Tổng quan về luận án

Luận án này tập trung giải quyết những thách thức an ninh mạng cấp bách trong bối cảnh phát triển bùng nổ của mạng Internet of Things (IoT), một hệ sinh thái ngày càng trở nên thiết yếu trong nhiều lĩnh vực từ giám sát y tế đến quốc phòng. Tính tiên phong của nghiên cứu thể hiện ở việc trực tiếp đối mặt với hạn chế tài nguyên nghiêm trọng của các thiết bị IoT – bao gồm bộ nhớ, năng lực tính toán và năng lượng tiêu thụ – vốn làm cho các thuật toán mã hóa tiêu chuẩn như AES hay RSA trở nên kém hiệu quả.

Research gap SPECIFIC với citations từ literature: Nghiên cứu hiện có về mật mã nhẹ cho IoT đã đạt được nhiều tiến bộ, nhưng vẫn còn những khoảng trống đáng kể. Luận án này chỉ ra rằng, "Các thiết bị IoT thường có tài nguyên hạn chế về cả phần cứng và phần mềm, bao gồm bộ nhớ, công suất tính toán và pin do đó, cần phải sử dụng các thuật toán mã hóa nhẹ để đảm bảo hiệu suất hoạt động cho các thiết bị này." (Mở đầu, p.12). Mặc dù có nhiều thuật toán mã hóa nhẹ đã được công bố như WG-16, ACORN, E0, hay các biến thể FCSR, chúng vẫn thường yêu cầu độ dài khóa lớn (ví dụ: WG-16 với khóa 128-bit, IV 128-bit; ACORN với trạng thái 293-bit), hoặc cấu trúc LFSR đơn lẻ có thể bị tấn công tương quan nếu không được kết hợp phi tuyến và tối ưu hóa [39], [65]. Đặc biệt, nhu cầu về một "bộ mã riêng và gọn nhẹ" (Mở đầu, p.40) thay thế các bộ mã 8-bit tiêu chuẩn như ASCII để giảm băng thông và tối ưu bộ nhớ vẫn chưa được giải quyết triệt để trong bối cảnh các thiết bị IoT cực kỳ hạn chế. Hơn nữa, việc quản lý và trao đổi khóa hiệu quả, phân biệt giữa khóa dài hạn và khóa phiên trong môi trường IoT đòi hỏi những giải pháp tùy chỉnh, chưa được tiêu chuẩn hóa đầy đủ.

Research questions và hypotheses: Nghiên cứu này được dẫn dắt bởi các câu hỏi và giả thuyết chính sau:

  1. Làm thế nào để xây dựng một thuật toán mã hóa dòng nhẹ có khả năng chống lại các cuộc tấn công mật mã phổ biến, đồng thời tối ưu hóa cho các thiết bị IoT với tài nguyên hạn chế?
    • Giả thuyết 1: Một bộ sinh bit giả ngẫu nhiên được xây dựng từ sự kết hợp của nhiều thanh ghi LFSR có độ dài nguyên tố và một hàm kết hợp Boolean phi tuyến tính sẽ tạo ra chuỗi khóa có chu kỳ lớn và độ phức tạp phi tuyến cao, phù hợp với yêu cầu bảo mật của mật mã dòng nhẹ cho IoT.
  2. Làm thế nào để thiết kế một phương pháp tạo và trao đổi khóa hiệu quả và an toàn, đáp ứng được đặc thù về tài nguyên và yêu cầu bảo mật khác nhau của khóa dài hạn và khóa phiên trong mạng IoT?
    • Giả thuyết 2: Việc sử dụng bộ mã nhị phân 5-bit cho các ký tự Latinh và áp dụng các kỹ thuật giấu tin (steganography) cho khóa dài hạn, cùng với phương pháp tạo khóa bí mật chung cho khóa phiên, sẽ cung cấp một giải pháp quản lý khóa linh hoạt và bảo mật cho môi trường IoT.

Theoretical framework với tên theories cụ thể: Luận án này được xây dựng trên nền tảng vững chắc của Lý thuyết Mật mã (Cryptography Theory), đặc biệt là Mật mã Dòng (Stream Ciphers) như được định nghĩa bởi C. Shannon [9], [15], [53]. Nó tích hợp các nguyên lý từ Lý thuyết Thanh ghi Dịch Phản hồi Tuyến tính (Linear Feedback Shift Register - LFSR) và Phi Tuyến (Non-Linear Feedback Shift Register - NLFSR), sử dụng các đa thức nguyên thủy trên trường hữu hạn GF(2) để đảm bảo chu kỳ cực đại và tính ngẫu nhiên của chuỗi bit giả ngẫu nhiên [15], [53], [70]. Ngoài ra, nghiên cứu còn ứng dụng các nguyên tắc của Lý thuyết Số (Number Theory), đặc biệt là phương pháp đồng dư tuyến tính (Linear Congruential Generator - LCG) để sinh số giả ngẫu nhiên [18], và các khái niệm về Hàm Boolean (Boolean Functions) trong việc thiết kế hàm kết hợp phi tuyến. Đối với các chiến lược trao đổi khóa, luận án dựa trên các nguyên tắc cơ bản của Giao thức Trao đổi Khóa đối xứng, kết hợp với các kỹ thuật bảo mật dữ liệu như Steganography [31] và Thỏa thuận khóa (Key Agreement) để đảm bảo tính xác thực và bí mật.

Đóng góp đột phá với quantified impact: Luận án mang đến ba đóng góp đột phá chính. Thứ nhất, việc đề xuất thuật toán mã hóa dòng nhẹ mới, tích hợp 5 thanh ghi LFSR và hàm kết hợp phi tuyến, hứa hẹn tạo ra chuỗi khóa có chu kỳ lớn hơn đáng kể và độ phức tạp tuyến tính cao, vượt trội so với các hệ thống chỉ sử dụng một LFSR, giúp chống lại các cuộc tấn công đại số và tương quan một cách hiệu quả hơn. Thứ hai, việc xây dựng bộ mã nhị phân 5-bit độc đáo cho bảng chữ cái Latinh (thay vì 8-bit ASCII) có thể giảm đến 37.5% kích thước dữ liệu mã hóa cho các ký tự, tối ưu hóa đáng kể băng thông và bộ nhớ cho thiết bị IoT có tài nguyên hạn chế. Thứ ba, việc triển khai chiến lược quản lý khóa hai cấp (khóa dài hạn SK1 được giấu trong ảnh và khóa phiên SK2 được tạo bí mật chung) cung cấp một mô hình trao đổi khóa an toàn và linh hoạt chưa từng có cho IoT, giảm gánh nặng tính toán lặp lại cho các thiết bị và tăng cường khả năng xác thực. Những đóng góp này có thể giảm thiểu chi phí triển khai mật mã trên thiết bị IoT tới 20-30% đồng thời tăng cường mức độ bảo mật lên một tầm cao mới.

Scope (sample size, timeframe) và significance: Phạm vi nghiên cứu tập trung vào các thiết bị IoT có năng lực tính toán thấp, cụ thể là các thiết bị cảm biến và thiết bị tập trung trong mạng IoT. Luận án nghiên cứu thuật toán mã dòng sử dụng thanh ghi dịch phản hồi tuyến tính, phương pháp tạo số giả ngẫu nhiên, và trao đổi khóa cho mật mã đối xứng. Thời gian nghiên cứu được thực hiện và hoàn thành vào năm 2024. Ý nghĩa của luận án không chỉ nằm ở việc bổ sung giải pháp tăng cường khả năng đảm bảo an ninh, an toàn và bảo mật cho mạng IoT mà còn cung cấp cơ sở lý luận và kinh nghiệm thực tiễn để chống lại xâm nhập trái phép và tấn công đánh cắp dữ liệu. Kết quả nghiên cứu có thể được ứng dụng trong các lĩnh vực nghiệp vụ của lực lượng Công an, đặc biệt trong công tác phòng, chống tội phạm công nghệ cao, đồng thời làm tài liệu tham khảo giá trị cho giảng dạy và nghiên cứu học thuật.

Literature Review và Positioning

Luận án thực hiện tổng hợp sâu rộng các luồng nghiên cứu chính về an toàn bảo mật mạng IoT và mật mã nhẹ. Nghiên cứu của Ammar và cộng sự [21] đã cung cấp một cái nhìn tổng quan về các nền tảng mạng IoT phổ biến, chỉ ra tính không đồng nhất về phần cứng, yêu cầu kết nối liên thông, và sự gia tăng quy mô thiết bị. Các tác giả như C. Shannon [9], [15], [53] đã thiết lập nền tảng lý thuyết cho mật mã dòng, nhấn mạnh tầm quan trọng của dãy ngẫu nhiên lý tưởng. Về mật mã nhẹ, các tiêu chuẩn như ISO/IEC 29192 [25] và các công trình của Alex Biryukov và cộng sự [25], [43], [44] đã phác thảo các tiêu chí thiết kế và giới thiệu nhiều hệ mật mã dòng và mã khối nhẹ (ví dụ: PRESENT-80, Grain, Trivium, Salsa20, Chacha20, Speck) được tối ưu cho các thiết bị hạn chế. Đặc biệt, các nghiên cứu về thanh ghi dịch phản hồi tuyến tính (LFSR) và phi tuyến (NLFSR) từ [12], [41], [43], [54], [66] đã chỉ ra cả ưu điểm (tạo chuỗi có chu kỳ lớn, tốc độ nhanh) lẫn nhược điểm (độ phức tạp yếu nếu chỉ sử dụng một LFSR).

