Tổng quan về luận án

Sự phụ thuộc toàn cầu vào Hệ thống Vệ tinh Định vị Toàn cầu (Global Navigation Satellite Systems - GNSS) trong các hạ tầng trọng yếu—từ điều hướng hàng không, quản lý lưới điện thông minh, đồng bộ hóa giao dịch tài chính cho đến phương tiện tự hành—đang đối mặt với thách thức an ninh phi đối xứng nghiêm trọng. Do cấu trúc tín hiệu dân sự không mã hóa và công suất nhận cực kỳ thấp trên bề mặt Trái Đất (công suất Signal in Space - SIS chỉ đạt khoảng $-158.5\text{ dBW}$ đối với GPS L1 C/A và $-157\text{ dBW}$ đối với Galileo E1), các máy thu GNSS thương mại rất dễ bị tổn hại trước hiện tượng can nhiễu tần số vô tuyến có chủ đích (Radio Frequency Interference - RFI). Trong các hình thức tấn công, giả mạo tín hiệu (Spoofing) là mối đe dọa nguy hiểm nhất: kẻ tấn công phát các tín hiệu giả mạo có cấu trúc tương thích nhằm đánh lừa máy thu tính toán sai lệch thông tin Vị trí, Vận tốc và Thời gian (Position, Velocity and Time - PVT) mà không kích hoạt cảnh báo hệ thống.

Luận án tiến sĩ "Detect and Localize Interference Sources for Global Navigation Satellite Systems" do Nghiên cứu sinh Nguyễn Văn Hiên thực hiện dưới sự hướng dẫn của PGS. Lã Thế Vinh (Đại học Bách khoa Hà Nội / Trung tâm Quốc tế NAVIS) và GS. Fabio Dovis (Politecnico di Torino / Nhóm Nghiên cứu NavSAS), thuộc chuyên ngành Kỹ thuật Máy tính (Mã số: 9480106), đặt nền tảng tiên phong trong việc giải quyết bài toán phát hiện tấn công giả mạo mức độ trung gian (intermediate) và tinh vi (sophisticated) bằng cách khai thác góc tới của sóng tín hiệu (Angle of Arrival - AoA).

Khoảng trống nghiên cứu then chốt (Research Gap) được xác định từ các công trình nền tảng của Humphreys et al. (2008), Broumandan et al. (2012), và Falletti & Nicola (2018, 2021): các phương pháp AoA truyền thống dựa trên thuật toán Tổng các Bình phương (Sum of Squares - SoS) và Kiểm định Tỷ số Hợp lý Tổng quát (Generalized Likelihood Ratio Test - GLRT) giả định máy thu bị khóa hoàn toàn vào $100%$ tín hiệu giả mạo. Tuy nhiên, trong điều kiện tấn công thực tế ("mixed tracking"), máy thu theo dõi đồng thời một tập hợp con gồm cả vệ tinh thật ($A$) và vệ tinh giả ($S$), khiến chuẩn kiểm định SoS bị phá vỡ hoàn toàn và tỷ lệ bỏ sót cảnh báo (False Negative Rate - FNR) tăng vọt. Bên cạnh đó, hiện tượng trượt chu kỳ (cycle slips) và sự giao cắt quỹ đạo pha giữa các vệ tinh dẫn đến tỷ lệ báo động giả (False Positive Rate - FPR) nghiêm trọng.

Luận án giải quyết ba câu hỏi nghiên cứu cốt lõi:

  1. RQ1: Làm thế nào để phát hiện chính xác tập hợp con tín hiệu giả mạo trong điều kiện bám vết hỗn hợp (mixed tracking) bằng cặp ăng-ten thương mại chi phí thấp mà không yêu cầu đồng bộ hóa phần cứng phức tạp?
  2. RQ2: Cơ chế hồi quy nào có thể loại bỏ hoàn toàn các điểm kỳ dị giao cắt hiệu số pha kép (Double Differences - DD) nhằm triệt tiêu báo động giả và nâng cao tính khả tín thống kê?
  3. RQ3: Làm thế nào để phân loại tự động tín hiệu thật và giả mạo từ nhiều hướng phát khác nhau mà không cần hiệu chỉnh ngưỡng thủ công?

Hệ thống giả thuyết thống kê được thiết lập chặt chẽ:

  • $H_0$ (Giả thuyết Null - Tồn tại tấn công giả mạo): Tồn tại ít nhất một nhóm $\ge 3$ tín hiệu vệ tinh có hiệu số pha kép sai phân phân số hội tụ về cùng một miền hình học do phát ra từ cùng một nguồn phát chung: $$\exists (i, j, k) \in (S \cup A): |\mu_i - \mu_k|^2 \le \xi_k^2 \quad \text{và} \quad |\mu_j - \mu_k|^2 \le \xi_k^2$$
  • $H_1$ (Giả thuyết Đối - Tín hiệu hoàn toàn xác thực): Mọi tín hiệu vệ tinh đến từ các góc không gian phân tán riêng biệt trên quỹ đạo: $$\forall (i, j, k) \in (S \cup A): |\mu_i - \mu_k|^2 > \xi_k^2 \quad \text{hoặc} \quad |\mu_j - \mu_k|^2 > \xi_k^2$$

Khung lý thuyết tích hợp mô hình sai phân pha sóng mang bậc hai (Carrier Phase Double Differences), phân phối Chi-bình phương ($\chi^2$), Hồi quy tuyến tính từng đoạn (Piecewise Linear Regression), và Mô hình Hỗn hợp Gauss (Gaussian Mixture Model - GMM) học thông qua thuật toán Cực đại hóa Kỳ vọng (Expectation-Maximization - EM).

