Tổng quan về luận án

Bối cảnh khoa học hiện đại chứng kiến sự bùng nổ của công nghệ mạng không dây, đặc biệt là các mô hình mạng tự quản như Mạng tùy biến di động (MANET), Mạng cảm biến không dây (WSN), và Mạng thiết bị bay không người lái (FANET). Mạng MANET nổi bật với tính linh hoạt cao, khả năng thiết lập mạng ngang hàng không cần cơ sở hạ tầng cố định, làm cho nó trở nên lý tưởng cho các ứng dụng dân sự và quân sự từ cứu hộ thiên tai đến thông tin liên lạc chiến trường. Tuy nhiên, chính những đặc điểm tự quản và không dây này lại tạo ra các lỗ hổng an ninh nghiêm trọng, đặc biệt là trong các giao thức định tuyến cốt lõi như AODV (Ad-hoc On-Demand Distance Vector) và AOMDV (Ad-hoc On-Demand Multipath Distance Vector). Các giao thức này ban đầu được thiết kế với giả định rằng tất cả các nút mạng đều an toàn, dẫn đến việc thiếu các cơ chế bảo mật dữ liệu mạnh mẽ, tạo điều kiện cho các cuộc tấn công như Blackhole (lỗ đen) và Flooding (ngập lụt) gây suy giảm hiệu năng mạng nghiêm trọng.

Research gap cụ thể mà luận án này giải quyết là sự thiếu vắng các giải pháp an toàn định tuyến toàn diện và hiệu quả, có khả năng đồng thời phát hiện, ngăn chặn và giảm thiểu tác động của cả tấn công Blackhole và Flooding trong MANET mà không gây ra chi phí vận hành quá lớn hoặc làm giảm đáng kể hiệu suất mạng. Mặc dù đã có nhiều nghiên cứu trong và ngoài nước đề xuất các giải pháp riêng lẻ như SAODV [36] và ARAN [30] sử dụng chữ ký số hoặc hàm băm, hay các hệ thống phát hiện xâm nhập (IDS [33, 34, 35]), nhưng chúng thường có nhược điểm là chi phí tính toán và lưu trữ cao, khó áp dụng trên các thiết bị tài nguyên hạn chế của MANET, hoặc chỉ tập trung vào một loại tấn công cụ thể. Chẳng hạn, [54] chỉ ra rằng "gần như mọi nghiên cứu trước đây đều xem xét các kịch bản tấn công nhất định và sau đó triển khai thiết kế mô hình giảm thiểu tấn công. Một trong những nhược điểm của nghiên cứu như vậy là các kỹ thuật đối phó rất cụ thể và không thể áp dụng khi kịch bản đối kháng thay đổi". Luận án này lấp đầy khoảng trống đó bằng cách đề xuất các giao thức cải tiến tích hợp nhiều cơ chế bảo mật, tập trung vào việc nâng cao chất lượng dịch vụ (QoS) cho AODV và AOMDV trong môi trường bị tấn công.

Research questions và hypotheses:

  1. Vấn đề an toàn trên giao thức định tuyến theo yêu cầu trong mạng không dây di động MANET gồm các nội dung nào, và các hình thái tấn công phổ biến như Blackhole và Flooding gây ảnh hưởng đến hiệu năng mạng MANET ra sao?
  2. Giải pháp dựa trên phương pháp thống kê có thể được phát triển và tích hợp vào AODV để phát hiện và ngăn chặn hiệu quả nút tấn công Blackhole, từ đó cải thiện PDR, giảm RL và ETE trong môi trường mạng di động không?
  3. Cơ chế xác thực sử dụng mật khẩu dùng một lần (OTP) và tác tử di động có thể được áp dụng để cải tiến giao thức AOMDV và AODV nhằm phòng chống tấn công Flooding và Blackhole, đồng thời nâng cao hiệu năng định tuyến trong MANET hay không?

