Tổng quan về luận án

Luận án này tiên phong trong lĩnh vực Toán ứng dụng, đặc biệt là sự giao thoa giữa giải tích phân thứ, lý thuyết tập mờ và mô hình hóa dịch tễ trên mạng. Với bối cảnh khoa học hiện đại yêu cầu độ chính xác cao hơn trong việc dự báo và kiểm soát các hiện tượng phức tạp, nghiên cứu này giải quyết những hạn chế cố hữu của các mô hình truyền thống. Cụ thể, các mô hình dịch tễ cổ điển (như SIR, SIS, SIRS của Kermack và McKendrick [1]) thường giả định tính đồng nhất trong phân bố nút mạng và hàm xử lý mã độc tuyến tính, bỏ qua sự phức tạp của các mạng thực tế như mạng cảm biến không dây (Wireless Sensor Network - WSN). Hơn nữa, những yếu tố bất định trong môi trường truyền dẫn và đặc tính nhớ của các quá trình lan truyền thường không được mô hình hóa đầy đủ trong các khung lý thuyết hiện có. Nghiên cứu xác định một research gap cụ thể: "chưa có nhiều nghiên cứu trình bày chi tiết về giải tích của các mô hình lan truyền mã độc mô tả bởi hệ động lực mờ cũng như mô hình lan truyền mã độc phân thứ mờ" (Chương 2, Giới thiệu), và "chưa có nghiên cứu nào về hệ mờ Takagi-Sugeno cho mô hình lan truyền mã độc phân thứ dựa trên mạng để giải quyết đồng thời tính phức hợp không đồng nhất của mạng phức hợp không đồng nhất và tính không địa phương của mô hình lan truyền mã độc phân thứ" (Nội dung 3, Giới thiệu).

Để khắc phục những thiếu sót này, luận án đề xuất một cách tiếp cận đa ngành, tích hợp các công cụ toán học tiên tiến để cung cấp một cái nhìn toàn diện và thực tế hơn về sự lan truyền mã độc. Nghiên cứu được định hướng bởi các câu hỏi và giả thuyết sau:

  1. Research Question 1: Làm thế nào để thiết lập các mô hình toán học mới cho sự lan truyền mã độc trên mạng cảm biến không dây, kết hợp các khái niệm giải tích phân thứ và lý thuyết mờ để phản ánh tính không địa phương và các yếu tố bất định?

    • Hypothesis 1.1: Có thể xây dựng các khái niệm đạo hàm Caputo Atangana-Baleanu phân thứ mờ và tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ, từ đó thiết lập mô hình lan truyền mã độc SIQR phân thứ với dữ liệu mờ, cho phép phân tích sự tồn tại và duy nhất nghiệm.
    • Hypothesis 1.2: Có thể phát triển mô hình lan truyền mã độc SE1E2IQR phân thứ dựa trên mạng, trong đó hàm lan truyền được xác định bởi logic mờ, để nắm bắt tính không đồng nhất của mạng và độ bất định của quá trình truyền dẫn.

  2. Research Question 2: Các tính chất định tính của các mô hình truyền nhiễm phân thứ mờ đề xuất là gì, bao gồm chỉ số ngưỡng lan truyền R0, sự ổn định tiệm cận của các trạng thái cân bằng và hiện tượng rẽ nhánh?

    • Hypothesis 2.1: Các mô hình đề xuất sẽ có chỉ số ngưỡng lan truyền R0 cụ thể, đóng vai trò then chốt trong việc xác định dáng điệu tiệm cận của mô hình (ví dụ, trạng thái không có mã độc ổn định khi R0 < 1, và trạng thái đặc hữu xuất hiện khi R0 > 1).
    • Hypothesis 2.2: Hiện tượng rẽ nhánh (tiến hoặc lùi) có thể xảy ra tại R0 = 1, làm thay đổi đáng kể động lực của sự lan truyền mã độc.

  3. Research Question 3: Làm thế nào để thiết kế một chiến lược kiểm soát hiệu quả cho sự lan truyền mã độc trên mạng cảm biến không dây, có tính đến các yếu tố thực tế như hàm xử lý mã độc bão hòa và cấu trúc mạng phức hợp?

    • Hypothesis 3.1: Mô hình lan truyền mã độc SIRS phân thứ dựa trên mạng với hàm xử lý mã độc bão hòa có thể được thiết lập và phân tích về các tính chất định tính.
    • Hypothesis 3.2: Một hệ mờ Takagi-Sugeno phân thứ liên kết có thể được sử dụng để thiết kế bộ điều khiển ổn định hóa cho mô hình SIRS phân thứ dựa trên mạng, cung cấp các điều kiện đủ dưới dạng bất đẳng thức ma trận tuyến tính (LMI).

Khung lý thuyết của luận án được xây dựng dựa trên sự kết hợp của một số lý thuyết cụ thể:

  • Giải tích phân thứ (Fractional Calculus): Với các khái niệm đạo hàm Caputo, Riemann-Liouville, và đặc biệt là đạo hàm Caputo Atangana-Baleanu phân thứ, được sử dụng để mô hình hóa "các hiện tượng không địa phương, các quá trình có nhớ, quá trình có tính di truyền hay các chuyển động trong môi trường đàn hồi nhớt" [36–38].
  • Lý thuyết tập mờ và Logic mờ (Fuzzy Set Theory and Fuzzy Logic): Để biểu diễn "các đại lượng bất định với sai lệch không quá lớn" và "các yếu tố bất định" như chính sách bảo mật, tính đồng bộ hệ thống hay mật độ phần mềm độc hại bằng "các biến ngôn ngữ như 'cao', 'trung bình', 'thấp'".
  • Lý thuyết mạng phức hợp không đồng nhất (Heterogeneous Complex Network Theory): Đặc biệt là "mạng quy mô tự do Barabási-Albert" [92], để phản ánh "tính không đồng nhất về tiếp xúc của các nút mạng" trong các hệ thống như Internet, mạng xã hội, WSN.
  • Lý thuyết hệ động lực và ổn định (Dynamical Systems and Stability Theory): Bao gồm phương pháp hàm Lyapunov và phương pháp ma trận thế hệ mới ("next-generation matrix method"), để phân tích dáng điệu tiệm cận và sự ổn định của các mô hình.

Đóng góp đột phá của luận án bao gồm:

  1. Phát triển nền tảng Giải tích phân thứ mờ kiểu Atangana-Baleanu: Luận án đề xuất "các khái niệm đạo hàm Caputo-Atangana-Baneanu phân thứ mờ (Định nghĩa 2.1) và tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ (Định nghĩa 2.2)", đồng thời "chứng minh sự tồn tại duy nhất nghiệm tích phân mờ của mô hình (Định lý 2.4)" cho mô hình SIQR phân thứ với dữ liệu mờ. Đóng góp này có tác động định lượng lớn, mở ra khả năng mô hình hóa các hệ thống phức tạp với cả tính nhớ và tính bất định. Kết quả này đã được công bố trên tạp chí Fuzzy Sets and Systems [P1].
  2. Thiết lập và phân tích các mô hình lan truyền mã độc phân thứ mờ dựa trên mạng: Luận án giới thiệu "mô hình lan truyền mã độc SE1 E2 IQR phân thứ dựa trên mạng với hàm lan truyền xác định bởi các luật mờ", và phân tích chuyên sâu các tính chất định tính như "tính dương của nghiệm, chỉ số ngưỡng lan truyền R0 (Công thức (3.8)), sự ổn định tiệm cận của trạng thái cân bằng không có mã độc P0 (Định lý 3.4) và tính rẽ nhánh tiến tại R0 = 1 (Định lý 3.5)". Điều này cung cấp một khuôn khổ mạnh mẽ hơn để hiểu động lực học lây lan trong WSNs không đồng nhất. Kết quả này đã được công bố trên Communications in Nonlinear Science and Numerical Simulation [P2].
  3. Đề xuất hệ mờ Takagi-Sugeno phân thứ liên kết cho bài toán ổn định hóa: Một đóng góp đột phá khác là việc sử dụng "hệ mờ Takagi-Sugeno phân thứ liên kết" để giải quyết bài toán điều khiển ổn định hóa cho "mô hình lan truyền mã độc SIRS phân thứ dựa trên mạng có điều khiển với hàm xử lý mã độc bão hòa". Nghiên cứu đưa ra "một số điều kiện đủ dạng bất đẳng thức ma trận cho tính ổn định hóa (Định lý 4.6)" của trạng thái cân bằng không có mã độc P0. Cách tiếp cận này là mới mẻ, đặc biệt trong việc xử lý đồng thời tính phức hợp mạng và tính không địa phương, và đang trong quá trình xuất bản [P4].

Phạm vi nghiên cứu của luận án bao gồm việc phát triển "một số mô hình toán học mô tả sự lan truyền mã độc trên một lớp mạng phức hợp không đồng nhất biểu diễn bởi các lớp hệ phương trình vi phân phân thứ với tham số mờ hoặc thiết lập bởi logic mờ", và khảo sát "tính chất định tính như tính dương, chỉ số ngưỡng lan truyền, sự ổn định tiệm cận và bài toán điều khiển cho mô hình lan truyền mã độc đề xuất". Quy mô của các mô hình mạng được xem xét là "n hệ phương trình vi phân phân thứ", phản ánh khả năng mở rộng cho mạng lưới lớn. Ý nghĩa của nghiên cứu là cung cấp các công cụ lý thuyết và thực tiễn quan trọng để đánh giá, dự báo và kiểm soát hiệu quả sự lây lan của mã độc trong các mạng cảm biến không dây, bảo vệ các hệ thống thông tin quan trọng.