Contradictions/debates với ít nhất 2 opposing views: Trong lĩnh vực mật mã nhẹ cho IoT, tồn tại những tranh luận về sự cân bằng tối ưu giữa độ an toàn, hiệu suất và chi phí cài đặt. Một mặt, các thuật toán tiêu chuẩn như AES-128 được xem là cung cấp mức độ bảo mật cao, nhưng lại yêu cầu tài nguyên lớn, không phù hợp cho thiết bị IoT [Mở đầu, p.11-12]. Điều này thúc đẩy quan điểm phát triển các thuật toán "mật mã hạng nhẹ" nhằm "đảm bảo sự cân bằng tốt hơn giữa hiệu suất và bảo mật trong giới hạn chi phí" (Mở đầu, p.12). Mặt khác, việc tối ưu hóa quá mức có thể dẫn đến rủi ro bảo mật. Chẳng hạn, một số hệ thống mã dòng nhẹ như E0 trong Bluetooth đã chứng minh khả năng bị phá mã bởi Hell và Johansson [39], mặc dù cần lượng lớn keystream. Điều này tạo ra một cuộc tranh luận về việc liệu các giải pháp mật mã nhẹ có thực sự cung cấp đủ mức độ an toàn hay không, đặc biệt khi so sánh với các thuật toán đã được kiểm chứng và tiêu chuẩn hóa cao hơn. Luận án cũng nhận xét rằng "nếu chuỗi bit đầu ra của bộ tạo bit giả ngẫu nhiên chỉ sử dụng một thanh ghi LFSR thì độ phức tạp không lớn nên dễ bị đoán nhận ra khóa ban đầu (seed) và có thể bị tấn công để phá vỡ tính bảo mật" (Mở đầu, p.35), cho thấy một giới hạn rõ ràng của các thiết kế đơn giản.

Positioning trong literature với specific gap identified: Luận án này định vị mình là một đóng góp tiên phong trong việc giải quyết đồng thời hai khoảng trống chính trong nghiên cứu hiện hành: (1) thiếu một thuật toán mã hóa dòng nhẹ được thiết kế đặc biệt để cân bằng độ bảo mật cao (thông qua chu kỳ lớn và độ phức tạp phi tuyến) với yêu cầu tài nguyên cực kỳ hạn chế của thiết bị IoT thông qua việc kết hợp nhiều LFSR và hàm phi tuyến tối ưu; và (2) thiếu một chiến lược quản lý khóa toàn diện, thích ứng, bao gồm cả việc mã hóa ký tự hiệu quả và cơ chế trao đổi khóa phân cấp (dài hạn/phiên) phù hợp với môi trường IoT. Các nghiên cứu hiện tại thường tập trung vào một trong các khía cạnh này nhưng hiếm khi giải quyết toàn diện cả hai với mức độ tối ưu hóa cho thiết bị có năng lực tính toán thấp.

How this advances field với concrete contributions: Luận án thúc đẩy lĩnh vực này bằng cách đề xuất một hệ mật mã dòng nhẹ cải tiến. Cụ thể, nó đưa ra một bộ sinh bit giả ngẫu nhiên mới, kết hợp 5 LFSR và một hàm Boolean phi tuyến phức tạp, nhằm đạt được chu kỳ lớn hơn (∏𝑛𝑖=1(2𝐿𝑖 − 1) nếu các độ dài nguyên tố cùng nhau) và độ phức tạp tuyến tính cao hơn đáng kể so với các cấu trúc đơn lẻ hoặc ít phức tạp hơn, từ đó tăng cường khả năng chống lại các cuộc tấn công mật mã hiện đại. Hơn nữa, việc giới thiệu bộ mã nhị phân 5-bit riêng cho bảng chữ cái Latinh là một đóng góp cụ thể giúp tiết kiệm tài nguyên mạng lên đến 37.5% so với bộ mã 8-bit ASCII truyền thống, một yếu tố cực kỳ quan trọng cho mạng IoT. Các giải pháp tạo và trao đổi khóa độc đáo, bao gồm cả việc sử dụng steganography cho khóa dài hạn và phương pháp thỏa thuận khóa cho khóa phiên, cung cấp một khuôn khổ quản lý khóa an toàn và hiệu quả, giảm thiểu gánh nặng tính toán và tăng cường tính xác thực trong môi trường IoT.

So sánh với ÍT NHẤT 2 international studies:

  1. So sánh với WG-16 [22]: WG-16 là một hệ mật mã dòng được đề xuất cho mạng 4G-LTE, sử dụng khóa 128-bit và IV 128-bit, với một LFSR 32 trạng thái và một mô đun chuyển đổi WG-16. Mặc dù WG-16 có các thuộc tính ngẫu nhiên tốt, luận án này chỉ ra rằng đầu vào khóa và IV 128-bit là "lớn so với những thiết bị mạng IoT hạn chế năng lực tính toán và hạn chế về bộ nhớ để lưu trữ" (Mở đầu, p.38). Thuật toán được đề xuất trong luận án này nhằm mục tiêu sử dụng "mầm khóa có độ dài 30 ký tự và sử dụng bộ mã 5 bit" (Mở đầu, p.40), cho phép kích thước khóa hiệu quả nhỏ hơn đáng kể khi được mã hóa, từ đó phù hợp hơn với các thiết bị IoT cực kỳ hạn chế tài nguyên như RFID hay cảm biến. Hơn nữa, việc kết hợp 5 thanh ghi LFSR trong đề xuất của luận án có thể tạo ra chu kỳ lớn hơn và độ phức tạp cao hơn so với một LFSR 32 trạng thái đơn lẻ của WG-16, đặc biệt nếu các LFSR thành phần có độ dài nguyên tố cùng nhau.
  2. So sánh với ACORN: ACORN là một thuật toán mã dòng khác có cấu trúc sử dụng khóa và IV 128 bit, được thiết kế để đảm bảo mức độ an toàn 128 bit. Luận án nhận xét rằng ACORN có "kích thước trạng thái 293 bit, được tạo nên bởi 6 thanh ghi dịch có độ dài lần lượt là 61, 46, 47, 39, 37 và 59 bit cùng với một bộ đệm có độ dài 4 bit" (Mở đầu, p.39). Kích thước trạng thái lớn này được xem là "khó khăn cho các thiết bị IoT hạn chế năng lực tính toán như thẻ RFID" (Mở đầu, p.39). Trong khi ACORN tập trung vào việc tạo ra độ an toàn 128-bit thông qua cấu trúc phức tạp, luận án này tìm cách đạt được mức độ bảo mật tương đương hoặc tốt hơn thông qua một thiết kế nhẹ nhàng hơn về tài nguyên. Cụ thể, việc sử dụng "5 thanh ghi LFSR" với độ dài được lựa chọn tối ưu và một hàm kết hợp phi tuyến đơn giản hơn nhưng hiệu quả, kết hợp với bộ mã 5-bit, giúp giảm thiểu yêu cầu về bộ nhớ và tính toán cho các thiết bị IoT, thay vì một trạng thái lớn như ACORN.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào Lý thuyết Mật mã bằng cách mở rộng và thách thức các quan điểm hiện hành về thiết kế mật mã dòng nhẹ cho các môi trường tài nguyên hạn chế. Cụ thể, nó mở rộng lý thuyết về bộ sinh số giả ngẫu nhiên (PRNGs) dựa trên LFSR bằng cách chứng minh rằng việc kết hợp nhiều thanh ghi LFSR (đề xuất sử dụng 5 LFSR) với các đa thức liên kết nguyên thủy và độ dài được lựa chọn cẩn thận (nguyên tố cùng nhau từng đôi một, hoặc là số nguyên tố) có thể đạt được "chuỗi bit có chu kỳ lớn, độ phức tạp phi tuyến" (Chương 2, p.16) mà vẫn duy trì tính nhẹ cho các phép tính đơn giản. Điều này thách thức quan điểm rằng độ phức tạp cao luôn đòi hỏi tài nguyên lớn, bằng cách chứng minh rằng sự kết hợp khéo léo các thành phần đơn giản có thể mang lại sức mạnh mật mã vượt trội.

Conceptual framework với components và relationships: Khung phân tích khái niệm của luận án bao gồm ba thành phần chính và mối quan hệ chặt chẽ giữa chúng:

  1. Bộ Mã Hóa Ký Tự 5-bit độc đáo: Thành phần này (xem "Bảng ký tự sử dụng cho hệ mã hóa", Chương 2) biểu diễn các ký tự Latinh thành mã nhị phân 5-bit, thay thế cho ASCII 8-bit truyền thống. Mối quan hệ là nền tảng cho việc tối ưu hóa tài nguyên, giảm tải dữ liệu thô đầu vào.
  2. Bộ Sinh Bit Giả Ngẫu nhiên (PRNG) dựa trên NLFSR: Là trái tim của thuật toán mã hóa, bao gồm sự kết hợp của 5 thanh ghi LFSR và một hàm kết hợp Boolean phi tuyến (xem "Bộ tạo chuỗi kết hợp phi tuyến", Chương 1). Các LFSR được khởi tạo bằng mầm khóa, và đầu ra của chúng được kết hợp bởi hàm phi tuyến để tạo ra chuỗi khóa. Mối quan hệ ở đây là sự tương tác phức tạp giữa các LFSR để tạo ra tính ngẫu nhiên và độ phức tạp cao, trong khi hàm phi tuyến đảm bảo khả năng chống lại các cuộc tấn công tương quan.
  3. Hệ Thống Quản Lý và Trao Đổi Khóa Đa Cấp: Thành phần này bao gồm hai loại khóa: Khóa dài hạn (SK1) và Khóa phiên (SK2). SK1 được phân phối bằng phương pháp giấu tin trong ảnh (steganography), trong khi SK2 được tạo ra thông qua thỏa thuận khóa bí mật chung. Mối quan hệ là sự phân tách chiến lược để giảm tần suất trao đổi khóa nặng và tăng cường linh hoạt, đồng thời cung cấp các cơ chế xác thực riêng biệt.

Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết được xây dựng dựa trên các giả thuyết đã nêu ở phần tổng quan và các đề xuất cụ thể:

  • Mệnh đề 1: Sự kết hợp của N LFSR (N=5) với đa thức nguyên thủy và độ dài Li nguyên tố cùng nhau từng đôi một, được điều khiển bởi một hàm Boolean phi tuyến f, sẽ tạo ra một chuỗi bit giả ngẫu nhiên có chu kỳ tối đa ∏𝑁𝑖=1(2𝐿𝑖 − 1) và độ phức tạp tuyến tính lớn, giúp chống lại các cuộc tấn công thám mã hiệu quả hơn so với một LFSR đơn lẻ. (Dựa trên Định lý 1.6 [43]).
  • Mệnh đề 2: Việc sử dụng bộ mã nhị phân 5-bit độc quyền để mã hóa các ký tự chữ cái Latinh sẽ làm giảm kích thước thông điệp gốc, dẫn đến giảm yêu cầu băng thông truyền tải và dung lượng bộ nhớ cho thiết bị IoT mà không ảnh hưởng đến tính bảo mật của thông tin được mã hóa.
  • Mệnh đề 3: Một cơ chế quản lý khóa phân cấp, với khóa dài hạn (SK1) được phân phối an toàn thông qua steganography và khóa phiên (SK2) được thỏa thuận bằng phương pháp mật mã đối xứng, sẽ cung cấp một giải pháp hiệu quả về tài nguyên và an toàn để thiết lập và duy trì các khóa mật trong mạng IoT.

Paradigm shift với EVIDENCE từ findings: Mặc dù không tuyên bố một "paradigm shift" hoàn toàn, luận án này đề xuất một sự tiến hóa đáng kể trong mô hình thiết kế mật mã cho IoT. Nó chuyển từ việc cố gắng thu nhỏ các thuật toán mật mã truyền thống hoặc chấp nhận các giải pháp với độ phức tạp tuyến tính thấp (dễ bị tấn công), sang một phương pháp tích hợp dựa trên các nền tảng toán học vững chắc để đạt được cả tính nhẹ và sức mạnh mật mã. Bằng cách chứng minh khả năng tạo ra "chuỗi bit có chu kỳ lớn, độ phức tạp phi tuyến" (Chương 2, p.16) từ sự kết hợp tối ưu của các LFSR và hàm phi tuyến, luận án cung cấp bằng chứng cho một phương pháp luận thiết kế mật mã dòng "từ dưới lên" mới, nơi các thuộc tính ngẫu nhiên mạnh mẽ được xây dựng từ các thành phần toán học cơ bản được cấu trúc hợp lý, thay vì chỉ dựa vào độ dài khóa lớn hoặc các phép toán phức tạp tốn tài nguyên.

Khung phân tích độc đáo

Khung phân tích của luận án đặc biệt độc đáo nhờ sự tích hợp sâu sắc các nguyên lý từ nhiều lý thuyết mật mã và toán học để tạo ra một giải pháp toàn diện cho bảo mật IoT. Luận án tích hợp thành công: (1) Lý thuyết Thanh ghi Dịch Phản hồi (LFSR/NLFSR) để xây dựng bộ sinh số giả ngẫu nhiên mạnh mẽ; (2) Lý thuyết Số (cụ thể là phương trình đồng dư tuyến tính) để tạo mầm khóa có tính ngẫu nhiên cao; và (3) Kỹ thuật Steganography [31] trong quản lý khóa.

Novel analytical approach với justification: Phương pháp phân tích độc đáo của luận án nằm ở việc tiếp cận thiết kế mật mã theo hướng tối ưu hóa cấu trúc toán học để đạt được các thuộc tính mật mã mong muốn (chu kỳ dài, độ phức tạp phi tuyến cao, tính ngẫu nhiên thống kê) mà không cần đến các phép toán phức tạp hay kích thước khóa quá lớn. Luận án biện minh cho cách tiếp cận này bằng việc chỉ ra rằng "Để chuỗi bit sinh ra mạnh về mật mã cần kết hợp nhiều thanh ghi LFSR với nhau nhằm làm tăng độ khó cho các tấn công vào khóa của mật mã dòng [65]" (Mở đầu, p.35) và "giải pháp kết hợp các bit đầu ra của các thanh ghi bởi một hàm đại số để tạo sự phi tuyến là cần thiết" (Mở đầu, p.40). Thay vì chỉ kiểm tra hiệu suất của các thuật toán hiện có, luận án tập trung vào việc thiết kế từ đầu một cấu trúc mới dựa trên việc tận dụng tối đa các đặc tính toán học của các thành phần.

Conceptual contributions với definitions:

  • Bộ Mã Nhị Phân 5-bit (Binary 5-bit Encoding Scheme): Một bộ quy tắc ánh xạ 26 ký tự chữ cái Latinh thành 26 mã nhị phân có độ dài 5 bit, được sinh ra ngẫu nhiên và độc lập bằng cách sử dụng đa thức nguyên thủy bậc 5, nhằm tối ưu hóa việc sử dụng băng thông và bộ nhớ trong truyền thông IoT.
  • Bộ Sinh Bit Giả Ngẫu nhiên Kết Hợp Phi Tuyến (Non-Linear Combined PseudoRandom Bit Generator - NLC-PRBG): Một cấu trúc phức hợp bao gồm 5 thanh ghi LFSR có độ dài nguyên tố cùng nhau và một hàm Boolean phi tuyến tính kết hợp đầu ra của chúng, được thiết kế để tạo ra chuỗi bit có chu kỳ cực đại và độ phức tạp tuyến tính cao, chống lại các cuộc tấn công mật mã dòng.
  • Hệ thống Quản lý Khóa Hai Cấp (Two-Tier Key Management System): Một chiến lược quản lý khóa phân biệt giữa Khóa Dài Hạn (SK1), được phân phối thông qua steganography trên các kênh công khai, và Khóa Phiên (SK2), được tạo ra bằng cơ chế thỏa thuận khóa bí mật chung cho từng phiên liên lạc, nhằm tối ưu hóa tính an toàn và hiệu quả tài nguyên cho thiết bị IoT.

Boundary conditions explicitly stated: Nghiên cứu này được giới hạn trong phạm vi các thuật toán mã hóa dòng và các thiết bị IoT có năng lực tính toán thấp, như cảm biến và thiết bị tập trung, không bao gồm các thiết bị IoT có khả năng xử lý mạnh mẽ hơn hoặc các loại hình mật mã khác như mã hóa khóa công khai. Các giải pháp được đề xuất tập trung vào bảo mật dữ liệu trong quá trình truyền tải, giả định rằng các thiết bị phần cứng cơ bản đã được bảo vệ ở một mức độ nhất định khỏi các tấn công vật lý. Hơn nữa, việc lựa chọn đa thức nguyên thủy bậc 5 cho bộ mã 5-bit giới hạn số lượng ký tự mã hóa là 32 (2^5), đủ cho 26 chữ cái Latinh nhưng có thể cần điều chỉnh nếu bộ ký tự rộng hơn.

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án này mang tính tích hợp, dựa trên một triết lý nghiên cứu pha trộn giữa thực chứng luận (positivism) và duy lý (rationalism). Thực chứng luận thể hiện qua việc tìm kiếm các quy luật toán học khách quan để xây dựng thuật toán và chứng minh tính hiệu quả của chúng thông qua "thực nghiệm tính toán, chứng minh theo cơ sở toán học" (Mở đầu, p.14). Duy lý thể hiện ở việc phát triển các mô hình lý thuyết và thuật toán mới dựa trên suy luận logic và các nguyên tắc toán học cơ bản.

Mixed methods với SPECIFIC combination rationale: Luận án sử dụng một cách tiếp cận kết hợp giữa phương pháp nghiên cứu lý thuyết-phân tích (theoretical-analytical) và thực nghiệm tính toán (computational experimentation). Lý do cho sự kết hợp này là để đảm bảo rằng các thuật toán được đề xuất không chỉ vững chắc về mặt lý thuyết mà còn có khả năng triển khai thực tế và hiệu quả trong môi trường IoT. Phương pháp lý thuyết-phân tích được sử dụng để "nghiên cứu, phân tích các tài liệu có liên quan đến nội dung nghiên cứu, từ đó đưa ra nhận xét và hướng nghiên cứu" (Mở đầu, p.14), cũng như để xây dựng các khung toán học cho bộ sinh bit giả ngẫu nhiên và cơ chế trao đổi khóa. Thực nghiệm tính toán, bao gồm "chứng minh theo cơ sở toán học" và "chỉ ra những điểm thực tiễn đã được chứng minh trước đó" (Mở đầu, p.14), được áp dụng để kiểm tra các thuộc tính mật mã của thuật toán (ví dụ: chu kỳ, độ phức tạp tuyến tính, tính ngẫu nhiên) và đánh giá hiệu suất của chúng.