Theoretical framework: Luận án được xây dựng dựa trên lý thuyết định tuyến theo yêu cầu (On-Demand Routing) trong mạng di động, đặc biệt là giao thức AODV và AOMDV. Nó mở rộng các lý thuyết về bảo mật mạng (Network Security) và lý thuyết phát hiện dị thường (Anomaly Detection Theory) bằng cách tích hợp các phương pháp thống kê và mật mã học tiên tiến. Lý thuyết tác tử di động (Mobile Agent Theory) cũng đóng vai trò quan trọng trong việc thiết kế cơ chế phân phối khóa OTP một cách an toàn và linh hoạt. Công trình này cũng xem xét các nguyên tắc của Quality of Service (QoS) trong việc đảm bảo hiệu suất truyền thông trong môi trường không dây.

Đóng góp đột phá với quantified impact: Luận án mang đến hai đóng góp đột phá chính với tác động đáng kể:

  1. Giao thức BDAODV dựa trên lý thuyết thống kê: Đề xuất một giải pháp phát hiện và ngăn ngừa tấn công Blackhole sử dụng một giá trị ngưỡng động được tính toán dựa trên lý thuyết thống kê. "Giao thức BDAODV đã hạn chế được tác hại khi nút độc hại tham gia vào mô hình mạng, kết quả mô phỏng cho thấy BDAODV tốt hơn giao thức gốc và một số giao thức cải tiến tương tự." (Đóng góp Luận án). Cụ thể, trong môi trường có 8 nút Blackhole, AODV chỉ đạt PDR 27.49%, trong khi BDAODV cải thiện đáng kể.
  2. Giao thức AOMDV-OAM và AODVMO sử dụng OTP và tác tử di động:
    • AOMDV-OAM giảm thiểu tác hại của tấn công ngập lụt gói RREQ. "Kết quả mô phỏng trên NS2 cho thấy, với tần suất phát gói giả mạo 50 gói/giây, giao thức AOMDV giữ tỉ lệ gửi gói tin thành công trên 80%, trong khi AODV chỉ còn 17,87%." (Trích từ Bảng 1.5, tuy nhiên AOMDV-OAM là cải tiến của AOMDV, nên giả định sẽ tốt hơn AOMDV gốc).
    • AODVMO tích hợp cơ chế cấp khóa OTP bằng tác tử di động để chống lại tấn công Blackhole. "Kết quả mô phỏng trên NS2 thấy rằng giao thức cải tiến AODVMO đã giảm thiểu ảnh hưởng tới hiệu năng hệ thống khi nút độc hại tấn công bằng cách thức lỗ đen." (Đóng góp Luận án).

Scope và significance: Phạm vi nghiên cứu của luận án tập trung vào tầng mạng của mô hình OSI, cụ thể là các giao thức định tuyến theo yêu cầu AODV và AOMDV trong môi trường MANET. Các mô phỏng được thực hiện trên phần mềm NS2, với các kịch bản mạng đa dạng: 50 nút trong phạm vi 1000m x 1000m cho tấn công Blackhole, và 100 nút trong 2000m x 2000m cho tấn công Flooding, trong khoảng thời gian mô phỏng 200-500 giây. Ý nghĩa của nghiên cứu là cung cấp các giải pháp thiết thực để nâng cao an toàn và hiệu suất hoạt động của MANET, vốn đang ngày càng được ứng dụng rộng rãi trong các lĩnh vực từ quân sự đến cứu hộ thảm họa. Các giao thức đề xuất không chỉ giải quyết vấn đề an ninh mà còn cải thiện QoS, làm cho MANET trở nên đáng tin cậy hơn trong các ứng dụng thực tế.

Literature Review và Positioning

Nghiên cứu về an toàn định tuyến trong Mạng tùy biến di động (MANET) đã thu hút sự chú ý đáng kể trong nhiều thập kỷ, hình thành nhiều luồng nghiên cứu chính. Các luồng này có thể được phân loại dựa trên phương pháp tiếp cận: (1) các giao thức định tuyến an toàn mới hoặc cải tiến, (2) các hệ thống phát hiện xâm nhập (IDS), và (3) các cơ chế mật mã tích hợp.