Literature Review và Positioning

Luận án này được đặt trong bối cảnh rộng lớn của việc mô hình hóa dịch tễ và an ninh mạng, xây dựng trên nền tảng của các công trình tiên phong và giải quyết các vấn đề còn bỏ ngỏ. Các dòng nghiên cứu chính mà luận án tổng hợp bao gồm:

  1. Mô hình dịch tễ cổ điển và ứng dụng trong an ninh mạng: Nghiên cứu khởi đầu bởi Kermack và McKendrick (1927) [1] với mô hình SIR đã tạo tiền đề cho việc mô tả sự lây nhiễm dịch bệnh bằng toán học. Các nghiên cứu sau đó đã ứng dụng rộng rãi trong y tế (corona [11, 12], HIV [13], Ebola [15]) và đặc biệt là trong an ninh mạng (mã độc, virus, sâu mạng [4–8, 10, 18–22]). Luận án thừa nhận sự tương đồng giữa lây nhiễm sinh học và lây lan mã độc, xem nút mạng không nhiễm mã độc như cá thể khỏe mạnh, nút mang mã độc như cá thể lây nhiễm.
  2. Mô hình dịch tễ trên mạng phức hợp: Các nghiên cứu đầu tiên như Pastor-Satorras và Vespignani (2001) [28] đã tiên phong trong việc đề xuất mô hình dịch SIS trên mạng, nhấn mạnh "tính không đồng nhất về tiếp xúc của các nút mạng". Sau đó, Huo và cộng sự (2014) [29] đã đề xuất mô hình dịch ba ngăn trên mạng quy mô tự do, xác định R0 và thảo luận dáng điệu tiệm cận. Li và Yousef (2010) [30] giới thiệu mô hình SIRS trên mạng với hàm xử lý mã độc bão hòa, chỉ ra R0 và hiện tượng rẽ nhánh lùi tại R0 = 1. Các nghiên cứu này đã chỉ ra rằng mạng quy mô tự do Barabási-Albert [92] là một lớp mạng phức hợp quan trọng mô tả tốt nhiều hệ thống thông tin.
  3. Giải tích phân thứ và ứng dụng: Lĩnh vực này, bắt nguồn từ năm 1695, đã phát triển mạnh mẽ trong 30 năm gần đây, chứng tỏ là công cụ hữu hiệu để mô hình hóa "các hiện tượng không địa phương, các quá trình có nhớ, quá trình có tính di truyền" [36–38]. Các đạo hàm phân thứ như Caputo, Riemann-Liouville [39–41] đã được ứng dụng trong nhiều lĩnh vực kỹ thuật và khoa học cơ bản (hệ thống mạch [42, 43], dịch tễ học [49], v.v.). Các nghiên cứu gần đây đã áp dụng phương trình vi phân phân thứ để mô hình hóa sự lan truyền mã độc trên mạng xã hội [56] và mạng máy tính [57], thừa nhận "tính phân bậc rõ ràng" và "tính không đồng nhất của mạng". Các công trình của Chen và cộng sự (2014) [58], Huo và Zhao (2016) [59], El Saka và cộng sự (2019) [16], Lu và cộng sự (2020) [12], Fu và Wang (2022) [11] đã cung cấp những nghiên cứu ban đầu về các mô hình dịch trên mạng phức hợp không đồng nhất với đạo hàm phân thứ (tham khảo Bảng 1 của luận án).
  4. Lý thuyết mờ và giải tích mờ: Việc đưa "các đại lượng biểu thị sự không chắc chắn" vào mô hình hóa đã dẫn đến sự phát triển của các mô hình mờ. Agarwal và cộng sự (2010) [62] đã đưa ra khái niệm "phương trình vi phân phân thứ mờ", một công cụ hiệu quả cho các hệ động lực không chắc chắn. Các ứng dụng bao gồm điều khiển tối ưu [68], sự tồn tại và duy nhất nghiệm [69], đồng bộ hóa mạng nơ-ron [48] và lý thuyết ổn định [71]. Trong dịch tễ học, các mô hình dịch với phương trình vi phân mờ bậc nguyên đã được thảo luận [61, 66, 73, 74].

Mâu thuẫn và Tranh luận: Mặc dù có nhiều tiến bộ, vẫn tồn tại các mâu thuẫn và tranh luận chính:

  • Mô hình hóa tính nhớ và bất định: Các mô hình truyền nhiễm phân thứ trước đây trên mạng (ví dụ [11, 12, 58, 59] trong Bảng 1) chủ yếu tập trung vào tính nhớ mà chưa tích hợp đầy đủ "yếu tố bất định như chính sách bảo mật của mạng, tính đồng bộ của hệ thống" thông qua lý thuyết mờ. Ngược lại, các mô hình dịch mờ (ví dụ [61, 66, 73, 74]) thường chỉ xét bậc nguyên hoặc chưa đi sâu vào các tính chất giải tích chi tiết và đặc trưng dịch tễ.
  • Phức tạp hóa hàm lan truyền và xử lý: Trong khi Li và Yousef [30] đã giới thiệu hàm xử lý mã độc bão hòa, và Hosseini và Zandvakili [8] sử dụng logic mờ để biểu diễn tốc độ truyền, việc tích hợp đồng thời các yếu tố này vào một mô hình phân thứ trên mạng vẫn còn là một thách thức. Đặc biệt, "việc sử dụng logic mờ để biểu diễn tốc độ truyền cũng là một điểm mới" (Hosseini và Zandvakili [8]) nhưng chưa được kết hợp với giải tích phân thứ trong một khuôn khổ toàn diện.

Vị trí của Luận án trong literature: Luận án này định vị mình như một cầu nối, giải quyết trực tiếp khoảng trống giữa các dòng nghiên cứu về giải tích phân thứ, lý thuyết mờ và mô hình dịch tễ trên mạng. Thay vì chỉ tập trung vào một khía cạnh, luận án tổng hợp và mở rộng các phương pháp hiện có để tạo ra các mô hình toàn diện hơn. Khoảng trống chính được xác định là việc thiếu "nghiên cứu về mô hình hóa và dự báo lan truyền mã độc trên mạng cảm biến không dây dựa trên các mô hình phương trình vi phân phân thứ và lý thuyết mờ".

Cách luận án thúc đẩy lĩnh vực nghiên cứu: Luận án thúc đẩy lĩnh vực này bằng cách:

  • Cung cấp một nền tảng toán học mới: Xây dựng lý thuyết "đạo hàm Caputo Atangana-Baleanu phân thứ mờ" (Định nghĩa 2.1) và "tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ" (Định nghĩa 2.2), một đóng góp lý thuyết cơ bản cho giải tích phân thứ mờ.
  • Thiết lập các mô hình tiên tiến: Phát triển "mô hình lan truyền mã độc SIQR phân thứ với dữ liệu mờ" và "mô hình lan truyền mã độc SE1 E2 IQR phân thứ dựa trên mạng với hàm lan truyền xác định bởi logic mờ". Những mô hình này vượt trội hơn các nghiên cứu trước đây (ví dụ, Hassouna và cộng sự [104], Mishra và Keshri [5, 6]) vì chúng tích hợp đồng thời tính nhớ, tính bất định và cấu trúc mạng không đồng nhất.
  • Đề xuất giải pháp kiểm soát đột phá: Giới thiệu "hệ mờ Takagi-Sugeno phân thứ liên kết" để giải quyết bài toán ổn định hóa, một phương pháp chưa từng được nghiên cứu cho "mô hình lan truyền mã độc phân thứ dựa trên mạng" [P4].

So sánh với các nghiên cứu quốc tế:

  1. So với Fu và Wang (2022) [11]: Nghiên cứu này đề xuất mô hình SEIQR phân thứ dựa trên mạng và khảo sát tính tồn tại duy nhất nghiệm, R0, và bài toán điều khiển tối ưu. Tuy nhiên, mô hình của Fu và Wang chỉ tập trung vào yếu tố "cách ly" và "ngừa chủng" dưới dạng đạo hàm phân thứ mà chưa tích hợp lý thuyết mờ để xử lý các yếu tố bất định trong quá trình lan truyền hoặc tham số. Luận án này vượt trội hơn bằng cách đưa vào "dữ liệu mờ" (Chương 2) và "hàm lan truyền xác định bởi logic mờ" (Chương 3), cho phép mô tả chính xác hơn các yếu tố không chắc chắn.
  2. So với Li và Yousef (2010) [30]: Nghiên cứu của Li và Yousef đã giới thiệu mô hình SIRS dựa trên mạng với "hàm xử lý mã độc bão hòa" và phân tích "hiện tượng rẽ nhánh lùi tại R0 = 1". Đây là một đóng góp quan trọng cho tính thực tế của mô hình. Luận án này kế thừa ý tưởng hàm bão hòa trong Nội dung 3, nhưng mở rộng nó bằng cách kết hợp với "đạo hàm phân thứ" và đặc biệt là giải quyết "bài toán ổn định hóa dựa trên hệ mờ Takagi-Sugeno phân thứ liên kết", điều mà nghiên cứu của Li và Yousef chưa đề cập, tạo ra một giải pháp kiểm soát thông minh và hiệu quả hơn cho các hệ thống phức tạp với tính nhớ.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án tiến sĩ này thực hiện những đóng góp lý thuyết đáng kể, mở rộng và thách thức các lý thuyết hiện có trong giải tích phân thứ, lý thuyết mờ và mô hình hóa dịch tễ.

  1. Mở rộng và Thách thức lý thuyết giải tích phân thứ và mờ:

    • Thách thức các định nghĩa đạo hàm phân thứ truyền thống: Bằng cách giới thiệu "đạo hàm Caputo Atangana-Baleanu phân thứ mờ (Định nghĩa 2.1)" và "tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ (Định nghĩa 2.2)", luận án mở rộng các định nghĩa của Atangana và Baleanu [44] (dành cho hàm thực) sang không gian hàm nhận giá trị mờ. Điều này cung cấp một công cụ mạnh mẽ hơn để mô hình hóa các hệ thống "có nhớ" và "không địa phương" trong môi trường "bất định", mà các đạo hàm Caputo hay Riemann-Liouville truyền thống không xử lý được đầy đủ.
    • Mở rộng lý thuyết về phương trình vi phân phân thứ mờ: Luận án xây dựng "nền tảng lý thuyết cơ bản về phép tính phân thứ kiểu Atangana-Baleanu cho hàm nhận giá trị số mờ" và "ứng dụng để thiết lập bài toán Cauchy cho mô hình lan truyền mã độc SIQR phân thứ mờ dưới tính gH-khả vi và chứng minh sự tồn tại duy nhất nghiệm cho bài toán này". Điều này vượt ra ngoài các nghiên cứu hiện có về phương trình vi phân phân thứ mờ chỉ tập trung vào các đạo hàm kiểu Caputo truyền thống (ví dụ [68, 69]) hoặc các mô hình dịch mờ bậc nguyên [61, 66].