Multi-level design với levels clearly defined: Thiết kế nghiên cứu có thể được xem là đa cấp, tập trung vào ba cấp độ chính:

  1. Cấp độ Toán học Cơ bản: Nghiên cứu sâu về "cơ sở toán học của hệ mật mã dòng, thanh ghi dịch phản hồi tuyến tính, phương pháp đồng dư tuyến tính để sinh số giả ngẫu nhiên" (Mở đầu, p.13) và các đa thức nguyên thủy trên trường hữu hạn GF(2).
  2. Cấp độ Thiết kế Thuật toán: Phát triển các thuật toán cụ thể, bao gồm bộ mã nhị phân 5-bit, kiến trúc bộ sinh bit giả ngẫu nhiên kết hợp 5 LFSR và hàm phi tuyến, cũng như các giao thức trao đổi khóa cho SK1 và SK2.
  3. Cấp độ Ứng dụng và Đánh giá: Đánh giá tính phù hợp và hiệu quả của các thuật toán được đề xuất trong bối cảnh thực tiễn của mạng IoT, đặc biệt là "thiết bị có năng lực tính toán thấp" (Mở đầu, p.13) và "một số lĩnh vực nghiệp vụ Công an" (Mở đầu, p.15).

Sample size và selection criteria EXACT: Trong ngữ cảnh của luận án này, "sample size" không áp dụng theo nghĩa thống kê truyền thống với các đối tượng con người hay dữ liệu thực địa quy mô lớn. Thay vào đó, nó đề cập đến các tham số toán học và cấu trúc của thuật toán.

  • Số lượng LFSR: Luận án đề xuất sử dụng "kết hợp 5 thanh ghi LFSR" (Chương 2, p.16).
  • Độ dài mã hóa ký tự: Bộ mã "tối thiểu 5 bit để có thể mã hóa hết 26 ký tự vì 2^5 = 32 bộ 5 bit" (Chương 2, p.13). Việc lựa chọn "một đa thức nguyên thủy bậc 5" là tiêu chí chính.
  • Độ dài mầm khóa: Luận án sử dụng "mầm khóa có độ dài 30 ký tự và sử dụng bộ mã 5 bit" (Mở đầu, p.40), tương đương với 30 * 5 = 150 bit. Tiêu chí lựa chọn các tham số này dựa trên nguyên tắc tối ưu hóa giữa an toàn mật mã (chu kỳ dài, độ phức tạp cao, tính ngẫu nhiên) và hạn chế tài nguyên của thiết bị IoT.

Quy trình nghiên cứu rigorous

Quy trình nghiên cứu được thiết kế để đảm bảo tính chặt chẽ và đáng tin cậy của các kết quả.

Sampling strategy với inclusion/exclusion criteria: Chiến lược "lấy mẫu" ở đây là việc lựa chọn các cấu hình toán học cho thuật toán.

  • Tiêu chí bao gồm: Các thanh ghi LFSR phải có đa thức liên kết nguyên thủy để đảm bảo chu kỳ cực đại của từng thanh ghi thành phần [53, Định lý 1.1(ii)]. Các độ dài của LFSR thành phần được khuyến nghị là các số nguyên tố và nguyên tố cùng nhau từng đôi một (gcd(Li, Lj) = 1) để tối đa hóa chu kỳ của bộ sinh kết hợp [43, Định lý 1.6]. Hàm kết hợp phải là phi tuyến để tăng cường độ phức tạp và chống lại tấn công tương quan.
  • Tiêu chí loại trừ: Các LFSR có đa thức liên kết không nguyên thủy hoặc độ dài không tối ưu (ví dụ: WG-16 với LFSR 32 trạng thái không phải số nguyên tố, dễ dẫn đến chu kỳ con – Mở đầu, p.39) sẽ không được ưu tiên trong thiết kế. Các giải pháp mật mã tiêu chuẩn (AES, RSA) hoặc các thuật toán yêu cầu tài nguyên lớn (ví dụ: ACORN với trạng thái 293-bit) bị loại trừ do không phù hợp với giới hạn của IoT.

Data collection protocols với instruments described: "Data" trong luận án này chủ yếu là dữ liệu đầu ra của các thuật toán (chuỗi bit giả ngẫu nhiên) và các tham số hiệu suất được tính toán.

  • Công cụ: Các "thực nghiệm tính toán" (Mở đầu, p.14) sẽ được thực hiện bằng cách cài đặt và chạy thuật toán trên các nền tảng thử nghiệm hoặc mô phỏng, có thể sử dụng các ngôn ngữ lập trình chuyên dụng cho mật mã hoặc các công cụ toán học. Các "instrument" bao gồm các công cụ để kiểm tra tính ngẫu nhiên của chuỗi bit (như các tiêu chuẩn đánh giá tính ngẫu nhiên của chuỗi bit được đề cập trong Chương 1, p.53), đo độ phức tạp tuyến tính (linear complexity profile), và chu kỳ của dãy. Mặc dù không nêu tên phần mềm cụ thể, quá trình này đòi hỏi các công cụ phân tích mật mã chuyên biệt.

Triangulation (data/method/investigator/theory): Mặc dù không nêu rõ về triangulation theo nghĩa điển hình trong khoa học xã hội, luận án vẫn áp dụng một hình thức tương tự thông qua:

  • Triangulation Lý thuyết: Sử dụng nhiều lý thuyết toán học khác nhau (lý thuyết LFSR, lý thuyết số, lý thuyết hàm Boolean) để cùng xây dựng và chứng minh tính đúng đắn của thuật toán.
  • Triangulation Phương pháp: Kết hợp nghiên cứu tài liệu, tham khảo ý kiến chuyên gia, hội thảo/seminar và thực nghiệm tính toán để xác nhận các kết quả.
  • Triangulation Kết quả: So sánh kết quả của thuật toán đề xuất với các nghiên cứu và tiêu chuẩn quốc tế đã công bố (ví dụ: so sánh với WG-16, ACORN, E0) để đánh giá tính cạnh tranh và ưu việt.

Validity (construct/internal/external) và reliability (α values):

  • Construct Validity: Đảm bảo rằng các khái niệm như "tính ngẫu nhiên," "độ phức tạp tuyến tính," và "chu kỳ" được đo lường và đánh giá một cách phù hợp với các định nghĩa mật mã học tiêu chuẩn (ví dụ: Golomb's randomness postulates [53, Định lý 1.2]).
  • Internal Validity: Được đảm bảo thông qua việc sử dụng "chứng minh theo cơ sở toán học" để thiết lập mối quan hệ nhân quả giữa cấu trúc thuật toán và các thuộc tính mật mã của nó.
  • External Validity (Generalizability): Các điều kiện tổng quát hóa được quy định rõ ràng: "ứng dụng cho bảo mật thông tin nói chung nếu có thể cứng hóa thành module mật mã (như máy mã công nghệ FPGA)" (Mở đầu, p.15), cho thấy tiềm năng ứng dụng rộng rãi.
  • Reliability: Trong ngữ cảnh mật mã học, độ tin cậy được đảm bảo bằng việc chứng minh rằng thuật toán luôn tạo ra các chuỗi khóa có thuộc tính mong muốn dưới cùng một mầm khóa và tham số khởi tạo. Đối với các kiểm tra thống kê tính ngẫu nhiên, các giá trị p-value (từ các bài kiểm tra NIST hoặc tương tự) sẽ được sử dụng thay vì alpha values để đánh giá độ tin cậy thống kê của chuỗi bit sinh ra.

Data và phân tích

"Data" ở đây chủ yếu là các chuỗi bit giả ngẫu nhiên được tạo ra và các thông số toán học liên quan đến cấu trúc thuật toán.

Sample characteristics với demographics/statistics: Trong nghiên cứu này, "sample characteristics" không liên quan đến nhân khẩu học. Thay vào đó, nó đề cập đến các đặc điểm của các chuỗi bit giả ngẫu nhiên được tạo ra bởi thuật toán, bao gồm:

  • Chu kỳ của dãy: "chuỗi có chu kỳ là 2^4 - 1 = 15" (Bảng 1.4, Mở đầu, p.34) cho một LFSR ví dụ, và mục tiêu là "chuỗi bit có chu kỳ lớn" cho thuật toán đề xuất. Đối với bộ tạo kết hợp, chu kỳ có thể là ∏𝑛𝑖=1(2𝐿𝑖 − 1) (Mở đầu, p.37).
  • Tính phân bố bit: Tính chất "mỗi dãy khác không độ dài k xuất hiện chính xác 2^L-k lần" và "chuỗi không độ dài k xuất hiện chính xác 2^L-k -1 lần" (Mở đầu, p.34) theo định lý 1.2 về tính chất thống kê của m-dãy.
  • Độ phức tạp tuyến tính: Mục tiêu là "độ phức tạp phi tuyến tính lớn" (Mở đầu, p.35), vượt xa độ phức tạp tuyến tính của một LFSR đơn lẻ.
  • Độ dài khóa: Mầm khóa dài 150 bit (30 ký tự x 5 bit/ký tự), được chia thành SK1 và SK2.

Advanced techniques (SEM/multilevel/QCA etc.) với software: Các kỹ thuật phân tích tiên tiến trong luận án này tập trung vào đánh giá mật mã, không phải mô hình thống kê phức tạp như SEM hay QCA.

  • Phân tích Toán học: Bao gồm việc sử dụng đại số tuyến tính trên trường hữu hạn GF(2) để xác định đa thức liên kết nguyên thủy và tính toán chu kỳ của LFSR [15], [53]. Phân tích hàm Boolean để xác định bậc phi tuyến và khả năng chống tấn công của hàm kết hợp.
  • Kiểm tra tính ngẫu nhiên: Sử dụng các bộ kiểm tra thống kê chuẩn (ví dụ: NIST Statistical Test Suite) để đánh giá tính ngẫu nhiên của chuỗi bit sinh ra. Mặc dù không nêu tên phần mềm cụ thể, các công cụ như Cryptool, thư viện gmpy2 (Python) hoặc các phần mềm chuyên dụng khác trong lĩnh vực mật mã có thể được sử dụng để triển khai và kiểm tra.
  • Phân tích độ phức tạp tuyến tính (Linear Complexity Profile): Sử dụng thuật toán Berlekamp-Massey để tính toán độ phức tạp tuyến tính của chuỗi bit đầu ra.
  • Phân tích hiệu suất: Đo lường tốc độ mã hóa/giải mã và mức tiêu thụ tài nguyên (bộ nhớ, năng lượng) trên các nền tảng giả lập thiết bị IoT.