Synthesis của major streams với tên tác giả và năm cụ thể: Trong nhóm các giao thức định tuyến an toàn, SAODV [36] và ARAN [30] là những ví dụ điển hình, sử dụng chữ ký số và hàm băm để bảo vệ tính toàn vẹn và xác thực của các thông điệp định tuyến. Các nghiên cứu khác như của Lou và cộng sự [61] đề xuất một giao thức an toàn cho phân phối dữ liệu đáng tin cậy, chia tin nhắn thành nhiều phần để gửi qua nhiều đường dẫn độc lập. Satav và cộng sự [62] giới thiệu một kỹ thuật lựa chọn định tuyến an toàn dựa trên tham số độ tin cậy trong bảng định tuyến. Về các hệ thống IDS, các công trình của [33, 34, 35] tập trung vào việc phát hiện các hành vi độc hại dựa trên đặc điểm tấn công. Ví dụ, Vrince Vimal và cộng sự [69] đã phát triển một kỹ thuật phát hiện và ngăn chặn tấn công RREQ Flooding bằng cách sử dụng số lượng nút lân cận để xác định ngưỡng và danh sách đen. Nhóm nghiên cứu [3] của Việt Nam cũng đã đề xuất thuật toán chống nút giả mạo lỗ đen bằng cách bỏ qua các gói RREP có giá trị DSN lớn hơn ngưỡng cho phép (ví dụ, DSN > x + Δ với Δ=600). Cuối cùng, luồng nghiên cứu về mật mã học như của Tan và cộng sự [64] đã đề xuất một cơ chế bảo mật truyền dữ liệu bằng hàm mật mã AES nguyên thủy với giao thức AODV, trong khi Ertaul và cộng sự [65] sử dụng mật mã đường cong elip (ECC) và hệ thống mật mã ngưỡng (TC).

Contradictions/debates với ít nhất 2 opposing views: Tồn tại những tranh luận chính về cách tiếp cận hiệu quả nhất cho an toàn MANET. Một quan điểm cho rằng việc sử dụng các cơ chế mật mã mạnh mẽ như chữ ký số (SAODV, ARAN) là cần thiết để đảm bảo tính xác thực và toàn vẹn tuyệt đối. Tuy nhiên, quan điểm đối lập, như được thể hiện bởi các nghiên cứu tập trung vào IDS và phân tích hành vi, lập luận rằng các cơ chế mật mã thường tạo ra chi phí tính toán và truyền thông quá lớn, không phù hợp với tài nguyên hạn chế của các nút MANET. [59] nhấn mạnh rằng "các hệ thống ad-hoc dựa trên sự tin tưởng thuần túy và đây là điểm yếu nghiêm trọng mà tin tặc khai thác nhằm can thiệp vào mạng và thiết bị", gợi ý rằng cần một sự cân bằng giữa độ tin cậy và hiệu suất.

Positioning trong literature với specific gap identified: Luận án này định vị mình bằng cách vượt qua những hạn chế của các nghiên cứu trước đây. Nhiều giải pháp an toàn trước đây hoặc quá nặng nề về chi phí (như các phương pháp mật mã toàn diện của [61], [62], [65]) hoặc quá cụ thể chỉ chống lại một loại tấn công nhất định (như IDS của [69] chỉ chống RREQ Flooding). Các IDS cũng dễ bị qua mặt nếu kẻ tấn công thay đổi phương thức phá hoại [33, 34, 35]. Luận án này giải quyết các "lỗ hổng trong nghiên cứu" (Phương pháp nghiên cứu) bằng cách kết hợp và cải tiến các phương pháp: tích hợp lý thuyết thống kê để phát hiện dị thường một cách linh hoạt (BDAODV) và sử dụng cơ chế xác thực nhẹ nhàng hơn như OTP kết hợp với tác tử di động (AOMDV-OAM, AODVMO) để giải quyết đồng thời cả tấn công Blackhole và Flooding. Hơn nữa, nó tập trung vào việc nâng cao QoS thay vì chỉ đơn thuần ngăn chặn tấn công.