Đóng góp đột phá của luận án bao gồm việc đề xuất thuật toán Tán sắc Hiệu số Pha kép (Dispersion of the Double Differences - D3), thuật toán D3 cải tiến dựa trên Hồi quy Tuyến tính (LR-D3), và mô hình phân loại GMM tự động. Nghiên cứu thực nghiệm được triển khai trên máy thu công nghiệp Septentrio AsteRx4 OEM, khoảng cách baseline cố định $D \approx 2.0\text{ m}$, dữ liệu mô phỏng liên tục 2 giờ, dải $C/N_0$ từ $32$ đến $52\text{ dB-Hz}$, trên các quỹ đạo động học mặt đất và hàng không phức tạp.

Literature Review và Positioning

Tổng quan y văn quốc tế cho thấy các kỹ thuật chống giả mạo GNSS được chia thành ba nhánh chính:

  1. Phòng thủ mật mã học (Cryptographic Defenses): Các công trình của Wesson et al. (2012) và Psiaki et al. (2014) tập trung vào xác thực thông điệp đạo hàng (Navigation Message Authentication - NMA) và mã hóa mã trải phổ (Spreading Code Encryption). Nhược điểm là đòi hỏi tái cấu trúc toàn bộ phân hệ không gian và không tương thích ngược với các máy thu dân sự hiện hành.
  2. Kiểm tra tham số nội tại máy thu (Signal Feature Metrics): Giám sát mạch khuếch đại tự động (AGC) tại khối đầu vào RF (Akos, 2012), kỹ thuật Phòng thủ Tín hiệu Dư (Vestigial Signal Defense - VSD) của Humphreys et al. (2008), và kiểm định mức độ tương thích Chi-bình phương (Goodness of Fit - GoF) trên miền tương quan phức (Borio et al., 2013). Các phương pháp này đòi hỏi can thiệp sâu vào phần mềm xử lý băng gốc (SDR) và nhầm lẫn giữa tấn công giả mạo với hiệu ứng đa đường (multipath) hoặc nhiễu môi trường.
  3. Xử lý không gian dựa trên góc tới (Spatial AoA Processing): Đây là trường phái phòng thủ vững chắc nhất. Broumandan et al. (2012) và Montgomery et al. (2009) sử dụng mảng ăng-ten đa phần tử kết hợp định búp sóng (beamforming). Tuy nhiên, chi phí phần cứng đắt đỏ, kích thước cồng kềnh và độ phức tạp tính toán cao khiến phương pháp này không khả thi cho các thiết bị thương mại đại trà.
                         ┌────────────────────────────────────────────────────────┐
                         │              GNSS Anti-Spoofing Literature             │
                         └──────────────────────────┬─────────────────────────────┘
                                                    │
         ┌──────────────────────────────────────────┼────────────────────────────────────────┐
         │                                          │                                        │
┌────────┴─────────┐                       ┌────────┴─────────┐                     ┌────────┴─────────┐
│  Cryptographic   │                       │ Signal Metrics   │                     │  Spatial / AoA   │
│ (Wesson; Psiaki) │                       │ (Humphreys; Akos)│                     │ (Broumandan)     │
└────────┬─────────┘                       └────────┬─────────┘                     └────────┬─────────┘
         │                                          │                                        │
         ▼                                          ▼                                        ▼
Requires New Signal Specs                  High False Alarms;                       High Hardware Cost;
& Infrastructure Mod.                      Baseband Access Needed                   Bulky Antenna Arrays
                                                    │                                        │
                                                    └───────────────────┬────────────────────┘
                                                                        │
                                                                        ▼
                                                    ┌────────────────────────────────────────┐
                                                    │   Dual-Antenna Baseline SoS Detector   │
                                                    │     (Falletti & Nicola, 2018/2021)     │
                                                    └───────────────────┬────────────────────┘
                                                                        │
                                                     Mixed Tracking & Crossing Ambiguities
                                                                        │
                                                                        ▼
                                                    ┌────────────────────────────────────────┐
                                                    │  Luận án: D3 / LR-D3 & GMM-EM Systems  │
                                                    │  (Nguyen Van Hien et al., 2020/2022)   │
                                                    └────────────────────────────────────────┘

Trong dòng nghiên cứu AoA chi phí thấp, Falletti & Nicola (2018, 2021) đã phát triển bộ phát hiện Tổng các Bình phương (SoS) dựa trên sai phân pha sóng mang của cặp ăng-ten. Trích dẫn nguyên văn từ luận án làm rõ cơ sở lý thuyết này:

"the SoS models carrier phase cycle ambiguities as random variables that assume value on an arbitrary set of integers. Thus, they do not need to be estimated. This formulation, derived using the generalized likelihood ratio test (GLRT) approach, leads to the SoS detector, where the decision variable is expressed as the sum of squared carrier phase single differences corrected for a pseudo mean and for their integer parts."