  2. Khung phân tích khái niệm (Conceptual Framework): Khung phân tích của luận án tích hợp ba trụ cột chính:

    • Mạng cảm biến không dây (WSN) với cấu trúc mạng quy mô tự do (Scale-Free Networks): Đại diện cho đối tượng nghiên cứu thực tế, nhấn mạnh "tính không đồng nhất về tiếp xúc của các nút mạng" và sự phát triển mạng theo quy tắc "kết nối ưu tiên" của Barabási-Albert [92].
    • Mô hình dịch tễ (Epidemic Models): Các mô hình ngăn (SIQR, SE1E2IQR, SIRS) được sử dụng làm cơ sở để mô tả động lực học lây nhiễm, với sự điều chỉnh để phù hợp với bối cảnh an ninh mạng.
    • Các công cụ toán học tiên tiến: Giải tích phân thứ (để mô tả tính nhớ/không địa phương) và lý thuyết mờ (để mô tả tính bất định).

    Các thành phần này liên kết với nhau để tạo ra một cái nhìn toàn diện:

    • Inputs: Các tham số môi trường và mạng (tốc độ sinh/tử, tốc độ lây nhiễm, tốc độ phục hồi, cách ly) cùng với "dữ liệu ban đầu mờ" hoặc "hàm lan truyền xác định bởi logic mờ".
    • Processes: Động lực học của các trạng thái mạng (S, I, Q, R, E1, E2) được mô tả bởi "các hệ phương trình vi phân phân thứ mờ" (ví dụ: (FDE1), (FDE2), (FDE3)).
    • Outputs/Outcomes: Các đặc trưng dịch tễ học như "chỉ số ngưỡng lan truyền R0", "tính tồn tại và duy nhất của nghiệm", "tính dương của nghiệm", "sự ổn định tiệm cận của các trạng thái cân bằng" và "tính rẽ nhánh".
    • Control: Các chiến lược "điều khiển ổn định hóa" dựa trên "hệ mờ Takagi-Sugeno phân thứ liên kết".

  3. Mô hình lý thuyết (Theoretical Model) với các giả thuyết:

    • Mô hình SIQR phân thứ mờ (FDE1):
      • Proposition 2.1 (Tồn tại duy nhất nghiệm): Nghiệm tích phân mờ cho hệ (FDE1) tồn tại và là duy nhất dưới tính gH-khả vi, sử dụng "nguyên lý ánh xạ co tổng quát". Điều này khẳng định sự hợp lý toán học của mô hình.
    • Mô hình SE1E2IQR phân thứ dựa trên mạng với logic mờ (FDE2):
      • Hypothesis 3.1 (Tính dương của nghiệm): Nghiệm của mô hình là không âm, đảm bảo tính vật lý của các mật độ trạng thái.
      • Hypothesis 3.2 (Chỉ số R0): R0 được tính toán bằng "phương pháp ma trận thế hệ mới" (Công thức (3.8)).
      • Hypothesis 3.3 (Ổn định tiệm cận): Trạng thái cân bằng không có mã độc P0 là "ổn định tiệm cận địa phương" khi R0 < 1 (Định lý 3.4).
      • Hypothesis 3.4 (Rẽ nhánh tiến): Hiện tượng rẽ nhánh tiến xảy ra tại R0 = 1 (Định lý 3.5), cho thấy sự xuất hiện của trạng thái đặc hữu.
    • Mô hình SIRS phân thứ dựa trên mạng có điều khiển với hàm xử lý bão hòa (FDE3):
      • Hypothesis 4.1 (Tính dương của nghiệm): Nghiệm của mô hình là không âm.
      • Hypothesis 4.2 (Chỉ số R0): R0 được xác định bằng phương pháp ma trận thế hệ mới (Công thức (4.4)).
      • Hypothesis 4.3 (Ổn định tiệm cận): Trạng thái cân bằng không có mã độc P0 là "ổn định tiệm cận" khi R0 < 1 (Định lý 4.4).
      • Hypothesis 4.4 (Rẽ nhánh lùi): Hiện tượng rẽ nhánh lùi xảy ra tại R0 = 1 (Định lý 4.5), cảnh báo về khó khăn trong việc loại bỏ mã độc.
      • Hypothesis 4.5 (Điều khiển ổn định hóa): Các điều kiện đủ dưới dạng "bất đẳng thức ma trận tuyến tính" (Định lý 4.6) đảm bảo khả năng ổn định hóa trạng thái không có mã độc P0 bằng "hệ mờ Takagi-Sugeno phân thứ liên kết".

  4. Chuyển đổi paradigm với bằng chứng từ findings: Luận án không chỉ là một sự mở rộng mà còn đại diện cho một sự chuyển đổi paradigm nhỏ trong mô hình hóa dịch tễ học trên mạng. Bằng chứng nằm ở việc chuyển từ các mô hình định lượng xác định truyền thống sang các mô hình tích hợp "tính nhớ" và "tính bất định". Việc chứng minh sự tồn tại duy nhất nghiệm cho các hệ phương trình vi phân phân thứ mờ (Định lý 2.4) cung cấp bằng chứng toán học vững chắc cho tính khả thi của paradigm mới này. Hơn nữa, việc xác định các điều kiện "rẽ nhánh lùi" (Định lý 4.5) trong mô hình có hàm bão hòa đã thách thức quan điểm đơn giản rằng R0 < 1 luôn dẫn đến việc loại bỏ dịch bệnh, nhấn mạnh sự phức tạp của các hệ thống thực tế.

Khung phân tích độc đáo

Luận án trình bày một khung phân tích độc đáo bằng cách tích hợp sâu sắc và sáng tạo nhiều lý thuyết toán học tiên tiến:

  1. Tích hợp lý thuyết: Nghiên cứu tích hợp một cách có hệ thống ít nhất ba lý thuyết chuyên sâu:

    • Giải tích phân thứ: Cụ thể là các đạo hàm Caputo Atangana-Baleanu, cho phép mô hình hóa "tính nhớ" của sự lan truyền mã độc trong WSNs, phản ánh rằng tốc độ lây nhiễm không chỉ phụ thuộc vào trạng thái hiện tại mà còn vào lịch sử của quá trình.
    • Lý thuyết tập mờ và Logic mờ: Để xử lý "yếu tố bất định" và "thông tin không thể đo lường chính xác" (ví dụ: mật độ phần mềm độc hại "Thấp", "Trung bình", "Cao" từ Hình 1.3), cũng như xác định "hàm lan truyền xác định bởi luật mờ" (Chương 3).
    • Lý thuyết mạng phức hợp không đồng nhất: Đặc biệt là mạng quy mô tự do Barabási-Albert [92], để phản ánh "vai trò khác nhau của các nút trong mạng" và "tính không đồng nhất về tiếp xúc", điều quan trọng cho các WSNs thực tế.
    • Lý thuyết hệ mờ Takagi-Sugeno: Được tích hợp để giải quyết "bài toán điều khiển ổn định hóa" cho các mô hình lan truyền mã độc phân thứ dựa trên mạng, tạo ra các bộ điều khiển thông minh và hiệu quả.

  2. Cách tiếp cận phân tích mới lạ với sự biện minh: Cách tiếp cận của luận án là mới lạ ở chỗ nó không chỉ đơn thuần áp dụng các công cụ đã có mà còn tạo ra sự tổng hợp độc đáo. Ví dụ, việc xây dựng "đạo hàm Caputo Atangana-Baleanu phân thứ mờ" (Định nghĩa 2.1) là một cách tiếp cận mới lạ, vì các định nghĩa đạo hàm phân thứ mờ trước đây thường dựa trên Caputo hoặc Riemann-Liouville truyền thống. Sự biện minh cho cách tiếp cận này là khả năng mô hình hóa đồng thời "tính nhớ" (qua phân thứ) và "tính bất định" (qua mờ), cung cấp một bức tranh chân thực hơn về các hiện tượng lây lan phức tạp trong thực tế. Việc sử dụng "hệ mờ Takagi-Sugeno phân thứ liên kết" cho điều khiển cũng là một phương pháp mới, cho phép thiết kế bộ điều khiển cho các hệ thống phi tuyến phức tạp trong bối cảnh phân thứ và mạng.

  3. Đóng góp khái niệm với định nghĩa:

    • Mô hình truyền nhiễm phân thứ mờ (Fuzzy Fractional Epidemic Model): Một lớp mô hình dịch tễ mới, nơi các phương trình vi phân mô tả động lực học hệ thống sử dụng đạo hàm phân thứ và các biến trạng thái hoặc tham số có thể là các số mờ.
    • Tính gH-khả vi (gH-differentiability): Khái niệm khả vi suy rộng Hukuhara cho các hàm nhận giá trị mờ, cần thiết để định nghĩa và phân tích các phương trình vi phân phân thứ mờ.
    • Hệ mờ Takagi-Sugeno phân thứ liên kết (Interconnected Fractional Takagi-Sugeno Fuzzy System): Một cấu trúc hệ thống điều khiển mới, nơi nhiều hệ con Takagi-Sugeno phân thứ được liên kết với nhau để mô hình hóa và điều khiển các hệ động lực phân thứ dựa trên mạng.

  4. Điều kiện biên (Boundary Conditions) được nêu rõ ràng:

    • Phạm vi bậc của đạo hàm phân thứ: Các đạo hàm phân thứ được xét với bậc "β ∈ (0, 1)", giới hạn nghiên cứu trong các hệ thống có tính nhớ phụ thuộc vào lịch sử gần đây.
    • Giả định về tham số: Các tham số của mô hình được giả thiết "không âm" và "các điều kiện ban đầu và các tham số được giả sử là các số thực không âm", đảm bảo tính vật lý của các mật độ dân số trong ngăn dịch tễ.
    • Loại mạng: Luận án tập trung vào "mạng quy mô tự do Barabási-Albert", giới hạn tính tổng quát của ứng dụng cho các mạng có đặc tính tăng trưởng và ưu tiên kết nối cụ thể.
    • Điều kiện Lipschitz: Sự tồn tại và duy nhất nghiệm được chứng minh dưới "điều kiện Lipschitz theo biến thứ hai" cho hàm trạng thái, một giả định tiêu chuẩn trong lý thuyết phương trình vi phân.