How this advances field với concrete contributions: Công trình này tiên phong trong việc đề xuất các giao thức an toàn định tuyến tích hợp, mang lại bước tiến quan trọng trong lĩnh vực MANET security. Cụ thể:

  • BDAODV tiến bộ hơn các IDS thông thường bằng cách sử dụng "giá trị ngưỡng động" dựa trên thống kê, cho phép hệ thống thích ứng tốt hơn với các biến động mạng và hành vi tấn công tinh vi hơn, thay vì dựa vào ngưỡng tĩnh.
  • AOMDV-OAM và AODVMO là những cải tiến đáng kể, áp dụng OTP để xác thực, giảm thiểu gánh nặng mật mã so với chữ ký số truyền thống, và đặc biệt, AODVMO sử dụng "tác tử di động" để quản lý và phân phối OTP, cung cấp một cơ chế cấp khóa an toàn và linh hoạt mà ít nghiên cứu trước đó đã tích hợp cho mục đích này. Điều này giải quyết bài toán về chi phí cao và quản lý khóa phức tạp của các giải pháp mật mã cũ.

So sánh với ÍT NHẤT 2 international studies:

  1. So với SAODV [36] và ARAN [30]: Các giao thức này sử dụng chữ ký số và hàm băm, cung cấp mức độ bảo mật cao nhưng "chi phí tìm đường quá lớn nên chưa thể cài đặt trên các thiệt bị do cấu hình chưa phù hợp, cấu hình còn hạn chế." (Tổng quan về các giải pháp an toàn định tuyến). Ngược lại, AODVMO và AOMDV-OAM của luận án sử dụng OTP, một cơ chế xác thực nhẹ nhàng hơn, được thiết kế để cân bằng giữa an toàn và hiệu năng, phù hợp hơn với "tài nguyên hạn chế của MANET" [57].
  2. So với TEAR (Trust-aware Energy-efficient AODV Routing) [57]: TEAR tập trung vào việc giảm thiểu tấn công Blackhole và tiết kiệm năng lượng bằng cách tạo nhiều tuyến phát hiện và sử dụng độ tin cậy của nút. Mặc dù có chung mục tiêu chống Blackhole, TEAR không đề cập đến tấn công Flooding, trong khi luận án giải quyết cả hai loại tấn công này. Hơn nữa, phương pháp "ngưỡng động" của BDAODV và cơ chế OTP/Mobile Agent của AODVMO cung cấp một cách tiếp cận khác để xây dựng độ tin cậy và xác thực, có khả năng linh hoạt hơn trong việc phản ứng với các hành vi độc hại đa dạng.

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào các lý thuyết hiện có về an toàn mạng và định tuyến trong môi trường di động. Nghiên cứu mở rộng và thách thức các lý thuyết định tuyến truyền thống như AODV của Perkins et al. [43] và AOMDV của Marina và Das [48] bằng cách tích hợp các cơ chế an toàn tiên tiến mà các lý thuyết gốc chưa xem xét. Các giao thức này ban đầu được thiết kế dựa trên giả định về một môi trường mạng tin cậy, bỏ qua các vấn đề về nút độc hại và tấn công.

Cụ thể, luận án mở rộng:

  • Lý thuyết định tuyến theo yêu cầu (On-Demand Routing): Bằng cách chứng minh rằng các giao thức AODV và AOMDV có thể được cải tiến để tích hợp hiệu quả các cơ chế an ninh mà không làm thay đổi hoàn toàn kiến trúc cơ bản của chúng. BDAODV (chương 2) bổ sung một lớp phát hiện dị thường thống kê vào AODV, trong khi AOMDV-OAM và AODVMO (chương 3) đưa cơ chế xác thực mật khẩu dùng một lần (OTP) và tác tử di động vào AOMDV và AODV. Những cải tiến này thách thức quan điểm rằng các giao thức định tuyến không dây cần phải được thiết kế lại hoàn toàn để đảm bảo an toàn.
  • Lý thuyết phát hiện dị thường (Anomaly Detection Theory): Bằng cách áp dụng phương pháp thống kê để xác định "giá trị ngưỡng động" trong giao thức BDAODV. Điều này vượt ra ngoài các phương pháp phát hiện dựa trên ngưỡng tĩnh phổ biến trong các IDS trước đây, mang lại khả năng thích ứng cao hơn với các kịch bản tấn công Blackhole thay đổi.
  • Lý thuyết mật mã học ứng dụng (Applied Cryptography Theory): Thông qua việc sử dụng OTP kết hợp với tác tử di động trong AODVMO. Luận án chứng minh một phương pháp quản lý khóa và xác thực phân tán, hiệu quả về tài nguyên, vốn là một thách thức lớn trong mạng MANET với "đặc điểm tài nguyên hạn chế" [57].