Mặc dù SoS giảm thiểu độ phức tạp tính toán bằng cách bỏ qua bước giải nguyên mập mờ (Integer Ambiguity Resolution), mô hình này bộc lộ lỗ hổng nghiêm trọng khi kẻ tấn công thực hiện chiến thuật bám vết hỗn hợp.

So sánh với hai nghiên cứu quốc tế điển hình:

  • Nghiên cứu của Broumandan et al. (Đại học Calgary, Canada): Khai thác mảng ăng-ten chuyển động tổng hợp để phân tích tương quan Doppler và biên độ. Hạn chế là bắt buộc máy thu phải chuyển động liên tục theo quỹ đạo định trước và không thể áp dụng cho các trạm giám sát tĩnh hoặc nền tảng chuyển động ngẫu nhiên.
  • Nghiên cứu của Psiaki et al. (Đại học Cornell / Virginia Tech, Hoa Kỳ): Sử dụng hai máy thu độc lập phân tán để kiểm định tương quan mẫu mang tính mật mã của tín hiệu quân sự P(Y)-code. Phương pháp này đòi hỏi kênh truyền thông băng thông cao giữa hai máy thu và cơ sở hạ tầng phức tạp.

Luận án của Nguyễn Văn Hiên định vị chính xác vào khoảng trống công nghệ: thiết lập cơ chế phát hiện giả mạo độc lập, xử lý trực tiếp trên các máy thu thương mại OEM sẵn có (COTS), giải quyết triệt để bài toán bám vết hỗn hợp ($S \cup A$) và phân loại nguồn phát đa hướng mà không cần bổ sung cảm biến dẫn đường quán tính (IMU) hay hiệu chỉnh hình học mảng ăng-ten.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án đã mở rộng lý thuyết Sai phân Pha Sóng mang Không gian (Spatial Differential Carrier-Phase Theory) và lý thuyết Kiểm định Thống kê GLRT trong môi trường tác chiến điện tử bất đối xứng.

Trích dẫn từ công trình nghiên cứu:

"all the spoofing signals are spatially correlated due to the same direction of arrival, all the differential measurements related to such signals have a similar (correlated) magnitude and this correlation remains over time. On the contrary, when we consider signals coming from the true satellites, the differential measurements have independent magnitudes, because the signals are not spatially correlated."

Mô hình toán học pha sóng mang tại máy thu đơn lẻ $i$ được biểu diễn bởi: $$\phi_i = r_i + N_i \lambda + c(\delta t_i - \delta t) - \varepsilon_{I,i} + \varepsilon_{T,i} + \varepsilon_i$$

Khi xây dựng hiệu số đơn (Single Difference - $\Delta\phi_i$) giữa hai ăng-ten cách nhau khoảng cách $D$ trên cùng baseline ngắn, các sai số tầng điện ly ($\varepsilon_{I,i}$) và tầng đối lưu ($\varepsilon_{T,i}$) bị triệt tiêu: $$\Delta\phi_i = D \cos(\alpha_i) + \Delta N_i \lambda + c(\delta T^{(2)} - \delta T^{(1)}) + \Delta\varepsilon_i$$

Xây dựng Hiệu số Pha kép (Double Difference - DD) với vệ tinh tham chiếu $r$ nhằm triệt tiêu hoàn toàn sai số đồng hồ máy thu: $$\Delta\nabla\varphi_i = \frac{D}{\lambda}[\cos(\alpha_i) - \cos(\alpha_r)] + \Delta\nabla N_i + \Delta\nabla\varepsilon_i \quad \text{(đơn vị: chu kỳ)}$$

Phần phân số của DD ($\mu_i$) loại bỏ thành phần nguyên mập mờ $\Delta\nabla N_i$: $$\mu_i = \Delta\nabla\varphi_i - \text{round}(\Delta\nabla\varphi_i)$$

Dưới điều kiện tấn công giả mạo, tập hợp tín hiệu bám vết được phân rã thành hai tập con: tập giả mạo $S$ và tập xác thực $A$.

  • Với mọi $i \in S$, các tín hiệu có cùng góc tới $\alpha_{cnt}$, dẫn đến số hạng hình học chung: $$M_{cnt} = \frac{D}{\lambda}[\cos(\alpha_{cnt}) - \cos(\alpha_r)]$$
  • Với mọi $l \in A$, số hạng hình học phân tán độc lập: $$m_l = \frac{D}{\lambda}[\cos(\alpha_l) - \cos(\alpha_r)]$$

Luận án chứng minh rằng biến chuẩn kiểm định $\Lambda_{D3}(j, k) = (\mu_j - \mu_k)^2$ chuẩn hóa theo phương sai tạp âm $(\sigma_j^2 + \sigma_k^2)$ tuân theo phân phối Chi-bình phương ($\chi^2$) bậc tự do 1: phân phối trung tâm dưới giả thuyết $H_0$ (tín hiệu giả mạo) và phân phối phi trung tâm dưới giả thuyết $H_1$ (tín hiệu xác thực) với tham số phi trung tâm $\lambda_0 = (m_j - m_k)^2 / (\sigma_j^2 + \sigma_k^2)$.