Phương pháp nghiên cứu tiên tiến

Luận án áp dụng một phương pháp nghiên cứu tiên tiến, kết hợp các triết lý, thiết kế, quy trình và kỹ thuật phân tích phức tạp để đạt được các mục tiêu đã đề ra.

Thiết kế nghiên cứu

  1. Triết lý nghiên cứu (Research Philosophy): Luận án tuân theo một triết lý nghiên cứu thực chứng (positivism). Nó tìm kiếm các quy luật tổng quát và các mối quan hệ nhân quả thông qua việc xây dựng và phân tích các mô hình toán học định lượng. Mục tiêu là xác định "chỉ số ngưỡng lan truyền R0", "điều kiện cho sự ổn định tiệm cận" và "tính rẽ nhánh" với sự hỗ trợ của bằng chứng toán học vững chắc. Mặc dù luận án sử dụng lý thuyết mờ để xử lý "yếu tố bất định", nhưng bản thân phân tích mờ vẫn được thực hiện một cách định lượng và khách quan, củng cố lập trường thực chứng.
  2. Thiết kế hỗn hợp (Mixed Methods): Mặc dù cốt lõi là định lượng toán học, luận án có thể được xem xét từ góc độ thiết kế "hỗn hợp" theo nghĩa tích hợp các loại "dữ liệu" khác nhau:
    • Dữ liệu cứng (Hard data): Các tham số mô hình được giả định là số thực không âm.
    • Dữ liệu mờ (Fuzzy data): "Dữ liệu ban đầu mờ" (Chương 2) và "hàm lan truyền xác định bởi logic mờ" (Chương 3), cho phép mô hình hóa các nhận thức chủ quan hoặc thông tin không chính xác (Ví dụ 1.1: "mật độ phần mềm độc hại: Thấp, Trung bình, Cao"). Sự kết hợp này mang lại khả năng mô tả thực tế hơn mà không đánh mất sự chặt chẽ toán học.
  3. Thiết kế đa cấp (Multi-level Design): Luận án sử dụng thiết kế đa cấp một cách gián tiếp thông qua việc mô hình hóa các mạng phức hợp không đồng nhất.
    • Cấp độ nút (Node-level): Mô tả các trạng thái của từng nút cảm biến (S, I, Q, R, E1, E2) và sự chuyển đổi giữa chúng.
    • Cấp độ mạng (Network-level): Động lực học của các ngăn dịch tễ được ảnh hưởng bởi "cấu trúc mạng quy mô tự do Barabási-Albert" [92] và sự tương tác giữa các nút trong mạng (ví dụ, xác suất Θ(t) trong (FDE2)).
    • Cấp độ điều khiển (Control-level): Trong Chương 4, "hệ mờ Takagi-Sugeno phân thứ liên kết" được thiết kế cho "n hệ con", thể hiện một chiến lược điều khiển có khả năng hoạt động ở cả cấp độ nút và cấp độ mạng.

Quy trình nghiên cứu rigorous

  1. Chiến lược lấy mẫu (Sampling Strategy): Trong bối cảnh nghiên cứu lý thuyết này, "lấy mẫu" không áp dụng cho dữ liệu thực tế mà cho việc lựa chọn các đặc tính của hệ thống được mô hình hóa.
    • Tiêu chí bao gồm (Inclusion criteria): Các mạng có "tính không đồng nhất về tiếp xúc", "tính nhớ" trong quá trình truyền dẫn và "yếu tố bất định" trong dữ liệu hoặc tham số. Các mô hình dịch tễ phổ biến như SIR, SIQR, SIRS, SE1E2IQR được chọn làm cơ sở.
    • Tiêu chí loại trừ (Exclusion criteria): Các mô hình dịch tễ không có tính nhớ, không có yếu tố bất định, hoặc trên các mạng đồng nhất đơn giản (ví dụ, mạng ngẫu nhiên Erdos-Renyi) sẽ không được ưu tiên nghiên cứu chi tiết.
  2. Giao thức thu thập dữ liệu (Data Collection Protocols): Đối với nghiên cứu lý thuyết, "thu thập dữ liệu" chủ yếu là thu thập thông tin từ literature để xây dựng và validate các mô hình toán học.
    • Công cụ: Sử dụng các tài liệu khoa học về giải tích phân thứ [44, 50, 52, 53, 89, 90], lý thuyết tập mờ [65, 91, 95–98], lý thuyết mạng phức hợp [92, 93], và hệ mờ Takagi-Sugeno [88, 101].
    • Quá trình: Tổng hợp "kiến thức chuẩn bị" (Chương 1) để xây dựng "các khái niệm đạo hàm và tích phân phân thứ với nhân hàm Mittag-Leffler" và áp dụng "nguyên lý ánh xạ co tổng quát" để chứng minh sự tồn tại duy nhất nghiệm.
  3. Tam giác hóa (Triangulation): Mặc dù không phải tam giác hóa dữ liệu thực nghiệm, luận án sử dụng một dạng tam giác hóa trong lý thuyết và phương pháp:
    • Tam giác hóa lý thuyết (Theory Triangulation): Kết hợp các lý thuyết về giải tích phân thứ, lý thuyết mờ và lý thuyết mạng để cung cấp một cái nhìn đa chiều về cùng một hiện tượng (lan truyền mã độc).
    • Tam giác hóa phương pháp (Method Triangulation): Sử dụng kết hợp các phương pháp toán học như "nguyên lý ánh xạ co tổng quát", "phương pháp ma trận thế hệ mới", "phương pháp hàm Lyapunov" và "phân tích bất đẳng thức ma trận tuyến tính" để kiểm tra và xác nhận các kết quả từ các góc độ khác nhau.
  4. Tính hợp lệ (Validity) và độ tin cậy (Reliability):
    • Hợp lệ cấu trúc (Construct Validity): Các khái niệm toán học (ví dụ, đạo hàm phân thứ mờ) và các mô hình dịch tễ (SIQR, SE1E2IQR, SIRS) được xây dựng dựa trên các lý thuyết đã được kiểm chứng và được chứng minh là "mô hình hóa tốt hơn hiệu ứng của bộ nhớ trong các hệ vật lý phức tạp" [44] và "tính không chắc chắn trong dữ liệu và tham số".
    • Hợp lệ nội bộ (Internal Validity): Các chứng minh toán học (ví dụ, Định lý 2.4, Định lý 3.4, Định lý 4.4, Định lý 4.5, Định lý 4.6) được thực hiện một cách chặt chẽ, đảm bảo rằng các kết luận được rút ra là hợp lý từ các giả định và tiền đề.
    • Hợp lệ bên ngoài (External Validity/Generalizability): Các mô hình và phương pháp được phát triển có tiềm năng áp dụng rộng rãi cho các loại "mạng phức hợp không đồng nhất" khác ngoài WSNs, và cho các quá trình lây lan khác có "tính nhớ" và "tính bất định".
    • Độ tin cậy (Reliability): Các phương pháp phân tích được sử dụng là các kỹ thuật toán học tiêu chuẩn và có thể tái tạo. "Các mô phỏng số" (ví dụ: Hình 2.3-2.10, Hình 3.12-3.20) được cung cấp để minh họa và xác nhận các kết quả lý thuyết. Mặc dù giá trị alpha (α values) không được báo cáo trực tiếp trong ngữ cảnh này, sự chặt chẽ của chứng minh toán học đảm bảo độ tin cậy của các kết quả lý thuyết.