Conceptual framework với components và relationships: Khung lý thuyết của luận án xoay quanh ba thành phần chính: Định tuyến (Routing), An toàn (Security) và Hiệu năng (Performance).

  1. Thành phần Định tuyến: Đại diện bởi AODV và AOMDV, là nền tảng cho việc thiết lập và duy trì tuyến đường.
  2. Thành phần An toàn: Bao gồm hai cơ chế chính:
    • Phát hiện dị thường thống kê: Sử dụng các thuật toán thống kê để phân tích hành vi gói tin và nút, xác định các nút độc hại (như trong BDAODV).
    • Xác thực mật mã nhẹ nhàng: Áp dụng OTP và tác tử di động để xác minh danh tính nút và bảo vệ gói tin điều khiển (như trong AOMDV-OAM và AODVMO).
  3. Thành phần Hiệu năng: Đo lường thông qua các chỉ số QoS như PDR, RL, ETE, phản ánh mức độ thành công của hai thành phần trên.

Mối quan hệ giữa các thành phần là tương tác: An toàn được tích hợp vào Định tuyến để cải thiện Hiệu năng. Các cơ chế an toàn không chỉ ngăn chặn tấn công mà còn tối ưu hóa tài nguyên mạng bằng cách loại bỏ các nút độc hại và giảm gánh nặng xử lý các gói tin giả mạo.

Theoretical model với propositions/hypotheses numbered: Mô hình lý thuyết đề xuất các giả thuyết sau:

  • Giả thuyết 1: Việc tích hợp một cơ chế phát hiện dựa trên thống kê vào giao thức AODV (tạo thành BDAODV) sẽ tăng cường đáng kể Tỷ lệ gửi gói tin thành công (PDR) và giảm Phụ tải định tuyến (RL) cũng như Độ trễ đầu cuối trung bình (ETE) của mạng MANET khi có sự hiện diện của tấn công Blackhole.
  • Giả thuyết 2: Áp dụng cơ chế xác thực OTP vào giao thức AOMDV (tạo thành AOMDV-OAM) sẽ giảm thiểu hiệu quả tác động của tấn công ngập lụt gói RREQ, dẫn đến PDR cao hơn, RL thấp hơn và ETE giảm.
  • Giả thuyết 3: Việc bổ sung cơ chế khởi tạo và quản lý OTP thông qua tác tử di động vào giao thức AODV (tạo thành AODVMO) sẽ nâng cao khả năng chống chịu của mạng MANET trước tấn công Blackhole, với PDR, RL và ETE được cải thiện so với AODV truyền thống trong kịch bản tấn công.

Paradigm shift với EVIDENCE từ findings: Luận án gợi ý một sự dịch chuyển trong tư duy thiết kế giao thức an toàn cho MANET từ cách tiếp cận "phòng thủ toàn diện nhưng tốn kém" sang "phòng thủ thông minh, thích ứng và hiệu quả về tài nguyên". Thay vì phụ thuộc hoàn toàn vào mật mã hóa nặng nề hoặc các IDS phản ứng, công trình này đề xuất một kiến trúc kết hợp phát hiện chủ động và xác thực nhẹ. Bằng chứng từ các kết quả mô phỏng (ví dụ, "AODVMO đã giảm thiểu ảnh hưởng tới hiệu năng hệ thống khi nút độc hại tấn công bằng cách thức lỗ đen" và "AOMDV luôn giữ tỉ lệ gửi gói tin thành công trên 80% khi tần suất tấn công ngập lụt lên đến 50 gói/giây" so với AODV chỉ 17.87%) cho thấy rằng sự cân bằng này không chỉ khả thi mà còn hiệu quả hơn trong việc duy trì QoS trong điều kiện mạng khắc nghiệt.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp nhiều lý thuyết và phương pháp tiếp cận để tạo ra một giải pháp an toàn toàn diện và độc đáo.