   ┌──────────────────────────────────────────────────────────────────────────────────┐
   │                                The D3 / LR-D3 Model                              │
   └────────────────────────────────────────┬─────────────────────────────────────────┘
                                            │
               ┌────────────────────────────┴────────────────────────────┐
               ▼                                                         ▼
    ┌───────────────────────┐                                 ┌───────────────────────┐
    │ Authentic Satellites  │                                 │   Spoofed Satellites  │
    │        (l ∈ A)        │                                 │        (i ∈ S)        │
    └──────────┬────────────┘                                 └──────────┬────────────┘
               │                                                         │
               ▼                                                         ▼
    Different Orbit Angles                                    Common Broadcaster Angle
    α_l ≠ α_r  (l ≠ r)                                        α_i = α_cnt (∀i ∈ S)
               │                                                         │
               ▼                                                         ▼
   Independent Trajectories                                   Identical Geometrical Shift
   m_l = β[cos(α_l)-cos(α_r)]                                 M_cnt = β[cos(α_cnt)-cos(α_r)]
               │                                                         │
               ▼                                                         ▼
    Dispersed Fractional DDs                                   Coincident Fractional DDs
     μ_l Spread Uniformly                                       μ_i Clustered at M_cnt
               │                                                         │
               └────────────────────────────┬────────────────────────────┘
                                            │
                                            ▼
                           Statistical Hypotheses Verification
                           H0: Clustered Subsets (|S| ≥ 3)
                           H1: Dispersed Random Trajectories

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp bốn cấu phần đột phá:

  1. Định nghĩa Miền tương đồng thích ứng (Adaptive Similarity Region): $$\Sigma_j^o = [\mu_j - \xi_j, \mu_j + \xi_j]$$ với ngưỡng $\xi_j$ được ánh xạ trực tiếp từ mật độ phổ công suất tạp âm sóng mang ($C/N_0$).
  2. Hồi quy Tuyến tính Từng đoạn LR-D3 (Piecewise Linear Regression D3): Trích dẫn từ luận án:

"the fractional double differences are characterized by having a piecewise linear trend, with different slopes and intercepts. By evaluating the dispersion of such two parameters instead of the double difference measurements directly, it is possible to design a more robust spoofing detector." Mô hình tuyến tính hóa $\mu_i(t) = a_i t + b_i$ phân tích sự tán sắc đồng thời trên không gian hai chiều: độ dốc quỹ đạo ($a_i$) và điểm cắt trục tung ($b_i$), triệt tiêu hoàn toàn báo động giả khi các đường pha vệ tinh thật tình cờ giao cắt chùm pha vệ tinh giả.

  1. Phân cụm Không gian xác suất GMM-EM (Gaussian Mixture Model via Expectation-Maximization): Mô hình hóa hàm mật độ xác suất của không gian DD bằng hỗn hợp các thành phần Gauss: $$p(\mathbf{x}) = \sum_{k=1}^K \pi_k \mathcal{N}(\mathbf{x} | \boldsymbol{\mu}_k, \boldsymbol{\Sigma}_k)$$ Thuật toán EM tự động tối ưu hóa các trọng số $\pi_k$, vector kỳ vọng $\boldsymbol{\mu}_k$, và ma trận hiệp phương sai $\boldsymbol{\Sigma}_k$, cho phép phân loại tự động tín hiệu giả mạo đa hướng mà không cần giả định trước ngưỡng cứng.
  2. Giới hạn biên (Boundary Conditions): Chiều dài baseline $D \approx 2.0\text{ m}$ (ngăn chặn hiệu ứng ghép kênh tương hỗ giữa các ăng-ten), số lượng vệ tinh giả mạo tối thiểu trong tập con $|S| \ge 3$, và mức $C/N_0 \ge 32\text{ dB-Hz}$.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Nghiên cứu tuân thủ chặt chẽ thế giới quan thực chứng (Positivism), kết hợp giữa suy diễn toán học hình thức, mô phỏng phần mềm vô tuyến điều khiển (Software-Defined Radio - SDR), và kiểm chứng thực nghiệm bán phần cứng (Hardware-in-the-Loop - HIL).