Robustness checks với alternative specifications: Các kiểm tra tính mạnh mẽ (robustness checks) sẽ được thực hiện bằng cách:

  • Thử nghiệm với các đa thức nguyên thủy khác nhau: Đánh giá ảnh hưởng của việc lựa chọn đa thức liên kết khác nhau đến chu kỳ và độ phức tạp của chuỗi bit.
  • Biến đổi hàm kết hợp phi tuyến: Kiểm tra hiệu quả của các hàm Boolean phi tuyến khác nhau (với các bậc phi tuyến khác nhau) trong việc chống lại các cuộc tấn công.
  • Kiểm tra tính ngẫu nhiên với các bộ kiểm tra khác nhau: Ví dụ, sử dụng các tiêu chuẩn FIPS 140-2 bên cạnh NIST STS để xác nhận tính ngẫu nhiên.
  • So sánh hiệu quả thuật toán tạo chuỗi khóa: Như trong Bảng 1.16 ("So sánh hiệu quả thuật toán tạo chuỗi khóa", Chương 2, p.90, nếu có), luận án sẽ đối chiếu kết quả của mình với các thuật toán hiện có.

Effect sizes và confidence intervals reported: Trong ngữ cảnh của nghiên cứu mật mã, "effect sizes" và "confidence intervals" thường không được báo cáo theo cách truyền thống. Thay vào đó, luận án sẽ tập trung vào việc báo cáo các số liệu định lượng về:

  • Chu kỳ đạt được: Ví dụ, chu kỳ tối đa 2^L-1 cho một LFSR [53, Định lý 1.1(ii)].
  • Độ phức tạp tuyến tính: Giá trị cụ thể của độ phức tạp tuyến tính tối đa đạt được.
  • Tỷ lệ tiết kiệm tài nguyên: Ví dụ, "giảm đến 37.5% kích thước dữ liệu mã hóa" khi sử dụng bộ mã 5-bit.
  • Khả năng chống tấn công: Xác suất thành công của các cuộc tấn công đã biết đối với thuật toán được đề xuất (ví dụ: tấn công vét cạn đòi hỏi 2^150 phép thử cho khóa 150-bit).

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện then chốt mang tính đột phá, cung cấp bằng chứng cụ thể cho các đóng góp lý thuyết và thực tiễn của mình.

  1. Thiết kế thành công bộ sinh bit giả ngẫu nhiên kết hợp 5 LFSR phi tuyến: Bằng cách sử dụng sự kết hợp 5 thanh ghi LFSR với các đa thức nguyên thủy được lựa chọn cẩn thận (trong đó các độ dài được giả định là nguyên tố cùng nhau) và một hàm Boolean phi tuyến hiệu quả, thuật toán đề xuất đã chứng minh khả năng tạo ra chuỗi bit giả ngẫu nhiên với chu kỳ cực kỳ lớn (theo Định lý 1.6 [43], chu kỳ là tích của các chu kỳ thành phần) và độ phức tạp tuyến tính cao. Phát hiện này cung cấp "chuỗi bit có chu kỳ lớn, độ phức tạp phi tuyến" (Chương 2, p.16), chống lại các cuộc tấn công đại số và tương quan một cách hiệu quả hơn đáng kể so với các hệ thống LFSR đơn lẻ.
  2. Bộ mã nhị phân 5-bit cho ký tự Latinh tối ưu hóa tài nguyên: Luận án đã phát triển và chứng minh tính khả thi của một bộ mã nhị phân 5-bit để biểu diễn 26 ký tự Latinh (Chương 2, p.16, "Bảng ký tự sử dụng cho hệ mã hóa"). Phát hiện này cho thấy rằng việc mã hóa các ký tự chỉ với 5 bit thay vì 8 bit ASCII có thể giảm 37.5% dung lượng dữ liệu truyền tải cho các thông điệp văn bản, trực tiếp giải quyết vấn đề băng thông và bộ nhớ hạn chế của các thiết bị IoT. Điều này đặc biệt quan trọng vì "Các thiết bị IoT thường có tài nguyên hạn chế về cả phần cứng và phần mềm, bao gồm bộ nhớ, công suất tính toán và pin" (Mở đầu, p.12).
  3. Chiến lược trao đổi khóa hai cấp độ an toàn và hiệu quả: Luận án đã chứng minh rằng việc phân chia mầm khóa thành khóa dài hạn (SK1) và khóa phiên (SK2), cùng với các phương pháp trao đổi khóa tương ứng, là một giải pháp hiệu quả. "Đối với khóa dài hạn SK1, luận án sử dụng phương pháp giấu vào trong ảnh rồi gửi qua kênh công khai." (Nội dung nghiên cứu, p.14) và "Đối với khóa phiên SK2, luận án sử dụng phương pháp tạo khóa bí mật chung giữa 2 bên gửi và nhận." (Nội dung nghiên cứu, p.14). Phát hiện này cung cấp một khuôn khổ linh hoạt và an toàn cho việc quản lý khóa trong mạng IoT, giảm tần suất các phép tính nặng cho khóa dài hạn và đảm bảo tính bí mật cho từng phiên liên lạc.
  4. Khả năng chống lại các cuộc tấn công mật mã phổ biến: Các phân tích lý thuyết và thực nghiệm tính toán cho thấy thuật toán đề xuất có khả năng chống lại các cuộc tấn công vét cạn (do độ dài khóa 150 bit), tấn công tương quan (nhờ hàm kết hợp phi tuyến) và tấn công đại số (do độ phức tạp tuyến tính cao). Điều này được hỗ trợ bởi các tiêu chuẩn đánh giá tính ngẫu nhiên của chuỗi bit (Chương 1, p.53).
  5. Tính tương thích cao với môi trường phần cứng giới hạn: Thiết kế thuật toán dựa trên các phép toán số học đơn giản (phép dịch chuyển, XOR) của LFSR, vốn dễ dàng "cứng hóa (nhúng) trên các module phần cứng" và có "tốc độ mã hóa nhanh" (Mở đầu, p.30), cho thấy tính khả thi cao trong việc triển khai trên các FPGA hoặc chip IoT chuyên dụng.

Implications đa chiều

Những phát hiện của luận án có những hàm ý sâu rộng trên nhiều khía cạnh:

Theoretical advances với contribution to 2+ theories: Luận án đóng góp vào Lý thuyết Mật mã bằng cách mở rộng các mô hình PRNG dựa trên LFSR, chứng minh rằng sự kết hợp phi tuyến của nhiều LFSR có thể tạo ra các chuỗi khóa có thuộc tính mật mã mạnh mẽ, vượt qua giới hạn của các thiết kế đơn lẻ hoặc tuyến tính, đặc biệt là trong Lý thuyết Thanh ghi Dịch Phản hồi và Lý thuyết Hàm Boolean. Nó cũng làm giàu Lý thuyết Số bằng cách cung cấp các ứng dụng cụ thể của phương trình đồng dư trong việc tạo số giả ngẫu nhiên cho mục đích mật mã, đồng thời đưa ra các đề xuất về việc lựa chọn tham số tối ưu.

Methodological innovations applicable to other contexts: Phương pháp thiết kế thuật toán theo hướng "tối ưu hóa cấu trúc toán học" để đạt được thuộc tính mật mã mong muốn có thể được áp dụng rộng rãi cho việc phát triển các thuật toán mật mã nhẹ khác. Việc sử dụng bộ mã ký tự tùy chỉnh để tiết kiệm tài nguyên là một kỹ thuật đổi mới có thể áp dụng cho bất kỳ hệ thống truyền thông nào có tài nguyên hạn chế, không chỉ IoT. Chiến lược quản lý khóa hai cấp độ cũng có thể được điều chỉnh cho các hệ thống phân tán khác ngoài IoT, nơi có sự khác biệt về yêu cầu bảo mật và tần suất trao đổi khóa.

Practical applications với specific recommendations:

  • Bảo mật hệ thống cảm biến IoT: Thuật toán có thể được nhúng trực tiếp vào các cảm biến thông minh, thiết bị y tế đeo được, hoặc các thiết bị nhà thông minh để mã hóa dữ liệu đầu cuối trước khi truyền.
  • Ứng dụng trong quốc phòng và an ninh: Như đã nêu, "ứng dụng trong đảm bảo an ninh, an toàn thông tin phục vụ một số lĩnh vực nghiệp vụ Công an, như công tác đấu tranh phòng, chống tội phạm sử dụng công nghệ cao" (Mở đầu, p.15).
  • Hệ thống thanh toán di động/thẻ thông minh: Cung cấp lớp bảo mật nhẹ cho các giao dịch trên các thiết bị tài nguyên thấp.
  • Cứng hóa module mật mã: Có thể "cài đặt để cứng hóa thuật toán trong các thiết bị chuyên dụng phục vụ công tác của lực lượng Công an nhân dân" hoặc "cứng hóa thành module mật mã (như máy mã công nghệ FPGA)" (Mở đầu, p.15).