Data và phân tích

  1. Đặc điểm mẫu (Sample Characteristics): Trong nghiên cứu lý thuyết này, "mẫu" được hiểu là các đặc điểm của hệ thống và mạng được mô hình hóa.
    • Cấu trúc mạng: "Mạng quy mô tự do Barabási-Albert" với N = t + N0 nút và N0 + mt kết nối, nơi N0 là số nút ban đầu và m là bậc của nút mới được thêm vào. "Xác suất một nút có k kết nối cho bởi P(k) = ck −γ , trong đó γ = 3". (Mục 1.5).
    • Tham số mô hình: Các tham số như tốc độ sinh (Λ), tốc độ lây nhiễm (λ), tốc độ phục hồi (ν), tốc độ cách ly (γ), tốc độ rời mạng (µ), v.v., được giả định "không âm" (ví dụ: Bảng 2.1 cho mô hình SIQR).
    • Dữ liệu mờ: Các tập mờ được sử dụng để mô tả "mật độ phần mềm độc hại: Thấp, Trung bình, Cao" (Hình 1.3), cho thấy tính định tính của dữ liệu đầu vào.
  2. Kỹ thuật tiên tiến (Advanced Techniques) với phần mềm:
    • Giải tích phân thứ mờ: Khái niệm "đạo hàm Caputo Atangana-Baleanu phân thứ mờ" và "tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ" được sử dụng để giải các phương trình vi phân phân thứ mờ.
    • Phương pháp ma trận thế hệ mới (Next-Generation Matrix Method): Đây là kỹ thuật tiêu chuẩn để tính toán "chỉ số ngưỡng lan truyền R0" cho các mô hình dịch tễ phức tạp (ví dụ: Công thức (3.8), Công thức (4.4)).
    • Phương pháp hàm Lyapunov (Lyapunov Function Method): Được áp dụng rộng rãi để khảo sát "tính ổn định tiệm cận địa phương và toàn cục" của các điểm cân bằng cho "hệ động lực phân thứ" (Định lý 1.3, Định lý 3.4, Định lý 4.4).
    • Hệ mờ Takagi-Sugeno phân thứ liên kết (Interconnected Fractional Takagi-Sugeno Fuzzy System): Một phương pháp tiên tiến để mô hình hóa và điều khiển các hệ phi tuyến phức tạp dựa trên mạng.
    • Bất đẳng thức ma trận tuyến tính (Linear Matrix Inequalities - LMI): Được sử dụng để tìm "các điều kiện đủ cho tính ổn định hóa" (Định lý 4.6), thường được giải bằng các công cụ tối ưu hóa số chuyên biệt (ví dụ, MATLAB LMI Toolbox, mặc dù không được nêu tên trực tiếp trong văn bản).
    • Mô phỏng số (Numerical Simulations): Được thực hiện để minh họa "dáng điệu động lực" của các mô hình (ví dụ: "Dáng điệu theo thời gian của nghiệm số cho mô hình lan truyền mã độc SIQR phân thứ mờ" trong Hình 2.3-2.10, "Ảnh hưởng của đạo hàm phân thứ đối với mô hình SE1 E2 IQR" trong Hình 3.16-3.17). Mặc dù không nêu tên phần mềm cụ thể, các mô phỏng này thường được thực hiện bằng các môi trường toán học như MATLAB, Python, Mathematica.
  3. Kiểm tra tính mạnh mẽ (Robustness Checks):
    • Phân tích độ nhạy tham số (Parameter Sensitivity Analysis): "Kết quả đánh giá độ nhạy tham số của chỉ số ngưỡng lan truyền R0" (Hình 3.9) cho phép xác định các tham số có ảnh hưởng lớn nhất đến sự lan truyền, từ đó đưa ra các chiến lược kiểm soát hiệu quả.
    • Đặc tả thay thế (Alternative Specifications): Các mô hình được xây dựng với các đạo hàm phân thứ khác nhau (ví dụ: Caputo Atangana-Baleanu so với các đạo hàm khác được nhắc đến trong [77]) để kiểm tra tính nhất quán của kết quả.
    • So sánh với các mô hình khác: "So sánh mô hình lan truyền mã độc SE1 E2 IQR với các mô hình khác" (Hình 3.15) củng cố tính ưu việt của cách tiếp cận mới.
  4. Kích thước hiệu ứng (Effect Sizes) và khoảng tin cậy (Confidence Intervals): Trong nghiên cứu lý thuyết toán học, kích thước hiệu ứng thường được thể hiện qua các giá trị ngưỡng quan trọng như R0.
    • Chỉ số ngưỡng lan truyền R0: Đây là một "effect size" quan trọng, định lượng khả năng lây lan của mã độc. R0 < 1 cho thấy hiệu ứng kiểm soát thành công, R0 > 1 cho thấy hiệu ứng lây lan bùng phát.
    • p-values: Mặc dù không trực tiếp được báo cáo, "ý nghĩa thống kê" của các kết quả lý thuyết được ngụ ý thông qua các điều kiện chặt chẽ (ví dụ, các bất đẳng thức hoặc điều kiện về giá trị riêng) dẫn đến ổn định hoặc rẽ nhánh.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã tạo ra một loạt các phát hiện đột phá, cung cấp hiểu biết sâu sắc về động lực học phức tạp của sự lan truyền mã độc trong mạng cảm biến không dây.

  1. Sự tồn tại và duy nhất nghiệm cho mô hình lan truyền mã độc SIQR phân thứ mờ: Luận án đã chứng minh "sự tồn tại duy nhất nghiệm tích phân mờ của mô hình (Định lý 2.4)" cho mô hình SIQR phân thứ với dữ liệu mờ, sử dụng các khái niệm "đạo hàm Caputo-Atangana-Baneanu phân thứ mờ" (Định nghĩa 2.1) và "tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ" (Định nghĩa 2.2). Phát hiện này cung cấp nền tảng toán học vững chắc cho việc phân tích các mô hình dịch tễ phức tạp kết hợp tính nhớ và tính bất định, điều mà các nghiên cứu trước đây (như Massad và cộng sự [66] hay Mondal và cộng sự [73]) chưa xử lý một cách chi tiết trong bối cảnh phân thứ mờ.
  2. Xác định Chỉ số Ngưỡng Lan Truyền R0 và Động lực học trong mô hình SE1E2IQR dựa trên mạng với logic mờ: Nghiên cứu đã thành công trong việc xác định "chỉ số ngưỡng lan truyền R0 (Công thức (3.8))" và phân tích "tính ổn định tiệm cận của trạng thái cân bằng không có mã độc P0 (Định lý 3.4)" khi R0 < 1, cũng như "tính rẽ nhánh tiến tại R0 = 1 (Định lý 3.5)". Các "mô phỏng số" (ví dụ: Hình 3.12, 3.13) cung cấp bằng chứng cụ thể về sự chuyển đổi động lực học của S(t), E1(t), E2(t), I(t), Q(t), R(t) khi R0 thay đổi, khẳng định vai trò then chốt của R0. So với các nghiên cứu như Hosseini và Zandvakili [8] chỉ sử dụng logic mờ để ước tính tốc độ truyền mà chưa kết hợp với đạo hàm phân thứ, phát hiện này cung cấp một mô hình toàn diện hơn về sự lây lan mã độc trong mạng không đồng nhất.
  3. Hiện tượng rẽ nhánh lùi trong mô hình SIRS phân thứ với hàm xử lý bão hòa: Một phát hiện quan trọng là sự xuất hiện của "tính rẽ nhánh lùi tại R0 = 1 (Định lý 4.5)" trong "mô hình lan truyền mã độc SIRS phân thứ dựa trên mạng có điều khiển với hàm xử lý mã độc bão hòa". Phát hiện này là "kết quả phản trực giác" vì nó cho thấy ngay cả khi R0 < 1, trạng thái cân bằng không có mã độc vẫn có thể không ổn định nếu ban đầu có một số lượng lớn mã độc. Điều này cung cấp "giải thích lý thuyết" rằng khả năng xử lý mã độc có giới hạn ("hàm xử lý mã độc bão hòa") có thể dẫn đến sự duy trì mã độc trong mạng, ngay cả khi các điều kiện cơ bản cho thấy nó nên được loại bỏ. Điều này tương phản với các mô hình đơn giản hơn chỉ thể hiện rẽ nhánh tiến hoặc không rẽ nhánh.
  4. Thiết kế bộ điều khiển ổn định hóa dựa trên hệ mờ Takagi-Sugeno phân thứ liên kết: Luận án đã phát triển một phương pháp mới để ổn định hóa mô hình SIRS phân thứ dựa trên mạng, sử dụng "hệ mờ Takagi-Sugeno phân thứ liên kết". Các "điều kiện đủ dạng bất đẳng thức ma trận tuyến tính (Định lý 4.6)" đã được xác định để đảm bảo tính ổn định hóa. Phát hiện này là một "hiện tượng mới" trong lĩnh vực điều khiển dịch tễ phân thứ trên mạng, cung cấp một khuôn khổ hiệu quả để "khống chế sự lan truyền của mã độc trong mạng" ngay cả khi đối mặt với tính phi tuyến cao và sự bất định.

Implications đa chiều

Các phát hiện từ luận án có những hàm ý sâu rộng, ảnh hưởng đến cả lý thuyết, phương pháp, thực tiễn và chính sách.

  1. Tiến bộ lý thuyết (Theoretical Advances):

    • Đóng góp cho Giải tích phân thứ: Mở rộng lý thuyết giải tích phân thứ cho hàm mờ, đặc biệt là các đạo hàm kiểu Atangana-Baleanu, cung cấp các công cụ toán học mới để xử lý các hệ thống "có nhớ" và "bất định". Điều này đóng góp cho "2+ lý thuyết" (giải tích phân thứ và lý thuyết mờ), tạo ra một hướng nghiên cứu mới trong phương trình vi phân phân thứ mờ.
    • Thúc đẩy Lý thuyết dịch tễ học toán học: Cung cấp các mô hình dịch tễ toàn diện hơn, có khả năng giải thích các hiện tượng phức tạp như "tính rẽ nhánh lùi" và ảnh hưởng của "hàm xử lý bão hòa", làm sâu sắc thêm hiểu biết về động lực học lây lan.

  2. Đổi mới phương pháp luận (Methodological Innovations):

    • Phương pháp mô hình hóa tích hợp: Phương pháp kết hợp giải tích phân thứ, lý thuyết mờ và lý thuyết mạng là một đổi mới đáng kể, "áp dụng được cho các bối cảnh khác". Nó cung cấp một khuôn khổ tổng quát để mô hình hóa các quá trình lây lan (ví dụ, lây lan thông tin, tin đồn, virus sinh học) trong các hệ thống mạng phức tạp.
    • Kỹ thuật điều khiển thông minh: Việc sử dụng "hệ mờ Takagi-Sugeno phân thứ liên kết" cho bài toán ổn định hóa là một đổi mới phương pháp luận trong lý thuyết điều khiển, có thể mở rộng sang các bài toán điều khiển hệ thống động lực phức tạp khác.

  3. Ứng dụng thực tiễn (Practical Applications):

    • Quản lý an ninh mạng hiệu quả hơn: Các mô hình cung cấp "khuyến nghị cụ thể" cho quản trị viên mạng và các nhà phát triển phần mềm để thiết kế các chính sách bảo mật và chương trình chống mã độc. Ví dụ, việc hiểu về "tính rẽ nhánh lùi" nhấn mạnh tầm quan trọng của việc kiểm soát sự lây lan mã độc ngay từ giai đoạn đầu để tránh trạng thái đặc hữu không thể loại bỏ hoàn toàn.
    • Tối ưu hóa tài nguyên: Phân tích R0 và độ nhạy tham số (Hình 3.9) giúp xác định các "tham số cách ly" (ví dụ: c, ω1, ω2 trong Hình 3.10, 3.19, 3.20) có tác động lớn nhất, cho phép phân bổ nguồn lực hiệu quả hơn để "khống chế sự lan truyền của mã độc".

  4. Khuyến nghị chính sách (Policy Recommendations):

    • Chính sách bảo mật dựa trên bằng chứng: Các phát hiện có thể cung cấp "con đường triển khai" cho các "cấp độ chính phủ" và các tổ chức để xây dựng các chính sách an ninh mạng dựa trên bằng chứng khoa học. Ví dụ, khuyến nghị về việc đầu tư vào các biện pháp phòng ngừa sớm và mạnh mẽ để tránh bùng phát mã độc quy mô lớn khi đối mặt với khả năng rẽ nhánh lùi.
    • Phát triển tiêu chuẩn cho WSNs: Các kết quả về sự ổn định và kiểm soát có thể ảnh hưởng đến việc thiết kế và tiêu chuẩn hóa các giao thức truyền thông an toàn trong "mạng cảm biến không dây", đặc biệt là các khía cạnh liên quan đến năng lượng và độ tin cậy của nút.