Quy trình nghiên cứu phân cấp 4 tầng rõ ràng:

  • Tầng 1 (Signal & Hardware Layer): Thu nhận tín hiệu RF qua cặp ăng-ten phân tách $D = 2.0\text{ m}$, số hóa qua khối ADC/AGC và đưa vào hai máy thu Septentrio AsteRx4 OEM.
  • Tầng 2 (Measurement Layer): Trích xuất pha sóng mang $\phi_i$, tạo hiệu số đơn $\Delta\phi_i$ và hiệu số kép $\Delta\nabla\varphi_i$, tính toán phần phân số $\mu_i$ tại tốc độ cập nhật $1\text{ Hz}$ và $10\text{ Hz}$.
  • Tầng 3 (Feature & Regression Processing): Áp dụng bộ lọc trượt Doppler 10 Hz để loại bỏ trượt chu kỳ (cycle slips), làm mịn dữ liệu qua cửa sổ thời gian 5 giây, thực hiện hồi quy tuyến tính trích xuất độ dốc $a_i$ và điểm cắt $b_i$.
  • Tầng 4 (Decision & Statistical Layer): Đánh giá các chuẩn kiểm định thống kê $D3$, $LR\text{-}D3$, và cụm $GMM\text{-}EM$ để đưa ra quyết định nhị phân cuối cùng.
┌────────────────────────────────────────────────────────────────────────────────────────┐
│                                 4-Tier Research Design                                 │
└──────────────────────────────────────────┬─────────────────────────────────────────────┘
                                           │
┌──────────────────────────────────────────┴─────────────────────────────────────────────┐
│ 1. SIGNAL & HARDWARE LAYER                                                             │
│    • Dual Septentrio AsteRx4 OEM Modules • Fixed Baseline D ≈ 2.0 m                    │
│    • Zero-Baseline Splitter Calibration  • Controlled RF Spirent / SDR Simulators      │
└──────────────────────────────────────────┬─────────────────────────────────────────────┘
                                           │
┌──────────────────────────────────────────┴─────────────────────────────────────────────┐
│ 2. MEASUREMENT & EXTRACTION LAYER                                                      │
│    • Extract Carrier Phase φ_i           • Form Single Differences Δφ_i                │
│    • Compute Double Differences Δ∇φ_i     • Isolate Fractional Phase Parts μ_i          │
└──────────────────────────────────────────┬─────────────────────────────────────────────┘
                                           │
┌──────────────────────────────────────────┴─────────────────────────────────────────────┐
│ 3. ROBUST SIGNAL PROCESSING LAYER                                                      │
│    • 10 Hz Doppler Shift Cycle-Slip Mon. • 5-Second Time-Averaging Window              │
│    • Piecewise Linear Regression (Slope a_i, Intercept b_i)                            │
└──────────────────────────────────────────┬─────────────────────────────────────────────┘
                                           │
┌──────────────────────────────────────────┴─────────────────────────────────────────────┐
│ 4. STATISTICAL INFERENCE & ML LAYER                                                    │
│    • D3 Pairwise Chi-Square Test Metric  • LR-D3 Two-Dimensional Parameter Dispersion │
│    • GMM-EM Density Estimation           • Automated Binary Output (H0 / H1)           │
└────────────────────────────────────────────────────────────────────────────────────────┘

Quy trình nghiên cứu rigorous

Quy trình kiểm chuẩn được thiết kế nghiêm ngặt:

  1. Hiệu chuẩn Baseline số 0 (Zero-Baseline Configuration): Kết nối hai máy thu vào cùng một ăng-ten duy nhất thông qua bộ chia công suất RF (Power Splitter). Khi $D = 0$, sai số hình học triệt tiêu hoàn toàn ($r_i^{(1)} - r_i^{(2)} = 0$), cho phép trích xuất chính xác độ lệch chuẩn thực nghiệm $\sigma_{DD}$ của tạp âm pha tương ứng với từng mức $C/N_0$ từ $32$ đến $52\text{ dB-Hz}$.
  2. Giám sát trượt chu kỳ qua độ dịch Doppler (Doppler Shift Monitor): Dự đoán tần số Doppler tức thời thông qua hiệu sai phân pha bậc nhất $[\phi_i(t) - \phi_i(t - T_0)]$ và so sánh với tần số Doppler xuất ra từ vòng bám khóa pha (PLL). Thiết lập ngưỡng loại trừ $10\text{ Hz}$; các phép đo vượt ngưỡng bị loại tức thời khỏi hàm mục tiêu để tránh suy biến thống kê.
  3. Triệt tiêu tạp âm bằng lấy trung bình thời gian (Time Averaging): Áp dụng cửa sổ trung bình động $\eta = 5\text{ giây}$ trên các giá trị $\mu_i$, cân bằng tối ưu giữa độ trễ phát hiện ($5\text{ s}$) và độ hội tụ phương sai tạp âm.

Data và phân tích

Tập dữ liệu kiểm thử bao gồm các kịch bản tĩnh và động học cao mô phỏng chuyển động máy bay (Airborne Trajectories TRJ1 và TRJ2) kéo dài 2 giờ liên tục. Số lượng vệ tinh bám vết đồng thời dao động từ 8 đến 9 kênh GPS L1 C/A.