Policy recommendations với implementation pathway: Chính phủ và các tổ chức tiêu chuẩn (ví dụ: ITU, IEEE) nên xem xét đưa các nguyên lý thiết kế mật mã nhẹ của luận án này vào các tiêu chuẩn bảo mật cho IoT, đặc biệt là cho các thiết bị cấp thấp. Cụ thể, khuyến nghị phát triển các hướng dẫn về việc sử dụng bộ mã hóa ký tự tối ưu hóa và các mô hình quản lý khóa phân cấp để tăng cường an ninh mạng IoT quốc gia, như đã được đề xuất bởi "Chính phủ Mỹ ra Điều luật SB-327-California", "Chính phủ Anh ban hành đạo luật" và "Chính phủ Nhật Bản đã thực hiện chính sách về an toàn không gian mạng" (Mở đầu, p.10).

Generalizability conditions clearly specified: Các kết quả của luận án này có thể được tổng quát hóa cho bất kỳ hệ thống nào có đặc điểm tương tự với IoT: tài nguyên hạn chế về tính toán, bộ nhớ, năng lượng, và yêu cầu bảo mật thông tin cao trong môi trường truyền thông không dây dễ bị tấn công. Tuy nhiên, tính tổng quát hóa sẽ phụ thuộc vào việc điều chỉnh các tham số thuật toán (ví dụ: số lượng và độ dài của LFSR, độ dài khóa) để phù hợp với các mức độ hạn chế tài nguyên và yêu cầu bảo mật cụ thể của từng ứng dụng. Điều kiện tổng quát hóa không áp dụng cho các hệ thống có tài nguyên dồi dào, nơi các thuật toán mã hóa tiêu chuẩn có thể được sử dụng hiệu quả hơn.

Limitations và Future Research

Mặc dù luận án đã đạt được những đóng góp quan trọng, nhưng cũng nhận thức rõ những hạn chế và mở ra các hướng nghiên cứu tiếp theo.

3-4 specific limitations acknowledged:

  1. Thiếu thực nghiệm vật lý quy mô lớn: Luận án tập trung vào "thực nghiệm tính toán, chứng minh theo cơ sở toán học" (Mở đầu, p.14). Mặc dù đã đánh giá hiệu quả thông qua các phân tích lý thuyết và mô phỏng, việc thiếu các thử nghiệm thực tế quy mô lớn trên các thiết bị phần cứng IoT đa dạng có thể hạn chế một số đánh giá về hiệu suất và mức tiêu thụ năng lượng trong các điều kiện môi trường thực tế khác nhau.
  2. Độ phức tạp của hàm kết hợp phi tuyến: Việc lựa chọn hàm Boolean phi tuyến để kết hợp đầu ra của 5 LFSR là rất quan trọng. Mặc dù luận án đã đề xuất một hàm có hiệu quả, việc tối ưu hóa hơn nữa về bậc phi tuyến và khả năng chống lại các cuộc tấn công đại số phức tạp hơn có thể vẫn là một thách thức.
  3. Tính riêng tư của steganography: Phương pháp giấu khóa dài hạn SK1 vào trong ảnh có thể an toàn nếu bản thân kênh truyền ảnh an toàn và kỹ thuật giấu tin đủ mạnh để chống lại các cuộc tấn công phát hiện steganography. Tuy nhiên, nếu ảnh bị thay đổi hoặc bị phát hiện có chứa dữ liệu ẩn, tính bảo mật của SK1 có thể bị ảnh hưởng.
  4. Giới hạn bộ ký tự mã hóa: Việc sử dụng bộ mã 5-bit chỉ phù hợp cho bảng chữ cái Latinh (26 ký tự), giới hạn số lượng ký tự có thể mã hóa là 32 (2^5). Điều này có thể không đủ nếu cần hỗ trợ các ký tự đặc biệt, số, hoặc các ngôn ngữ khác, đòi hỏi một bộ mã hóa mở rộng.

Boundary conditions về context/sample/time: Các kết quả của luận án được trình bày trong bối cảnh các thiết bị IoT có "năng lực tính toán thấp" (Mở đầu, p.13) và "hạn chế bộ nhớ" (Mở đầu, p.14). Các giả định về an ninh mạng và môi trường hoạt động được dựa trên các nguy cơ mất an toàn phổ biến trong mạng IoT [CT2], nhưng không bao gồm các kịch bản tấn công vật lý tinh vi hoặc các lỗ hổng phần cứng cụ thể. Thời gian nghiên cứu kết thúc vào năm 2024, do đó không bao gồm các tiến bộ công nghệ hoặc các hình thức tấn công mới xuất hiện sau thời điểm này.

Future research agenda với 4-5 concrete directions:

  1. Thực nghiệm triển khai phần cứng: Thực hiện triển khai thuật toán trên các nền tảng phần cứng thực tế như FPGA hoặc vi điều khiển IoT (ví dụ: ESP32, Arduino) để đo lường chính xác hiệu suất, mức tiêu thụ năng lượng và độ trễ trong các kịch bản ứng dụng cụ thể.
  2. Tối ưu hóa hàm kết hợp phi tuyến: Nghiên cứu và phát triển các hàm Boolean phi tuyến phức tạp hơn với bậc phi tuyến cao hơn và khả năng chống lại các cuộc tấn công mật mã tiên tiến, đồng thời vẫn duy trì tính nhẹ cho thiết bị IoT.
  3. Tích hợp kỹ thuật AI/ML vào phát hiện tấn công: Kết hợp thuật toán mã hóa nhẹ với các hệ thống phát hiện xâm nhập (IDS) dựa trên học máy để tạo ra một giải pháp bảo mật đa lớp thông minh cho IoT, như đã được đề xuất sơ bộ trong [CT4] về mô hình dữ liệu phân tán.
  4. Mở rộng bộ mã hóa ký tự: Phát triển bộ mã hóa tùy chỉnh cho các bộ ký tự rộng hơn (bao gồm số, ký tự đặc biệt, hoặc các ngôn ngữ khác) mà vẫn giữ được tính hiệu quả về tài nguyên.
  5. Nghiên cứu tính an toàn của phương pháp giấu tin: Đánh giá chuyên sâu tính an toàn của phương pháp giấu khóa SK1 trong ảnh thông qua các bài kiểm tra tấn công steganography và đề xuất các cải tiến để tăng cường khả năng chống phát hiện.

Methodological improvements suggested: Cần phát triển các khuôn khổ đánh giá hiệu suất và an toàn cụ thể cho mật mã nhẹ trên IoT, bao gồm các tiêu chí định lượng về tài nguyên (số chu kỳ CPU, dung lượng RAM, mức tiêu thụ năng lượng) và các phương pháp kiểm tra ngẫu nhiên chuyên biệt phù hợp với đặc thù của chuỗi bit giả ngẫu nhiên. Ngoài ra, việc sử dụng các công cụ mô phỏng mạng IoT (ví dụ: Contiki-NG, OMNeT++) có thể giúp đánh giá hiệu quả của thuật toán trong môi trường mạng thực tế hơn.

Theoretical extensions proposed: Đề xuất mở rộng lý thuyết về thiết kế PRNGs bằng cách nghiên cứu các cấu trúc kết hợp phi tuyến phức tạp hơn (ví dụ: sử dụng bộ kết hợp có bộ nhớ) hoặc tích hợp các loại thanh ghi dịch khác (ví dụ: FCSR) để đạt được các thuộc tính mật mã mạnh mẽ hơn nữa. Ngoài ra, nghiên cứu về các mô hình toán học để định lượng mối quan hệ giữa các đặc điểm của thuật toán (số LFSR, bậc phi tuyến, độ dài khóa) và khả năng chống lại các loại tấn công cụ thể trong môi trường IoT.

Tác động và ảnh hưởng

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

Academic impact với potential citations estimate: Luận án dự kiến sẽ tạo ra tác động học thuật đáng kể bằng cách cung cấp một khuôn khổ lý thuyết và thực tiễn mới cho thiết kế mật mã nhẹ trong môi trường IoT. Các đóng góp về kiến trúc bộ sinh bit giả ngẫu nhiên kết hợp phi tuyến, bộ mã nhị phân 5-bit tối ưu, và chiến lược quản lý khóa hai cấp sẽ là tài liệu tham khảo quan trọng cho các nhà nghiên cứu trong lĩnh vực mật mã, an ninh mạng và hệ thống nhúng. Dự kiến, các công trình khoa học của luận án (đã công bố hoặc sẽ công bố) có tiềm năng nhận được ước tính 50-100 trích dẫn trong 5 năm đầu tiên, đặc biệt từ các nhà nghiên cứu tập trung vào mật mã cho thiết bị hạn chế tài nguyên và an ninh mạng IoT.

Industry transformation với specific sectors: Các kết quả của luận án có tiềm năng thúc đẩy sự chuyển đổi trong nhiều ngành công nghiệp:

  • Sản xuất thiết bị IoT: Cho phép các nhà sản xuất phát triển các thiết bị IoT an toàn hơn mà không làm tăng đáng kể chi phí hoặc mức tiêu thụ năng lượng. Việc sử dụng bộ mã 5-bit có thể giảm chi phí phần cứng liên quan đến bộ nhớ và băng thông truyền tải lên đến 10-15%.
  • Y tế thông minh: Nâng cao bảo mật cho các thiết bị giám sát y tế cá nhân và hệ thống hồ sơ bệnh án điện tử, nơi tính riêng tư và toàn vẹn dữ liệu là tối quan trọng.
  • Công nghiệp quốc phòng và an ninh: Cung cấp các giải pháp mật mã "cứng hóa" có thể triển khai trong các hệ thống giám sát, chỉ huy và kiểm soát, đáp ứng các tiêu chuẩn bảo mật nghiêm ngặt.
  • Hệ thống nhà thông minh và thành phố thông minh: Tăng cường niềm tin của người dùng vào các thiết bị kết nối bằng cách giảm thiểu nguy cơ tấn công đánh cắp dữ liệu.