  5. Điều kiện tổng quát hóa (Generalizability Conditions): Các kết quả có thể được tổng quát hóa cho các hệ thống phức tạp có "tính nhớ" và "tính bất định" khác ngoài WSNs, miễn là chúng có thể được mô hình hóa bởi "các hệ phương trình vi phân phân thứ" và có các yếu tố bất định biểu diễn bằng "tập mờ" hoặc "logic mờ". Đặc biệt, các mô hình có thể được áp dụng cho "mô hình lan truyền tin đồn trên mạng xã hội" hoặc "các dịch bệnh sinh học" với sự điều chỉnh thích hợp của các ngăn và tham số.

Limitations và Future Research

Luận án, mặc dù có những đóng góp đáng kể, vẫn tồn tại những hạn chế nhất định, mở ra nhiều hướng nghiên cứu trong tương lai.

  1. 3-4 hạn chế cụ thể được thừa nhận:

    • Độ phức tạp tính toán của các mô hình mờ phân thứ: Mặc dù luận án chứng minh sự tồn tại duy nhất nghiệm và cung cấp các mô phỏng số, việc giải số và phân tích các hệ phương trình vi phân phân thứ mờ phức tạp hơn đáng kể so với các hệ thông thường, đặc biệt là khi mở rộng quy mô mạng lên rất lớn. Các phương pháp số tiên tiến hơn, hiệu quả hơn cần được phát triển chi tiết.
    • Giả định về các hàm thuộc mờ: Các hàm thuộc (membership functions) cho các tập mờ trong mô hình (Hình 1.3, 3.3, 4.5) được lựa chọn dựa trên giả định và trực quan. Việc xác định các hàm thuộc tối ưu hoặc tự động điều chỉnh chúng dựa trên dữ liệu thực tế vẫn là một thách thức.
    • Tính chất của đạo hàm phân thứ Atangana-Baleanu mờ: Mặc dù luận án đã xây dựng nền tảng lý thuyết cho đạo hàm Caputo Atangana-Baleanu phân thứ mờ, việc khám phá sâu hơn các tính chất giải tích của chúng (ví dụ, các bất đẳng thức, các phép biến đổi khác) và so sánh chi tiết với các định nghĩa đạo hàm phân thứ mờ khác (như Caputo-Fabrizio mờ) vẫn cần được thực hiện.
    • Dữ liệu thực nghiệm để hiệu chỉnh và kiểm định: Nghiên cứu chủ yếu dựa trên phân tích lý thuyết và mô phỏng số. Việc thiếu dữ liệu thực nghiệm quy mô lớn từ các mạng cảm biến không dây thực tế để hiệu chỉnh các tham số mờ và kiểm định tính chính xác của các mô hình là một hạn chế.

  2. Điều kiện biên về ngữ cảnh/mẫu/thời gian:

    • Ngữ cảnh: Các mô hình tập trung vào "mạng cảm biến không dây" và "lan truyền mã độc". Mặc dù có khả năng tổng quát hóa, các đặc thù của các loại mạng khác (ví dụ, mạng xã hội với hành vi người dùng, mạng điện lực) cần được xem xét cẩn thận.
    • Mẫu: "Mạng quy mô tự do Barabási-Albert" được chọn làm cấu trúc mạng. Các cấu trúc mạng phức tạp khác (ví dụ, mạng ngẫu nhiên, mạng cụm, mạng kết nối ưu tiên năng lượng [Bảng 1.1]) có thể có động lực học khác nhau.
    • Thời gian: Các mô hình được xây dựng trong bối cảnh thời gian liên tục. Các hệ thống với động lực học thời gian rời rạc hoặc có độ trễ đáng kể có thể yêu cầu các mô hình khác.

  3. Chương trình nghiên cứu trong tương lai với 4-5 hướng cụ thể:

    • Hướng 1: Phát triển các phương pháp số hiệu quả cho phương trình vi phân phân thứ mờ: Nghiên cứu các lược đồ số (numerical schemes) ổn định và chính xác hơn cho các hệ phương trình vi phân phân thứ mờ, đặc biệt là cho các đạo hàm kiểu Atangana-Baleanu và tính gH-khả vi. Điều này sẽ cho phép mô phỏng các mạng lớn hơn và trong khoảng thời gian dài hơn.
    • Hướng 2: Tích hợp học máy và tối ưu hóa mờ: Khám phá việc sử dụng thuật toán học máy (machine learning) để tự động hóa việc hiệu chỉnh các tham số mờ, xác định các hàm thuộc tối ưu hoặc phát hiện các biến ngôn ngữ mới từ dữ liệu thực tế. Các kỹ thuật tối ưu hóa mờ có thể được áp dụng để tối ưu hóa các chiến lược điều khiển.
    • Hướng 3: Mở rộng các mô hình cho các mạng phức hợp khác và các quá trình lây lan khác: Áp dụng khung phân tích (giải tích phân thứ mờ trên mạng) cho các loại mạng phức hợp khác (ví dụ, mạng Internet of Things, mạng xã hội, mạng truyền tải điện) và các loại hình lây lan khác (ví dụ, lây lan thông tin sai lệch, lây lan dịch bệnh sinh học với các yếu tố môi trường bất định).
    • Hướng 4: Điều khiển phi tập trung và thích ứng: Nghiên cứu các chiến lược điều khiển phi tập trung cho các mạng cảm biến không dây quy mô lớn, nơi mỗi nút hoặc cụm nút đưa ra quyết định điều khiển cục bộ dựa trên thông tin mờ và động lực học phân thứ. Phát triển các bộ điều khiển thích ứng có khả năng điều chỉnh theo sự thay đổi của môi trường.
    • Hướng 5: Mô hình hóa các yếu tố hành vi và đa tác nhân: Mở rộng mô hình để bao gồm các yếu tố hành vi của các tác nhân (ví dụ, người dùng trong mạng xã hội, quản trị viên trong WSNs) và các tương tác đa tác nhân, có thể thông qua lý thuyết trò chơi mờ (fuzzy game theory) hoặc mô hình tác nhân (agent-based modeling).

  4. Cải tiến phương pháp luận được đề xuất:

    • Sử dụng dữ liệu thực nghiệm/thử nghiệm: Thực hiện các thử nghiệm trong phòng thí nghiệm hoặc thu thập dữ liệu từ các WSNs thực tế để hiệu chỉnh các tham số mô hình và xác nhận tính hợp lệ của các dự đoán.
    • Phát triển các chỉ số đo lường hiệu quả điều khiển mờ: Thiết lập các chỉ số định lượng để đánh giá hiệu quả của các bộ điều khiển mờ phân thứ liên kết, bao gồm các chỉ số về chi phí, độ trễ và khả năng chống chịu.

  5. Mở rộng lý thuyết được đề xuất:

    • Khám phá các định nghĩa đạo hàm phân thứ mờ khác: So sánh và phát triển lý thuyết cho các đạo hàm phân thứ mờ khác (ví dụ: Caputo-Fabrizio mờ, Attallah-Baleanu mờ) và ứng dụng chúng trong cùng các bối cảnh để hiểu rõ hơn sự khác biệt về hành vi.
    • Đưa vào yếu tố thời gian trễ: Mở rộng các mô hình để bao gồm các yếu tố thời gian trễ mờ, vì độ trễ là một đặc tính phổ biến trong truyền thông mạng và có thể ảnh hưởng đến động lực học lây lan.

Tác động và ảnh hưởng

Luận án này được kỳ vọng sẽ tạo ra những tác động và ảnh hưởng đáng kể trên nhiều lĩnh vực, từ học thuật đến công nghiệp, chính sách và xã hội.

  1. Tác động học thuật (Academic Impact):

    • Ước tính trích dẫn tiềm năng: Với 03 bài báo đã được công bố trên các tạp chí thuộc danh mục ISI (Fuzzy Sets and Systems, Communications in Nonlinear Science and Numerical Simulation, Iranian Journal of Fuzzy Systems) và 01 bản thảo đã gửi đăng [P1, P2, P3, P4], luận án có tiềm năng tạo ra một lượng lớn trích dẫn. Các bài báo này nhắm đến các cộng đồng nghiên cứu về giải tích phân thứ, lý thuyết mờ và hệ động lực, những lĩnh vực đang phát triển nhanh chóng. Ước tính có thể đạt 50-100 trích dẫn trong 5 năm tới, tùy thuộc vào khả năng lan tỏa của các phương pháp mới.
    • Mở ra các hướng nghiên cứu mới: Việc phát triển "giải tích phân thứ mờ kiểu Atangana-Baleanu" (Định nghĩa 2.1, 2.2) sẽ là một nền tảng cơ bản, khuyến khích các nhà nghiên cứu khác trong việc khám phá các ứng dụng của nó trong nhiều lĩnh vực khoa học và kỹ thuật khác nhau, không chỉ trong dịch tễ học.
    • Nâng cao chất lượng nghiên cứu tiến sĩ: Cung cấp một ví dụ điển hình về cách tích hợp đa ngành các công cụ toán học tiên tiến để giải quyết các vấn đề thực tiễn phức tạp, tạo tiền lệ cho các luận án tiến sĩ tương lai.

  2. Chuyển đổi ngành công nghiệp (Industry Transformation):

    • Tăng cường an ninh mạng trong WSNs: Các kết quả của luận án có thể thúc đẩy sự phát triển của các giải pháp an ninh mạng thông minh hơn cho "mạng cảm biến không dây" trong các "lĩnh vực cụ thể" như IoT công nghiệp, hệ thống giám sát môi trường, y tế từ xa và nông nghiệp thông minh. Các công ty công nghệ có thể sử dụng các mô hình và chiến lược điều khiển này để thiết kế phần mềm diệt mã độc có khả năng dự đoán và phản ứng hiệu quả hơn với các mối đe dọa.
    • Phát triển công nghệ điều khiển thông minh: Khái niệm "hệ mờ Takagi-Sugeno phân thứ liên kết" (Định lý 4.6) có thể được ứng dụng trong việc phát triển các bộ điều khiển tự động cho các hệ thống công nghiệp phức tạp, nơi có sự hiện diện của tính nhớ và tính bất định (ví dụ, kiểm soát robot, hệ thống năng lượng thông minh).
    • Giảm thiểu thiệt hại do mã độc: Bằng cách cung cấp khả năng dự báo và kiểm soát tốt hơn, luận án có thể giúp các ngành công nghiệp "định lượng lợi ích" thông qua việc giảm thiểu thiệt hại về dữ liệu, thời gian ngừng hoạt động và chi phí khắc phục do tấn công mã độc.