Các kỹ thuật tính toán tiên tiến bao gồm:

  • Tối ưu hóa Hợp lý Cực đại (Maximum Likelihood via EM): Huấn luyện GMM trên không gian 2D DD, đạt sự hội tụ hàm Log-Likelihood sau đúng 38 chu kỳ lặp.
  • Phân tích Đường cong Đặc tính Hoạt động Máy thu (ROC Curves): Đánh giá xác suất phát hiện đúng ($P_d = 1 - P_{md}$) so với xác suất báo động giả ($P_{fa}$) dưới các tham số phi trung tâm $\lambda$ khác nhau.
  • Kiểm tra độ bền vững (Robustness Checks): Kiểm tra chéo đa kịch bản khi tỷ lệ vệ tinh giả mạo thay đổi từ tấn công toàn phần ($100%$), tấn công hỗn hợp đa số ($5/8$ vệ tinh), tấn công hỗn hợp thiểu số ($3/8$ và $3/9$ vệ tinh), cho đến trường hợp cực hạn chỉ có $1$ vệ tinh giả mạo.

Phát hiện đột phá và implications

Những phát hiện then chốt

  1. Sự sụp đổ của chuẩn kiểm định SoS trong bám vết hỗn hợp: Khi máy thu bám vết 3 tín hiệu giả mạo và 5 tín hiệu xác thực, chuẩn kiểm định SoS tính toán trên toàn bộ tập hợp vệ tinh bị chi phối bởi các số hạng hình học phân tán của các vệ tinh thật, dẫn đến giá trị thống kê vượt ngưỡng $H_1$, gây ra lỗi bỏ sót tấn công hoàn toàn ($FNR = 100%$).
  2. Hiệu năng vượt trội của thuật toán D3: Thuật toán D3 phân lập thành công cụm tán sắc của tập con giả mạo. Khi kích thước tập con $|S| \ge 3$, xác suất phát hiện đạt $>99.8%$ trên các kịch bản tĩnh và động.
       1.0 ┌───────────────────────────────────────────────────────────┐
           │                                      ...............-.-.-.│
           │                                 ....:                     │
       0.8 │                             ...:                          │
           │                          ..:                              │
  Pd   0.6 │                        .:                                 │
           │                      .:                                   │
       0.4 │                    .:                                     │
           │                  .:    ─── D3 Metric (Single Baseline)    │
       0.2 │                .:      - - D3 Metric (Dual Baseline)      │
           │             ..:        ··· LR-D3 Linear Regression Metric │
       0.0 └───────────┴─┴─────────────────────────────────────────────┘
          10^-4        10^-3        10^-2        10^-1               10^0
                                   Pfa
  1. Phát hiện và hóa giải hiện tượng "Giao cắt Quỹ đạo Pha" bằng LR-D3: Trong kịch bản tấn công trung gian, đường pha phân số $\mu_i(t)$ của vệ tinh thật (ví dụ: PRN 23 hoặc PRN 25) có xu hướng cắt ngang qua chùm đường pha song song của các vệ tinh giả mạo. Tại thời điểm giao cắt, thuật toán D3 thông thường nhận diện nhầm vệ tinh thật thuộc cụm giả mạo, làm tăng đột biến tỷ lệ báo động giả ($P_{fa}$). Thuật toán LR-D3 đã hóa giải triệt để hiện tượng này bằng cách phân tích độ dốc $a_i \approx 0$ của vệ tinh giả mạo so với $a_l \neq 0$ của vệ tinh thật, đưa tỷ lệ báo động giả $P_{fa}$ và tỷ lệ bỏ sót $P_{md}$ về mức $0.0%$ tuyệt đối trong suốt 2 giờ mô phỏng.
  2. Hội tụ tự động của mô hình GMM-EM: Thuật toán EM chứng minh khả năng tự động phân tách các cụm Gauss đại diện cho tín hiệu thật và tín hiệu giả mạo đa hướng chỉ sau 38 bước lặp, loại bỏ hoàn toàn yêu cầu cài đặt ngưỡng định trước $\xi_k$.

Implications đa chiều

  • Về mặt Lý thuyết: Mở rộng lý thuyết xử lý mảng không gian trong điều kiện quan sát bất đối xứng; thiết lập cầu nối giữa lý thuyết ước lượng thống kê cổ điển (GLRT) và học máy không giám sát (GMM-EM) trong lĩnh vực an ninh vô tuyến.
  • Về mặt Phương pháp luận: Cung cấp phương pháp sinh dữ liệu mô phỏng GNSS đa hướng dựa trên SDR với chi phí thấp, thay thế các hệ thống máy phát đa kênh trị giá hàng trăm nghìn USD của Spirent hay IFEN.
  • Về mặt Ứng dụng Thực tiễn: Cho phép các nhà sản xuất thiết bị gốc (OEM) như Septentrio, NovAtel, u-blox nâng cấp firmware bảo mật trên các dòng máy thu ăng-ten kép hiện hành mà không làm thay đổi thiết kế phần cứng.
  • Về mặt Chính sách An ninh: Cung cấp cơ sở định lượng để các cơ quan quản lý hàng không (FAA, ICAO, EASA) ban hành tiêu chuẩn kiểm định an toàn máy thu GNSS chống can nhiễu trên các phương tiện bay không người lái (UAV) và máy bay dân dụng.