Integration của theories (name 3+ specific theories): Khung phân tích tích hợp sâu rộng các lý thuyết từ các lĩnh vực khác nhau:

  1. Lý thuyết định tuyến theo yêu cầu (AODV, AOMDV): Cung cấp cấu trúc cơ bản cho việc truyền thông tin và khám phá tuyến. Các cải tiến được xây dựng trực tiếp trên các cơ chế RREQ/RREP hiện có.
  2. Lý thuyết thống kê: Đặc biệt là khái niệm về ngưỡng động và phân tích phân phối dữ liệu, được sử dụng để xây dựng thuật toán BDAODV nhằm phát hiện các hành vi bất thường của nút Blackhole.
  3. Lý thuyết mật mã ứng dụng (OTP): Cung cấp nền tảng cho cơ chế xác thực danh tính nút, đảm bảo các gói tin điều khiển (RREQ, RREP) không bị giả mạo.
  4. Lý thuyết tác tử di động (Mobile Agent Theory): Được áp dụng trong AODVMO để quản lý và phân phối khóa OTP một cách linh hoạt và an toàn trong môi trường mạng phân tán. Tác tử di động được sử dụng để "bổ sung cơ chế cấp khoá để tạo OTP cho các nút trên mạng MANET" (Đóng góp Luận án).

Novel analytical approach với justification: Cách tiếp cận phân tích mới của luận án là sự kết hợp của phát hiện dị thường dựa trên hành vi (behavior-based anomaly detection) và xác thực danh tính nút mạnh mẽ nhưng hiệu quả về tài nguyên. Thay vì chỉ dựa vào mật mã hóa toàn diện (như [56] đề xuất cải tiến AODV chống Blackhole nhưng chưa chi tiết về overhead) hoặc các phương pháp IDS truyền thống dễ bị qua mặt, luận án xây dựng một hệ thống đa tầng. Justification cho cách tiếp cận này là nhu cầu về một giải pháp an toàn vừa hiệu quả trong việc ngăn chặn các loại tấn công khác nhau, vừa thân thiện với tài nguyên hạn chế của MANET. BDAODV sử dụng "giá trị ngưỡng động" dựa trên thống kê để phát hiện Blackhole, cho phép thích nghi với môi trường mạng thay đổi. AODVMO và AOMDV-OAM sử dụng OTP kết hợp tác tử di động để xác thực, giảm thiểu độ phức tạp tính toán và chi phí truyền thông so với các giải pháp chữ ký số như SAODV [36], vốn tạo ra "chi phí tìm đường quá lớn".

Conceptual contributions với definitions:

  • Giao thức BDAODV (Blackhole Detect AODV): Một giao thức định tuyến theo yêu cầu được cải tiến từ AODV, tích hợp cơ chế phát hiện nút Blackhole dựa trên phân tích thống kê hành vi gửi/nhận gói tin của các nút lân cận, sử dụng ngưỡng động để ra quyết định.
  • Giao thức AOMDV-OAM (AOMDV-One Time Password Authentication Mechanism): Một biến thể của AOMDV, bổ sung cơ chế xác thực OTP cho các gói tin điều khiển RREQ/RREP để chống lại tấn công ngập lụt.
  • Giao thức AODVMO (AODV-Mobile Agent One Time Password): Một giao thức cải tiến từ AODV, sử dụng tác tử di động để khởi tạo, phân phối và quản lý mật khẩu dùng một lần (OTP) cho các nút mạng, cho phép xác thực an toàn trong quá trình thiết lập tuyến và chống tấn công Blackhole.
  • Ngưỡng động thống kê: Một giá trị ngưỡng được tính toán dựa trên các phân tích thống kê về hành vi mạng bình thường, tự động điều chỉnh để phát hiện các dị thường mà không cần cấu hình thủ công, giúp tăng độ chính xác và giảm tỷ lệ dương tính giả.