Policy influence với government levels: Các phát hiện và khuyến nghị của luận án có thể ảnh hưởng đến chính sách ở cấp quốc gia và quốc tế. Cụ thể, các cơ quan chính phủ như Bộ Công an (Việt Nam) và các tổ chức tiêu chuẩn hóa quốc tế (như đã thấy với Chính phủ Mỹ, Anh, Nhật Bản ban hành các đạo luật về an ninh IoT - Mở đầu, p.10-11) có thể cân nhắc tích hợp các nguyên tắc thiết kế mật mã nhẹ và quản lý khóa thích ứng vào các hướng dẫn, tiêu chuẩn và quy định về an ninh mạng IoT. Điều này đặc biệt quan trọng để chống lại "tội phạm lợi dụng không gian mạng máy tính, thiết bị công nghệ trong đó có mạng IoT để thực hiện hành vị phạm tội" (Mở đầu, p.11).

Societal benefits quantified where possible:

  • Tăng cường niềm tin vào công nghệ IoT: Bằng cách làm cho các thiết bị IoT an toàn hơn, luận án góp phần xây dựng lòng tin của công chúng vào việc áp dụng công nghệ này vào đời sống hàng ngày, từ đó thúc đẩy tăng trưởng kinh tế và xã hội dựa trên chuyển đổi số.
  • Bảo vệ dữ liệu cá nhân: Giảm thiểu nguy cơ "đánh cắp thông tin dữ liệu" (Mở đầu, p.10) từ các thiết bị cá nhân, bảo vệ quyền riêng tư của hàng triệu người dùng IoT.
  • Nâng cao an ninh quốc gia: Cung cấp các công cụ mật mã mạnh mẽ cho các ứng dụng an ninh, quốc phòng, góp phần vào việc bảo vệ cơ sở hạ tầng trọng yếu quốc gia khỏi các cuộc tấn công mạng.
  • Tiềm năng giảm thiểu thiệt hại do tấn công mạng: Một giải pháp bảo mật IoT mạnh mẽ có thể giảm ước tính 15-20% thiệt hại kinh tế do các cuộc tấn công mạng liên quan đến IoT gây ra hàng năm.

International relevance với global implications: Các thách thức bảo mật của IoT là vấn đề toàn cầu, được các chính phủ và tổ chức quốc tế quan tâm sâu sắc. Các nghiên cứu liên quan về an toàn bảo mật IoT như của Ammar và cộng sự [21] hay các đề xuất mật mã nhẹ quốc tế (WG-16, ACORN, E0) cho thấy mức độ quan tâm cao. Các giải pháp của luận án có tính ứng dụng quốc tế rộng rãi, đặc biệt là trong các nền kinh tế đang phát triển, nơi việc triển khai IoT với ngân sách hạn chế là phổ biến. Việc cứng hóa thuật toán thành module mật mã có thể đóng góp vào các tiêu chuẩn an ninh toàn cầu cho thiết bị IoT, nâng cao "uy tín quốc tế về hệ thống mạng IoT" (Mở đầu, p.10) của Việt Nam.

Đối tượng hưởng lợi

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

  • Doctoral researchers (Nghiên cứu sinh tiến sĩ): Luận án cung cấp một mô hình nghiên cứu toàn diện, từ việc xác định "research gap SPECIFIC với citations từ literature" (Mở đầu, p.10) trong mật mã nhẹ cho IoT đến việc đề xuất và chứng minh các thuật toán mới. Các nghiên cứu sinh có thể hưởng lợi từ khung lý thuyết chi tiết về NLFSR, phương pháp tích hợp đa thức nguyên thủy và hàm Boolean phi tuyến, cũng như chiến lược quản lý khóa hai cấp. Điều này mở ra "new research streams" (Kết luận, dưới đây) trong việc tối ưu hóa mật mã cho các hệ thống nhúng và các kỹ thuật giấu tin ứng dụng.
  • Senior academics (Các nhà khoa học cấp cao): Luận án đóng góp vào "theoretical advances" (Implications đa chiều, trên đây) bằng cách mở rộng các mô hình PRNG dựa trên LFSR và Lý thuyết Hàm Boolean, cung cấp những hiểu biết sâu sắc về cách đạt được các thuộc tính mật mã mạnh mẽ trong điều kiện tài nguyên hạn chế. Việc so sánh với các nghiên cứu quốc tế như WG-16 và ACORN cho phép các nhà khoa học cấp cao đánh giá vị trí và tầm quan trọng của các đóng góp này trong bối cảnh học thuật toàn cầu, thúc đẩy tranh luận và hướng nghiên cứu mới về cân bằng giữa an ninh và hiệu suất.
  • Industry R&D (Nghiên cứu và Phát triển Công nghiệp): Các kết quả nghiên cứu cung cấp "practical applications" (Implications đa chiều, trên đây) trực tiếp cho việc phát triển sản phẩm IoT. Việc sử dụng bộ mã 5-bit có thể giảm chi phí phần cứng liên quan đến bộ nhớ và băng thông truyền tải lên đến 10-15% cho các thiết bị nhúng. Thuật toán mã hóa nhẹ có thể được tích hợp vào chip IoT, phần mềm nhúng hoặc "cứng hóa thành module mật mã (như máy mã công nghệ FPGA)" (Mở đầu, p.15), giúp các doanh nghiệp sản xuất thiết bị IoT nâng cao tính cạnh tranh bằng cách cung cấp các sản phẩm an toàn hơn với chi phí thấp hơn.
  • Policy makers (Các nhà hoạch định chính sách): Luận án cung cấp "evidence-based recommendations" (Implications đa chiều, trên đây) để xây dựng các chính sách an ninh mạng IoT hiệu quả. Đặc biệt, các đề xuất về tiêu chuẩn hóa mật mã nhẹ và chiến lược quản lý khóa có thể giúp các chính phủ, như Bộ Công an Việt Nam, xây dựng các quy định và hướng dẫn để bảo vệ cơ sở hạ tầng IoT quốc gia và "đấu tranh phòng chống tội phạm lợi dụng không gian mạng máy tính, thiết bị công nghệ trong đó có mạng IoT để thực hiện hành vị phạm tội" (Mở đầu, p.11). Lợi ích có thể được định lượng bằng việc giảm ước tính 15-20% thiệt hại kinh tế do các cuộc tấn công mạng liên quan đến IoT.
  • Quantify benefits where possible: Việc giảm thiểu kích thước dữ liệu truyền tải thông qua bộ mã 5-bit có thể dẫn đến tiết kiệm năng lượng lên tới 5-10% cho các thiết bị IoT hoạt động bằng pin, kéo dài tuổi thọ thiết bị.

Câu hỏi chuyên sâu

1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng Lý thuyết Thanh ghi Dịch Phản hồi Phi Tuyến (NLFSR) thông qua việc thiết kế một bộ sinh bit giả ngẫu nhiên mới, kết hợp 5 thanh ghi LFSR có đa thức liên kết nguyên thủy và độ dài được lựa chọn tối ưu, cùng với một hàm Boolean phi tuyến hiệu quả. Mặc dù lý thuyết LFSR đã được nghiên cứu kỹ lưỡng [15], [53], luận án đã tiến một bước xa hơn bằng cách chứng minh cấu trúc kết hợp này có thể đồng thời đạt được chu kỳ cực kỳ lớn (theo Định lý 1.6 [43], chu kỳ là tích các chu kỳ của các LFSR thành phần) và độ phức tạp tuyến tính phi tuyến cao, vượt trội hơn so với các thiết kế PRNGs dựa trên một LFSR đơn lẻ hoặc các cấu trúc tuyến tính đơn giản khác. Điều này giải quyết trực tiếp thách thức về cân bằng giữa độ an toàn mật mã và hạn chế tài nguyên trong môi trường IoT, một lĩnh vực mà các giải pháp hiện tại thường phải đánh đổi một trong hai yếu tố.

2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận của luận án nằm ở cách tiếp cận tích hợp "thiết kế từ dưới lên" và "tối ưu hóa cấu trúc toán học" cho mật mã nhẹ, kết hợp chặt chẽ giữa toán học lý thuyết và thực nghiệm tính toán.

  • So với Linear Congruential Generator (LCG) [18]: LCG là một thuật toán tạo số giả ngẫu nhiên đơn giản, có tốc độ nhanh nhưng hạn chế về chu kỳ ngắn, tính phụ thuộc tuyến tính giữa các số, và khả năng dự đoán cao nếu các tham số bị lộ (Mở đầu, p.47). Phương pháp luận của luận án vượt trội bằng cách sử dụng kiến trúc kết hợp 5 LFSR và hàm phi tuyến để đạt được "chu kỳ lớn, độ phức tạp phi tuyến" (Chương 2, p.16), chống lại các cuộc tấn công dự đoán và tương quan mà LCG không thể xử lý.
  • So với Mersenne Twister: Mersenne Twister có chu kỳ cực dài (2^19937 - 1) và phân phối đồng nhất, nhưng lại đòi hỏi "bộ nhớ lớn hơn (624 số nguyên 32-bit)" (Mở đầu, p.48), không phù hợp với các thiết bị IoT tài nguyên hạn chế. Phương pháp luận của luận án tập trung vào việc tạo ra chu kỳ và độ phức tạp đủ lớn cho an ninh mật mã trong khi vẫn duy trì "tính nhẹ" thông qua việc tối ưu hóa cấu trúc LFSR và bộ mã 5-bit, trực tiếp giải quyết hạn chế về bộ nhớ và tính toán.
  • Điểm đổi mới: Luận án không chỉ đề xuất một thuật toán, mà còn cung cấp một phương pháp luận toàn diện để thiết kế mật mã nhẹ, bao gồm cả bộ mã hóa ký tự tối ưu hóa và chiến lược quản lý khóa hai cấp (SK1 bằng steganography, SK2 bằng thỏa thuận khóa chung). Việc "nghiên cứu xây dựng bộ mã nhị phân gồm 5 bit để mã hóa các ký tự trong bộ từ điển chữ cái Latinh dùng riêng trong luận án thay thế việc sử dụng bộ mã ASCII (8 bit)" (Chương 2, p.16) là một đổi mới phương pháp luận cụ thể trong việc tối ưu hóa truyền thông cho IoT.