Limitations và Future Research

Luận án thẳng thắn thừa nhận 4 giới hạn nghiên cứu:

  1. Ràng buộc kích thước tập con giả mạo ($|S| \ge 3$): Thuật toán D3 và LR-D3 yêu cầu tối thiểu 3 vệ tinh giả mạo phát ra từ cùng một nguồn để hình thành cụm không gian tin cậy. Trong trường hợp kẻ tấn công tinh vi chỉ phát duy nhất 1 hoặc 2 vệ tinh giả nhằm làm lệch vị trí từ từ, thuật toán cần phối hợp với các kỹ thuật khác.
  2. Ràng buộc chiều dài Baseline ($D \approx 2\text{ m}$): Hiệu năng của thuật toán phụ thuộc vào khoảng cách baseline. Khi thu hẹp baseline xuống dưới $0.5\text{ m}$ (trên các vi thiết bị bay), tỷ số tín hiệu trên tạp âm pha suy giảm làm tăng độ nhạy sai số.
  3. Giả định môi trường tán xạ đa đường thấp: Mặc dù sai số tầng khí quyển bị triệt tiêu trên baseline ngắn, hiệu ứng đa đường mạnh (multipath) trong các hẻm vực đô thị (urban canyons) có thể gây biến dạng quỹ đạo pha phân số.
  4. Năng lực mô phỏng tấn công đa hướng phần cứng: Do hạn chế về số lượng bộ tạo dao động chuẩn độ chính xác cực cao, thử nghiệm đa hướng phức tạp chủ yếu được xác thực qua mô phỏng SDR.

Chương trình nghiên cứu 5 năm tiếp theo tập trung vào 4 định hướng:

  1. Tích hợp thuật toán LR-D3 với hệ thống dẫn đường quán tính MEMS IMU theo cấu trúc kết hợp siêu chặt (ultra-tight coupling).
  2. Mở rộng mô hình D3 cho đa tần số (L1/L2/L5, E1/E5) và đa chòm sao (GPS, Galileo, BeiDou, GLONASS CDMA) để giảm thiểu thời gian trễ phát hiện xuống dưới $1\text{ giây}$.
  3. Ứng dụng Mạng nơ-ron Tái phát (RNN/LSTM) hoặc Transformer để dự báo chuỗi thời gian quỹ đạo pha thay cho hồi quy tuyến tính từng đoạn trong môi trường đô thị.
  4. Phát triển cơ chế định vị ngược vị trí máy phát giả mạo (Spoofer Localization) dựa trên ước lượng vector Doppler vi sai.

Tác động và ảnh hưởng

  • Tác động Học thuật: Công trình tạo ra bước đột phá trong cộng đồng kỹ thuật định vị không gian, với các bài báo công bố trên tạp chí đầu ngành IEEE Transactions on Aerospace and Electronic Systems (2021) và hội thảo chuyên ngành danh giá ESA NAVITEC (Cơ quan Vũ trụ Châu Âu, 2018).
  • Chuyển đổi Công nghiệp: Đóng góp trực tiếp vào chuỗi giá trị công nghệ tự hành cấp độ 4 và 5, giám sát hàng hải quốc tế, tự động hóa nông nghiệp chính xác, và đồng bộ hóa mạng di động 5G/6G.
  • Lợi ích Xã hội & An ninh Quốc gia: Ngăn ngừa các vụ không tặc điện tử nhằm vào máy bay không người lái, bảo vệ tính toàn vẹn của hệ thống SCADA trong lưới điện quốc gia và hệ thống xác thực dấu thời gian (Time-stamping) của thị trường tài chính quốc tế.

Đối tượng hưởng lợi

  • Nghiên cứu sinh và Giới Học thuật: Khai thác mô hình toán học giải tích sai phân pha kép và phân phối $\chi^2$ phi trung tâm để phát triển các thuật toán xử lý tín hiệu mảng tiên tiến.
  • Kỹ sư R&D và Nhà sản xuất Thiết bị Định vị: Tiếp cận trực tiếp mã giả và kiến trúc thuật toán D3/LR-D3 để tích hợp trực tiếp vào firmware máy thu GNSS thương mại với chi phí bổ sung bằng không.
  • Nhà hoạch định Chính sách Hàng không & An ninh Mạng: Sở hữu tài liệu minh chứng kỹ thuật để xây dựng khung tiêu chuẩn quốc gia về khả năng chống chịu tấn công giả mạo vô tuyến cho các hạ tầng trọng yếu.

Câu hỏi chuyên sâu

  1. Đóng góp lý thuyết độc đáo nhất của luận án là gì?
    Đó là việc tái cấu trúc và mở rộng Lý thuyết Kiểm định Tỷ số Hợp lý Tổng quát (GLRT) trên mô hình Sai phân Pha Sóng mang Không gian cho điều kiện bám vết hỗn hợp ($S \cup A$). Luận án chứng minh rằng tính tương quan không gian của góc tới tín hiệu giả mạo sẽ cô lập phương sai pha kép về một phân phối Chi-bình phương trung tâm ($\chi^2$), trong khi các tín hiệu xác thực phân tán theo phân phối phi trung tâm với tham số $\lambda_0 = (m_j - m_k)^2 / (\sigma_j^2 + \sigma_k^2)$, cho phép nhận diện chính xác tập con giả mạo mà không cần giải bài toán số nguyên mập mờ.