  3. Ảnh hưởng chính sách (Policy Influence):

    • Cải thiện chính sách an ninh quốc gia: Các phát hiện về động lực học lây lan và khả năng kiểm soát mã độc có thể ảnh hưởng đến "các cấp chính phủ" trong việc xây dựng "khuyến nghị chính sách" liên quan đến an ninh mạng quốc gia, đặc biệt đối với cơ sở hạ tầng quan trọng dựa trên WSNs.
    • Tiêu chuẩn hóa bảo mật: Góp phần vào việc phát triển các tiêu chuẩn bảo mật và quy định cho WSNs, đặc biệt là trong các lĩnh vực có rủi ro cao như y tế và quân sự.
    • Đào tạo và nâng cao nhận thức: Cung cấp cơ sở khoa học để phát triển các chương trình đào tạo về an ninh mạng, giúp các nhà hoạch định chính sách và chuyên gia hiểu rõ hơn về các mối đe dọa phức tạp.

  4. Lợi ích xã hội (Societal Benefits):

    • Bảo vệ dữ liệu cá nhân và cộng đồng: Gián tiếp góp phần vào việc bảo vệ dữ liệu cá nhân và cộng đồng khỏi các cuộc tấn công mã độc, đặc biệt trong bối cảnh ngày càng nhiều thiết bị thông minh được sử dụng trong cuộc sống hàng ngày.
    • Tăng cường độ tin cậy của công nghệ: Bằng cách giảm thiểu rủi ro từ mã độc, luận án giúp tăng cường độ tin cậy của các hệ thống dựa trên WSNs, từ đó thúc đẩy sự chấp nhận và ứng dụng rộng rãi của công nghệ trong xã hội.
    • Nâng cao an toàn công cộng: Trong các ứng dụng giám sát môi trường hoặc y tế từ xa, việc kiểm soát hiệu quả mã độc có thể "định lượng lợi ích" thông qua việc đảm bảo an toàn và sức khỏe cộng đồng.

  5. Liên quan quốc tế (International Relevance):

    • Khung phân tích toàn cầu: Các phương pháp và mô hình được phát triển có "liên quan quốc tế" vì các mối đe dọa mã độc và các mạng cảm biến không dây là những vấn đề toàn cầu. Các kết quả có thể được áp dụng và điều chỉnh cho các quốc gia và khu vực khác nhau.
    • Hợp tác nghiên cứu: Thúc đẩy hợp tác nghiên cứu quốc tế trong lĩnh vực an ninh mạng và mô hình hóa dịch tễ, đặc biệt là với các nhóm nghiên cứu tiên phong về giải tích phân thứ và lý thuyết mờ.
    • Đóng góp vào nỗ lực chống mã độc toàn cầu: Cung cấp các công cụ toán học để hỗ trợ các nỗ lực toàn cầu trong việc chống lại sự lây lan của các mối đe dọa mạng.

Đối tượng hưởng lợi

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

  1. Nghiên cứu sinh tiến sĩ (Doctoral researchers):

    • Định hướng nghiên cứu: Luận án làm nổi bật "các research gaps cụ thể" trong mô hình hóa dịch tễ bằng giải tích phân thứ và lý thuyết mờ trên mạng, cung cấp một lộ trình rõ ràng cho các nghiên cứu sinh muốn đi sâu vào các chủ đề tương tự. Ví dụ, việc chỉ ra sự thiếu hụt trong giải tích của mô hình lan truyền mã độc phân thứ mờ (Chương 2, Giới thiệu) sẽ là một điểm khởi đầu cho nhiều luận án mới.
    • Mô hình phương pháp luận: Cung cấp một ví dụ toàn diện về cách tiếp cận một vấn đề nghiên cứu phức tạp bằng cách tích hợp nhiều công cụ toán học tiên tiến, từ lý thuyết ổn định đến thiết kế điều khiển và mô phỏng.
    • Tài liệu tham khảo quý giá: Danh mục tài liệu tham khảo phong phú và các khái niệm nền tảng trong Chương 1 là nguồn tài nguyên vô giá cho việc học tập và nghiên cứu.
    • Định lượng lợi ích: Giúp các nghiên cứu sinh "định lượng lợi ích" tiềm năng của công việc của họ bằng cách cung cấp các ví dụ về tác động học thuật (trích dẫn, mở ra dòng nghiên cứu) và ứng dụng thực tiễn.

  2. Các học giả cấp cao (Senior academics):

    • Tiến bộ lý thuyết: Cung cấp "các tiến bộ lý thuyết" quan trọng trong giải tích phân thứ mờ (ví dụ, Định nghĩa 2.1, 2.2) và lý thuyết điều khiển (hệ mờ Takagi-Sugeno phân thứ liên kết), mở rộng các lý thuyết nền tảng mà họ đang giảng dạy và nghiên cứu.
    • Cơ hội hợp tác: Mở ra các cơ hội cho các học giả hợp tác trong việc phát triển sâu hơn các phương pháp số, kiểm định thực nghiệm hoặc mở rộng các mô hình cho các lĩnh vực ứng dụng khác.
    • Thách thức các giả định hiện có: Các phát hiện như "tính rẽ nhánh lùi" (Định lý 4.5) có thể thách thức các giả định đã được chấp nhận rộng rãi trong mô hình dịch tễ, kích thích các cuộc tranh luận khoa học và các nghiên cứu tiếp theo.

  3. Bộ phận R&D công nghiệp (Industry R&D):

    • Ứng dụng thực tiễn: Cung cấp "các ứng dụng thực tiễn" trực tiếp cho việc phát triển các hệ thống an ninh mạng thông minh hơn cho WSNs. Các kỹ sư R&D có thể sử dụng các mô hình này để dự đoán hành vi mã độc và thiết kế các cơ chế phòng thủ hiệu quả hơn.
    • Phát triển sản phẩm mới: Khái niệm "hệ mờ Takagi-Sugeno phân thứ liên kết" có thể truyền cảm hứng cho việc tạo ra các sản phẩm điều khiển mới, đặc biệt là trong các lĩnh vực yêu cầu điều khiển thông minh và chống chịu trước sự bất định.
    • Định lượng lợi ích: Giúp các công ty "định lượng lợi ích" của việc đầu tư vào các công nghệ phòng thủ mạng tiên tiến bằng cách cung cấp các phân tích về chi phí-hiệu quả và giảm thiểu rủi ro.

  4. Các nhà hoạch định chính sách (Policy makers):

    • Khuyến nghị dựa trên bằng chứng: Cung cấp "khuyến nghị dựa trên bằng chứng" để xây dựng các chính sách an ninh mạng hiệu quả hơn, đặc biệt đối với cơ sở hạ tầng quan trọng phụ thuộc vào WSNs (ví dụ, lưới điện thông minh, giám sát môi trường).
    • Hiểu biết về rủi ro: Giúp các nhà hoạch định chính sách hiểu rõ hơn về tính phức tạp và các rủi ro tiềm ẩn của sự lan truyền mã độc (ví dụ, hiện tượng rẽ nhánh lùi), từ đó đưa ra các quyết định chiến lược và phân bổ nguồn lực phù hợp.
    • Định lượng lợi ích: "Định lượng lợi ích" tiềm năng từ các chính sách được đề xuất, chẳng hạn như giảm chi phí khắc phục thảm họa mạng hoặc tăng cường khả năng phục hồi của hệ thống quốc gia.

Câu hỏi chuyên sâu

Trả lời với CÁC CHI TIẾT CỤ THỂ:

  1. Đóng góp lý thuyết độc đáo nhất là gì? (tên lý thuyết được mở rộng) Đóng góp lý thuyết độc đáo nhất của luận án là việc xây dựng và ứng dụng các khái niệm về Đạo hàm Caputo Atangana-Baleanu phân thứ mờ và Tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ. Các khái niệm này mở rộng lý thuyết của Atangana và Baleanu về đạo hàm phân thứ với nhân hàm Mittag-Leffler (áp dụng cho hàm thực) sang không gian của hàm nhận giá trị mờ. Điều này là độc đáo vì nó cho phép mô hình hóa các hệ động lực đồng thời có "tính nhớ" (non-locality) và "tính bất định" (uncertainty) – hai đặc tính quan trọng trong các hệ thống thực tế như mạng cảm biến không dây. Bằng chứng cụ thể là "Định nghĩa 2.1" cho đạo hàm Caputo Atangana-Baleanu phân thứ mờ và "Định nghĩa 2.2" cho tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ, cùng với việc chứng minh "sự tồn tại duy nhất nghiệm tích phân mờ của mô hình (Định lý 2.4)" cho mô hình SIQR phân thứ mờ. Lý thuyết được mở rộng cụ thể ở đây là Giải tích phân thứ và Lý thuyết tập mờ.

  2. Đổi mới phương pháp luận là gì? (so sánh với 2+ nghiên cứu trước đây) Đổi mới phương pháp luận chính là việc đề xuất và sử dụng Hệ mờ Takagi-Sugeno phân thứ liên kết (Interconnected Fractional Takagi-Sugeno Fuzzy System) để giải quyết bài toán điều khiển ổn định hóa cho mô hình lan truyền mã độc SIRS phân thứ dựa trên mạng có hàm xử lý bão hòa.