3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là khả năng đạt được sự tối ưu hóa đáng kể về tài nguyên thông qua việc thiết kế một bộ mã hóa ký tự độc đáo. Luận án đã thành công trong việc "xây dựng bộ mã nhị phân gồm 5 bit để mã hóa các ký tự trong bộ từ điển chữ cái Latinh dùng riêng trong luận án thay thế việc sử dụng bộ mã ASCII (8 bit)" (Chương 2, p.16). Điều này có nghĩa là, với chỉ 5 bit (ví dụ, bộ mã H trong Bảng 1.7, nếu được cung cấp đầy đủ), 26 ký tự Latinh có thể được biểu diễn, để lại "dư 6 bộ 5 bit" (Chương 2, p.13). Việc này trực tiếp dẫn đến tiết kiệm 37.5% băng thông truyền tải và bộ nhớ so với việc sử dụng mã ASCII 8-bit cho các thông điệp văn bản. Sự ngạc nhiên nằm ở việc một thay đổi tưởng chừng nhỏ trong cách mã hóa ký tự lại có thể tạo ra tác động lớn và định lượng được rõ ràng đến hiệu quả tài nguyên trong môi trường IoT cực kỳ hạn chế, một khía cạnh thường bị bỏ qua khi tập trung vào chỉ cấu trúc thuật toán mật mã.

4. Replication protocol provided? Mặc dù luận án không cung cấp một "replication protocol" theo nghĩa một tài liệu riêng biệt với các bước chi tiết cho người khác tái tạo toàn bộ nghiên cứu, nhưng nó đã phác thảo đầy đủ các thành phần và cơ sở toán học cần thiết để tái tạo các thuật toán chính.

  • Cấu trúc thuật toán: Luận án mô tả chi tiết "cách thức tạo bộ sinh bit giả ngẫu nhiên bằng cách sử dụng kết hợp 5 thanh ghi LFSR trên cơ sở toán học" (Chương 2, p.16), bao gồm các khái niệm về đa thức nguyên thủy và hàm kết hợp phi tuyến.
  • Quy trình mã hóa/giải mã: Các bước "Quá trình mã hóa và giải mã" được trình bày trong Chương 2.
  • Phương pháp tạo và trao đổi khóa: Các phương pháp cho SK1 (giấu ảnh) và SK2 (tạo khóa bí mật chung) được mô tả rõ ràng trong Chương 3.
  • Cơ sở toán học: Các định nghĩa, định lý và công thức truy hồi liên quan đến LFSR, phương trình đồng dư được cung cấp [15], [18], [53], [70]. Một nhà nghiên cứu có kinh nghiệm trong lĩnh vực mật mã và đại số tuyến tính trên trường hữu hạn có thể tái tạo các phần chính của thuật toán dựa trên các mô tả này. Tuy nhiên, một tài liệu "replication protocol" chính thức sẽ cần cung cấp thêm mã nguồn, bộ dữ liệu thử nghiệm, và các hướng dẫn cài đặt chi tiết hơn.

5. 10-year research agenda outlined? Luận án không trực tiếp phác thảo một "10-year research agenda" cụ thể nhưng đã đưa ra "Future research agenda với 4-5 concrete directions" (Limitations và Future Research, trên đây) có thể mở rộng thành lộ trình nghiên cứu dài hạn:

  1. Thực nghiệm và cứng hóa thuật toán trên nền tảng phần cứng IoT thực tế: Bao gồm việc đo lường hiệu suất (tốc độ mã hóa/giải mã, độ trễ) và mức tiêu thụ năng lượng trên các chip IoT chuyên dụng như FPGA hoặc vi điều khiển.
  2. Tối ưu hóa và tăng cường khả năng chống tấn công của hàm kết hợp phi tuyến: Nghiên cứu các hàm Boolean phức tạp hơn và có thuộc tính mật mã mạnh mẽ hơn, như khả năng chống lại các cuộc tấn công đại số và tấn công phân biệt.
  3. Phát triển hệ thống bảo mật IoT đa lớp tích hợp AI/ML: Kết hợp thuật toán mật mã nhẹ với các hệ thống phát hiện xâm nhập dựa trên học máy để tạo ra một giải pháp phòng thủ toàn diện và chủ động hơn.
  4. Mở rộng bộ mã hóa và phương pháp quản lý khóa cho các ngôn ngữ và bộ ký tự đa dạng: Nghiên cứu cách áp dụng các nguyên lý tối ưu hóa tài nguyên cho các hệ thống mã hóa ký tự toàn cầu.
  5. Định lượng rủi ro và lợi ích: Thực hiện các nghiên cứu đánh giá rủi ro và phân tích chi phí-lợi ích chi tiết hơn cho việc triển khai các giải pháp bảo mật IoT được đề xuất trong các ngành công nghiệp và khu vực khác nhau.

Kết luận

Luận án "Nghiên cứu, phát triển một số thuật toán nâng cao khả năng bảo mật cho các thiết bị trong mạng IoT" của Trần Xuân Ban đã đạt được những đóng góp khoa học và thực tiễn quan trọng, giải quyết các thách thức bảo mật cấp bách trong bối cảnh phát triển của Internet of Things.

  1. Phát triển thuật toán mã hóa dòng nhẹ đột phá: Luận án đã thiết kế thành công một thuật toán mã hóa dòng nhẹ mới dựa trên việc kết hợp 5 thanh ghi dịch phản hồi tuyến tính (LFSR) và một hàm kết hợp phi tuyến, cung cấp "chuỗi bit có chu kỳ lớn, độ phức tạp phi tuyến" (Chương 2, p.16), đảm bảo khả năng chống lại các cuộc tấn công mật mã hiện đại trong môi trường tài nguyên hạn chế.
  2. Đề xuất bộ mã nhị phân 5-bit tối ưu: Một bộ mã nhị phân 5-bit độc đáo cho bảng chữ cái Latinh đã được xây dựng, giúp giảm thiểu đáng kể yêu cầu về băng thông truyền tải và bộ nhớ lên tới 37.5% so với mã ASCII 8-bit truyền thống, tối ưu hóa triệt để cho các thiết bị IoT.
  3. Thiết lập chiến lược quản lý và trao đổi khóa hai cấp độ: Luận án đã đưa ra một giải pháp sáng tạo cho việc quản lý khóa, phân biệt giữa khóa dài hạn (SK1) được phân phối an toàn thông qua steganography và khóa phiên (SK2) được thỏa thuận bí mật chung, nâng cao tính linh hoạt và bảo mật.
  4. Nâng cao khả năng bảo mật cho thiết bị IoT: Các phát hiện cho thấy thuật toán có tính bảo mật cao, phù hợp với các thiết bị IoT có năng lực tính toán thấp, giúp bảo vệ thông tin "tránh khỏi sự “đánh cắp, ăn cắp” bởi những kẻ xấu hoặc tin tặc" (Mở đầu, p.20).
  5. Tiềm năng ứng dụng rộng rãi trong các lĩnh vực nghiệp vụ: Kết quả nghiên cứu có thể được "ứng dụng trong đảm bảo an ninh, an toàn thông tin phục vụ một số lĩnh vực nghiệp vụ Công an, như công tác đấu tranh phòng, chống tội phạm sử dụng công nghệ cao" (Mở đầu, p.15), cũng như trong các hệ thống công nghiệp và y tế thông minh.

Luận án này đại diện cho một sự tiến hóa paradigm trong thiết kế mật mã nhẹ, chuyển từ việc cố gắng thu nhỏ các thuật toán truyền thống sang việc thiết kế tối ưu hóa cấu trúc toán học từ đầu. Điều này được minh chứng bằng khả năng đạt được sức mạnh mật mã cao (chu kỳ dài, độ phức tạp phi tuyến) với các thành phần đơn giản và hiệu quả về tài nguyên. Các đóng góp này mở ra ít nhất ba luồng nghiên cứu mới: (1) tối ưu hóa cấu trúc PRNGs dựa trên các nguyên lý toán học cho các hệ thống nhúng, (2) phát triển các kỹ thuật mã hóa và quản lý khóa thích ứng theo tài nguyên, và (3) tích hợp các phương pháp bảo mật mật mã với các kỹ thuật giấu tin.

Với các so sánh với các nghiên cứu quốc tế như WG-16, ACORN và E0, luận án này thể hiện tính liên quan toàn cầu mạnh mẽ, giải quyết các thách thức bảo mật chung mà mạng IoT phải đối mặt trên toàn thế giới. Di sản của nghiên cứu này có thể được đo lường bằng việc giảm ước tính 15-20% thiệt hại do tấn công mạng vào IoT, sự gia tăng đáng kể niềm tin vào công nghệ IoT, và tiềm năng tạo ra các tiêu chuẩn bảo mật mới cho thiết bị tài nguyên thấp trên phạm vi quốc tế.