  2. Phương pháp nghiên cứu đổi mới như thế nào khi so sánh với các công trình quốc tế?
    So với kỹ thuật mảng ăng-ten định búp sóng của Broumandan et al. (2012) đòi hỏi phần cứng phức tạp và chuyển động vật lý, và thuật toán SoS của Falletti & Nicola (2018) chỉ hoạt động khi bị tấn công $100%$, phương pháp D3/LR-D3 của tác giả chỉ sử dụng 2 ăng-ten thương mại với khoảng cách cố định $2.0\text{ m}$, phân tách thành công các tập con giả mạo cục bộ ($|S| \ge 3$) và triệt tiêu báo động giả giao cắt quỹ đạo với chi phí tính toán cực thấp $O(I^2)$.

  3. Phát hiện bất ngờ nhất có số liệu thực nghiệm chứng minh là gì?
    Đó là phát hiện về "Hiện tượng Giao cắt Quỹ đạo Pha" trong tấn công giả mạo trung gian: đường pha phân số $\mu_i(t)$ của vệ tinh xác thực (PRN 25) khi di chuyển qua giá trị pha của chùm vệ tinh giả mạo đã khiến thuật toán D3 tiêu chuẩn kích hoạt báo động giả liên tục. Luận án đã giải quyết hiện tượng này bằng thuật toán LR-D3: phân tích độ dốc hồi quy tuyến tính ($a_i \approx 0$ của chùm giả mạo so với $a_{25} \neq 0$ của vệ tinh thật), đưa tỷ lệ báo động giả về chính xác $0.0%$ trong toàn bộ 2 giờ thử nghiệm.

  4. Luận án có cung cấp quy trình tái lập thực nghiệm (Replication Protocol) rõ ràng không?
    Quy trình tái lập được mô tả chi tiết: Sử dụng 2 module Septentrio AsteRx4 OEM kết nối baseline $2.0\text{ m}$; quy trình hiệu chuẩn zero-baseline qua bộ chia công suất RF để đo $\sigma_{DD}$ theo $C/N_0$ từ $32$ đến $52\text{ dB-Hz}$; bộ giám sát trượt chu kỳ Doppler với ngưỡng $10\text{ Hz}$; cửa sổ trung bình động $\eta = 5\text{ s}$; và mã nguồn thuật toán xử lý luồng số liệu định dạng RINEX/NMEA thực hiện trên nền tảng MATLAB.

  5. Lộ trình nghiên cứu 10 năm được phác thảo ra sao?
    Lộ trình 10 năm chuyển dịch từ việc phát hiện thụ động trên máy thu kép sang kiến trúc phòng thủ chủ động: (1) Giai đoạn 2022–2025: Chuẩn hóa thuật toán LR-D3 trên các dòng máy thu đa chòm sao đa tần số; (2) Giai đoạn 2025–2028: Tích hợp trí tuệ nhân tạo biên (Edge AI) và mạng nơ-ron học sâu để tự động ước lượng hướng phát và định vị nguồn giả mạo; (3) Giai đoạn 2028–2032: Xây dựng mạng lưới phòng thủ không gian hợp tác phân tán (Collaborative Swarm Defense) cho phi đội phương tiện tự hành liên kết không-biển-đất.

Kết luận

Luận án tiến sĩ của Nguyễn Văn Hiên mang lại 5 đóng góp học thuật và kỹ thuật nổi bật:

  1. Thiết lập mô hình toán học giải tích D3: Giải quyết triệt để bài toán nhận diện tập con tín hiệu giả mạo trong điều kiện bám vết hỗn hợp ($S \cup A$) trên nền tảng sai phân pha sóng mang kép.
  2. Phát triển thuật toán đột phá LR-D3: Kết hợp hồi quy tuyến tính từng đoạn để triệt tiêu hoàn toàn hiện tượng báo động giả do giao cắt quỹ đạo pha, đạt độ khả tín $100%$ ($P_{md} = 0%$, $P_{fa} = 0%$) trong các thử nghiệm chuẩn.
  3. Mô hình hóa phân loại GMM-EM tự động: Đặt nền móng cho việc ứng dụng học máy không giám sát trong việc tự động phân tách tín hiệu thật - giả đa hướng mà không cần hiệu chuẩn ngưỡng tham số thủ công.
  4. Phương pháp sinh dữ liệu mô phỏng GNSS đa hướng bằng SDR: Cung cấp giải pháp thực nghiệm chi phí thấp, thúc đẩy nghiên cứu an ninh định vị toàn cầu.
  5. Khả năng thương mại hóa và ứng dụng tức thì: Toàn bộ thuật toán được tối ưu hóa với độ phức tạp $O(I^2)$, tương thích hoàn toàn với các máy thu GNSS thương mại OEM hiện có trên thị trường.

Công trình tạo ra bước tiến quan trọng trong việc bảo vệ các hạ tầng thông tin trọng yếu quốc gia và quốc tế, định hình chuẩn mực mới cho các hệ thống định vị vệ tinh có khả năng chống chịu cao trong kỷ nguyên chiến tranh điện tử và tự hành hóa thông minh.