    • So với Li và Yousef (2010) [30]: Nghiên cứu này đã xem xét mô hình SIRS với hàm xử lý bão hòa và phân tích rẽ nhánh, nhưng chỉ sử dụng đạo hàm nguyên và không đề cập đến bài toán điều khiển ổn định hóa phức tạp trên nền tảng Takagi-Sugeno hay phân thứ. Luận án này nâng cấp bằng cách tích hợp đạo hàm phân thứ để xử lý tính nhớ và hệ mờ Takagi-Sugeno để thiết kế bộ điều khiển thông minh.
    • So với các nghiên cứu điều khiển dịch tễ phân thứ trước đây (ví dụ Chen et al. (2014) [58] hay Fu và Wang (2022) [11]): Các nghiên cứu này đã khảo sát bài toán điều khiển tối ưu cho mô hình dịch phân thứ nhưng thường dựa trên nguyên lý cực trị Pontryagin, dẫn đến "các điều kiện thu được cũng đặt ra một thách thức cho việc kiểm tra, đánh giá cũng như giải số". Hơn nữa, chúng không giải quyết đồng thời "tính phức hợp không đồng nhất của mạng phức hợp không đồng nhất và tính không địa phương của mô hình lan truyền mã độc phân thứ" bằng cách sử dụng hệ mờ Takagi-Sugeno liên kết. Đổi mới của luận án nằm ở việc cung cấp "các điều kiện đủ dạng bất đẳng thức ma trận tuyến tính (Định lý 4.6)" dễ kiểm tra và triển khai hơn cho việc ổn định hóa, giải quyết được tính phi tuyến và cấu trúc mạng phức tạp.

  3. Phát hiện đáng ngạc nhiên nhất là gì? (với bằng chứng dữ liệu) Phát hiện đáng ngạc nhiên nhất là sự xuất hiện của tính rẽ nhánh lùi tại R0 = 1 (Định lý 4.5) trong mô hình lan truyền mã độc SIRS phân thứ dựa trên mạng có hàm xử lý mã độc bão hòa. Phát hiện này là phản trực giác vì trong nhiều mô hình dịch tễ, nếu chỉ số R0 giảm xuống dưới 1, dịch bệnh (hoặc mã độc) được kỳ vọng sẽ biến mất. Tuy nhiên, tính rẽ nhánh lùi cho thấy rằng, ngay cả khi R0 < 1, nếu số lượng mã độc ban đầu trong mạng (ví dụ, I(0)) vượt quá một ngưỡng nhất định (minh họa trong Hình 4.3), mã độc vẫn có thể tồn tại và lan truyền trong mạng (trạng thái đặc hữu), thay vì bị loại bỏ hoàn toàn. "Minh họa cho tính rẽ nhánh lùi" trong Hình 4.3 cung cấp bằng chứng trực quan cho hiện tượng này, cho thấy một trạng thái cân bằng đặc hữu có thể tồn tại song song với trạng thái không có mã độc khi R0 < 1, nhấn mạnh tầm quan trọng của các biện pháp kiểm soát ngay từ đầu để tránh "hiện tượng các nút bị nhiễm mã độc nhưng bị chậm trễ xử lý có thể xảy ra".

  4. Giao thức tái tạo được cung cấp không? Trong ngữ cảnh của một luận án toán học lý thuyết, "giao thức tái tạo" (replication protocol) thường đề cập đến khả năng các kết quả toán học (chứng minh, định lý) có thể được kiểm tra và xác nhận lại bởi các nhà toán học khác bằng cách tuân theo các bước logic đã trình bày. Luận án cung cấp đầy đủ "kiến thức chuẩn bị" (Chương 1) bao gồm các định nghĩa, định lý cơ bản từ các tài liệu tham khảo [44, 50, 52, 53, 89, 90] và các chứng minh chi tiết trong các Chương 2, 3, 4. Ví dụ, việc chứng minh "sự tồn tại duy nhất nghiệm tích phân mờ của mô hình (Định lý 2.4)" dựa trên "nguyên lý ánh xạ co tổng quát" là một quy trình toán học có thể tái tạo hoàn toàn. Các "mô phỏng số" cũng được trình bày với "các tham số của mô hình" (ví dụ, Bảng 2.1, Bảng 3.1), cho phép người đọc tái tạo các kết quả mô phỏng bằng các công cụ toán học tiêu chuẩn. Do đó, mặc dù không phải là một giao thức thí nghiệm, luận án cung cấp một giao thức tái tạo lý thuyết và tính toán rõ ràng cho các kết quả của mình.

  5. Chương trình nghiên cứu 10 năm được phác thảo không? Mặc dù luận án không trình bày một "chương trình nghiên cứu 10 năm" với các mốc thời gian cụ thể, phần "Limitations và Future Research" đã phác thảo một chương trình nghiên cứu tương đương với định hướng 5-10 năm thông qua các "4-5 hướng cụ thể" và "cải tiến phương pháp luận/lý thuyết được đề xuất". Các hướng này bao gồm:

    • Phát triển phương pháp số hiệu quả cho phương trình vi phân phân thứ mờ: Điều này sẽ mất nhiều năm để phát triển các thuật toán mới và triển khai phần mềm.
    • Tích hợp học máy và tối ưu hóa mờ: Là một lĩnh vực nghiên cứu năng động, cần thời gian để phát triển các mô hình lai (hybrid models) và kiểm định chúng.
    • Mở rộng mô hình cho các mạng phức hợp và quá trình lây lan khác: Yêu cầu các nghiên cứu cụ thể cho từng loại mạng và quá trình lây lan, mỗi cái có thể là một dự án lớn.
    • Điều khiển phi tập trung và thích ứng: Là một lĩnh vực phức tạp trong lý thuyết điều khiển, cần nhiều năm để nghiên cứu lý thuyết và phát triển ứng dụng.
    • Mô hình hóa các yếu tố hành vi và đa tác nhân: Liên quan đến các mô hình phức tạp hơn từ lý thuyết trò chơi hoặc mô hình tác nhân, đòi hỏi nghiên cứu liên ngành sâu rộng. Các hướng này không chỉ là những bước tiếp theo mà là những con đường nghiên cứu rộng lớn, có thể kéo dài và định hình nhiều dự án trong thập kỷ tới, đảm bảo sự liên tục và tác động lâu dài của nghiên cứu.

Kết luận

Luận án này đại diện cho một bước tiến quan trọng trong việc mô hình hóa và kiểm soát sự lan truyền mã độc trong mạng cảm biến không dây, tích hợp một cách độc đáo các công cụ toán học tiên tiến để giải quyết các thách thức phức tạp trong thế giới thực.

Các đóng góp cụ thể của luận án bao gồm:

  1. Thiết lập nền tảng giải tích phân thứ mờ kiểu Atangana-Baleanu: Đề xuất "đạo hàm Caputo Atangana-Baleanu phân thứ mờ (Định nghĩa 2.1)" và "tích phân Riemann-Liouville Atangana-Baleanu phân thứ mờ (Định nghĩa 2.2)", đồng thời chứng minh "sự tồn tại duy nhất nghiệm tích phân mờ của mô hình (Định lý 2.4)" cho mô hình SIQR phân thứ với dữ liệu mờ, mở ra một hướng mới trong nghiên cứu phương trình vi phân phân thứ mờ.
  2. Phát triển mô hình lan truyền mã độc SE1E2IQR phân thứ dựa trên mạng với logic mờ: Thành công trong việc xác định "chỉ số ngưỡng lan truyền R0 (Công thức (3.8))", chứng minh "tính ổn định tiệm cận của trạng thái cân bằng không có mã độc P0 (Định lý 3.4)", và phân tích "tính rẽ nhánh tiến tại R0 = 1 (Định lý 3.5)", cung cấp một khuôn khổ toàn diện hơn cho việc dự báo lây lan mã độc.
  3. Khám phá hiện tượng rẽ nhánh lùi và ổn định hóa cho mô hình SIRS phân thứ với hàm xử lý bão hòa: Phát hiện "tính rẽ nhánh lùi tại R0 = 1 (Định lý 4.5)" và đề xuất giải pháp điều khiển ổn định hóa thông qua "hệ mờ Takagi-Sugeno phân thứ liên kết" với "các điều kiện đủ dạng bất đẳng thức ma trận tuyến tính (Định lý 4.6)", giải quyết vấn đề kiểm soát trong điều kiện xử lý mã độc có giới hạn.
  4. Xác định các đặc tính định tính quan trọng: Khảo sát một cách hệ thống các tính chất như sự tồn tại duy nhất và tính dương của nghiệm, sự tồn tại các điểm cân bằng, tính ổn định tiệm cận và sự rẽ nhánh cho các mô hình đề xuất.
  5. Cung cấp bằng chứng thực nghiệm qua mô phỏng số: Các "mô phỏng số" đã minh họa và xác nhận các kết quả lý thuyết, giúp trực quan hóa dáng điệu động lực học phức tạp của các mô hình.

Các đóng góp này đại diện cho một tiến bộ paradigm trong lĩnh vực mô hình hóa dịch tễ học toán học, chuyển từ các mô hình xác định, đồng nhất sang một cách tiếp cận tích hợp, có khả năng xử lý tính nhớ và bất định. Bằng chứng cho sự tiến bộ này nằm ở khả năng của luận án trong việc giải quyết các bài toán mà các khung lý thuyết trước đây còn bỏ ngỏ, đặc biệt là trong việc thiết lập một nền tảng toán học cho giải tích phân thứ mờ và áp dụng nó để thiết kế các giải pháp điều khiển thông minh.

Luận án mở ra 3+ dòng nghiên cứu mới tiềm năng:

  1. Nghiên cứu sâu hơn về tính chất giải tích và phương pháp số cho các đạo hàm phân thứ mờ kiểu Atangana-Baleanu.
  2. Ứng dụng các mô hình tích hợp (phân thứ mờ trên mạng) cho các loại hình lây lan khác và các hệ thống mạng phức tạp khác ngoài WSNs.
  3. Phát triển các chiến lược điều khiển tiên tiến hơn, bao gồm học máy và điều khiển thích ứng, dựa trên khung hệ mờ Takagi-Sugeno phân thứ liên kết.

Với "liên quan quốc tế" rõ ràng, các mô hình và phương pháp được phát triển trong luận án này có thể được áp dụng và điều chỉnh cho các bối cảnh toàn cầu, đóng góp vào nỗ lực chung trong việc bảo vệ cơ sở hạ tầng thông tin. Các "kết quả đo lường được để lại" bao gồm các công bố khoa học trên các tạp chí uy tín và tiềm năng ảnh hưởng đến các chính sách an ninh mạng cũng như sự phát triển của công nghệ bảo mật trong tương lai.