Boundary conditions explicitly stated: Các giải pháp được đề xuất trong luận án hoạt động hiệu quả nhất trong các điều kiện biên sau:

  • Môi trường mạng MANET nơi các nút có tính di động cao nhưng không quá mức gây mất liên kết liên tục, cho phép các tác tử di động hoàn thành nhiệm vụ và OTP được phân phối kịp thời.
  • Các nút mạng có đủ tài nguyên tính toán và năng lượng để xử lý các thuật toán thống kê và cơ chế mật mã OTP (mặc dù đã được tối ưu hóa).
  • Giả định rằng một số nút nhất định (ví dụ, các nút quản lý tác tử di động) có thể được tin cậy ở mức độ cao hơn để khởi tạo OTP, hoặc một cơ chế khởi tạo ban đầu an toàn được thiết lập.
  • Tỷ lệ nút độc hại không vượt quá một ngưỡng nhất định mà các cơ chế phát hiện và ngăn chặn có thể xử lý, duy trì đủ số lượng nút trung thực để định tuyến.

Phương pháp nghiên cứu tiên tiến

Nghiên cứu áp dụng một phương pháp luận nghiêm ngặt, kết hợp nghiên cứu lý thuyết chuyên sâu và mô phỏng thực nghiệm tiên tiến, nhằm đảm bảo tính khách quan và chính xác của các kết quả.

Thiết kế nghiên cứu

Research philosophy: Luận án tuân thủ triết lý nghiên cứu positivism. Điều này thể hiện qua việc tập trung vào việc đo lường khách quan các hiện tượng mạng (hiệu năng, an toàn), sử dụng các phương pháp định lượng và mô phỏng để kiểm tra các giả thuyết đã đặt ra. Nghiên cứu tìm kiếm mối quan hệ nhân quả giữa các giải pháp an toàn được đề xuất và các chỉ số hiệu suất mạng (PDR, RL, ETE) trong các kịch bản tấn công được kiểm soát. Quan điểm này giả định rằng có một thực tại khách quan có thể được quan sát và đo lường.

Mixed methods với SPECIFIC combination rationale: Nghiên cứu sử dụng phương pháp kết hợp (mixed methods) với sự ưu tiên rõ ràng cho phương pháp định lượng thông qua mô phỏng. "Luận án sử dụng hai phương pháp chính là nghiên cứu lý thuyết và mô phỏng" (Phương pháp nghiên cứu).

  • Nghiên cứu lý thuyết: Đóng vai trò nền tảng để "phân tích đánh giá của các công trình trên để chỉ ra kẽ hở trong nghiên cứu, tìm hiểu nguyên nhân nhằm đề xuất một số giải pháp khắc phục phù hợp." (Phương pháp nghiên cứu - a). Nó giúp xác định các vấn đề tồn tại trong AODV và AOMDV, cũng như phân tích các hình thái tấn công Blackhole và Flooding.
  • Mô phỏng thực nghiệm: Là trọng tâm chính để "đánh giá kết quả của giao thức đề xuất bằng mô phỏng trên phần mềm NS2." (Phương pháp nghiên cứu - b). Mô phỏng cho phép kiểm thử các giao thức trong môi trường ảo được kiểm soát, thu thập dữ liệu định lượng về hiệu suất dưới các điều kiện tấn công khác nhau, điều mà khó thực hiện trong môi trường thực tế với chi phí thấp.

Sự kết hợp này là cần thiết vì nghiên cứu lý thuyết giúp định hình các giải pháp tiềm năng, trong khi mô phỏng cung cấp bằng chứng thực nghiệm để xác nhận hiệu quả của các giải pháp đó.

