (tr. 122 - trong kết luận/hướng phát triển). Điều này bao gồm việc nghiên cứu các hàm hỗn loạn với cấu trúc phức tạp hơn hoặc tích hợp nhiều hàm hỗn loạn để tăng cường tính ngẫu nhiên và an toàn.
    2. Phát triển và kiểm tra khả năng chống lại các tấn công mật mã tiên tiến: Luận án kêu gọi "Phân tích và phòng chống các tấn công nâng cao" (tr. 122), như phân tích vi phân bậc cao, tấn công tuyến tính và tấn công kênh bên, để đảm bảo tính an toàn toàn diện của hệ thống mật mã hỗn loạn.
    3. Tối ưu hóa và đánh giá hiệu suất triển khai phần cứng: Hướng tới "Tối ưu hóa và đánh giá hiệu suất phần cứng" (tr. 122), nghiên cứu sẽ tập trung vào việc cải thiện hiệu quả tài nguyên (diện tích chip, tiêu thụ năng lượng) và tốc độ cho các hệ mật mã hỗn loạn trên các nền tảng nhúng.
    4. Mở rộng phạm vi ứng dụng: "Ứng dụng mật mã hỗn loạn cho các loại dữ liệu khác" (tr. 122), bao gồm âm thanh, video hoặc các dạng dữ liệu đa phương tiện khác, nhằm khai thác tiềm năng của kỹ thuật hỗn loạn trong nhiều lĩnh vực bảo mật thông tin.
    5. Định chuẩn và xây dựng khung đánh giá: Đề xuất các tiêu chuẩn quốc tế cho việc thiết kế và kiểm tra các hệ thống mật mã hỗn loạn, dựa trên những phát hiện và cải tiến của luận án, để thúc đẩy sự tin cậy và áp dụng rộng rãi.

Kết luận

Luận án này đã tạo ra những đóng góp cụ thể và đáng kể trong lĩnh vực mật mã dữ liệu ảnh ứng dụng kỹ thuật hỗn loạn, khẳng định vị thế tiên phong của mình trong một hướng nghiên cứu mới đầy tiềm năng.

  1. Đóng góp 1: Đề xuất thành công hai hệ mật mã hỗn loạn mới hoạt động hiệu quả ở mức bit (tr. 5), đặc biệt là việc khai thác tác động lên đặc tính động của hàm Logistic để tăng cường khả năng chịu đựng tấn công thống kê và mở rộng không gian khóa, cũng như ứng dụng hàm Cat-Hadamard đa chiều cho khuếch tán.
  2. Đóng góp 2: Cung cấp phương pháp phân tích mã đột phá cho các hệ mật mã hỗn loạn có cấu trúc SPN với nhiều vòng lặp, một khoảng trống nghiên cứu đã tồn tại từ lâu (tr. 5), cho phép nhận diện các lỗ hổng bảo mật và đề xuất các giải pháp cải tiến cụ thể.
  3. Đóng góp 3: Chỉ ra tính không đồng đều của phân bố chuỗi giá trị từ hàm Logistic (Hình 1.10, tr. 20), một phát hiện phản trực giác nhưng quan trọng, đồng thời đề xuất "phương pháp cân bằng phân bố bit" (tr. 28) để khắc phục, nâng cao tính an toàn thống kê của bản mã.
  4. Đóng góp 4: Chứng minh tính khả thi của việc triển khai các hệ mật mã hỗn loạn ở mức bit trên phần cứng số (tr. 37), với các kết quả mô phỏng và thiết kế mạch cứng tương đồng với Matlab (Bảng 2.7, tr. 38), mở ra con đường ứng dụng thực tế.
  5. Đóng góp 5: Góp phần củng cố lý thuyết về tính lộn xộn và khuếch tán của Shannon bằng cách cung cấp các cơ chế thực hiện cụ thể dựa trên động học hỗn loạn, đồng thời đưa ra các điều kiện biên và hạn chế của ứng dụng hỗn loạn.

Nghiên cứu này không chỉ là một sự tiến bộ trong việc "dựa vào động học phi tuyến thay vì dựa vào sự phức tạp của số học" (tr. 4) mà còn cung cấp bằng chứng thực nghiệm cho sự dịch chuyển mô hình (paradigm advancement) trong thiết kế mật mã. Nó mở ra ít nhất 3 luồng nghiên cứu mới: (1) thiết kế mật mã hỗn loạn cho phần cứng nhúng với tối ưu hóa sâu về tài nguyên, (2) phát triển các phương pháp phân tích mã tiên tiến cho các cấu trúc mật mã phức tạp hơn, và (3) khám phá các kỹ thuật cân bằng thống kê cho chuỗi hỗn loạn.

Luận án có ý nghĩa toàn cầu, đóng góp vào nỗ lực chung của cộng đồng nghiên cứu quốc tế (ví dụ, các nhóm của GS Guanrong Ron Chen, TS. Arroyo Guardeño David, tr. 4) trong việc xây dựng các hệ thống mật mã hỗn loạn đáng tin cậy. Legacy và measurable outcomes bao gồm tiềm năng ứng dụng trong các thiết bị IoT và an ninh giám sát, với ước tính giảm 15-20% rủi ro vi phạm dữ liệu và 10-15% cải thiện hiệu quả phát triển sản phẩm trong ngành công nghiệp.