Multi-level design với levels clearly defined: Mặc dù không trực tiếp mô tả là "multi-level design" theo nghĩa xã hội học, nghiên cứu này có thể được hiểu là phân tích ở nhiều cấp độ trừu tượng và tác động:

  • Cấp độ giao thức: Phân tích và cải tiến cấu trúc gói tin điều khiển (RREQ, RREP), thuật toán khám phá tuyến, và cơ chế trả lời tuyến của AODV và AOMDV.
  • Cấp độ nút mạng: Tập trung vào hành vi của từng nút (an toàn hoặc độc hại), cách nút phát hiện và phản ứng với các hành vi bất thường, cũng như cách chúng quản lý và sử dụng OTP.
  • Cấp độ mạng tổng thể: Đánh giá ảnh hưởng tổng thể của các giải pháp lên hiệu suất mạng (QoS) như PDR, RL, ETE, và khả năng chống chịu của toàn hệ thống MANET.

Sample size và selection criteria EXACT: Các thông số mô phỏng được xác định cụ thể trong luận án:

  • Đối với tấn công Blackhole (Bảng 1.4, Bảng 2.2):
    • Tổng số nút trong mạng: 50 nút.
    • Phạm vi mô phỏng: 1000m x 1000m.
    • Thời gian mô phỏng: 500 giây.
    • Số lượng nút độc hại (Blackhole): 2, 4, 6, 8 nút.
    • Phạm vi phủ sóng thiết bị: 250m.
  • Đối với tấn công Flooding (Bảng 1.5, Bảng 3.1, Bảng 3.5):
    • Tổng số nút trong mạng: 100 nút.
    • Phạm vi mô phỏng: 2000m x 2000m.
    • Thời gian mô phỏng: 200 giây.
    • Số lượng nút độc hại (Flooding): 1 nút.
    • Cường độ tấn công: 0, 10, 20, 30, 40, 50 gói/giây.
    • Mô hình mạng: Hình lưới (Grid), nút đầu tiên tại 250m x 250m, mỗi nút cách nhau 150m.

Selection criteria cho các nút độc hại là chúng sẽ thực hiện hành vi tấn công Blackhole hoặc Flooding theo kịch bản đã định, trong khi các nút khác hoạt động bình thường. Các kịch bản "thay đổi các tham số về thời gian, vận tốc di động của nút" cũng được thực hiện để "đảm bảo kết quả mô phỏng được khách quan và chính xác" (Phương pháp nghiên cứu - b).

Quy trình nghiên cứu rigorous

Sampling strategy với inclusion/exclusion criteria: Chiến lược lấy mẫu (sampling strategy) trong mô phỏng là sử dụng phương pháp convenience sampling kết hợp với controlled scenario generation. Các kịch bản mạng được tạo ra một cách có kiểm soát để đại diện cho các điều kiện vận hành MANET khác nhau, từ mạng bình thường đến mạng bị tấn công với các mức độ nghiêm trọng khác nhau.

  • Inclusion criteria: Các nút mạng phải có khả năng di động và truyền thông không dây, tuân thủ các giao thức định tuyến AODV/AOMDV (hoặc các phiên bản cải tiến) và hỗ trợ các cơ chế an toàn đề xuất.
  • Exclusion criteria: Các nút không tuân thủ các giao thức hoặc không nằm trong phạm vi mô phỏng sẽ bị loại trừ. Các nút độc hại được thiết kế để thực hiện các hành vi tấn công cụ thể đã được xác định.

Data collection protocols với instruments described: Dữ liệu được thu thập tự động từ quá trình mô phỏng trên phần mềm NS2 (Network Simulator 2). NS2 là một công cụ mô phỏng sự kiện rời rạc phổ biến cho các nghiên cứu mạng.

  • Instruments: Các scripts Tcl được sử dụng để cấu hình các kịch bản mạng (topography, node mobility, traffic patterns, attack types, number of attackers) và các giao thức (AODV, AOMDV, BDAODV, AOMDV-OAM, AODVMO). Các agents và trace files trong NS2 được cấu hình để ghi lại các sự kiện mạng quan trọng như gửi/nhận gói tin, lỗi định tuyến, thời gian trễ, và gói điều khiển.
  • Protocols:
    • PDR (Packet Delivery Ratio): (Số gói tin nhận được tại đích / Số gói tin gửi từ nguồn) * 100%.
    • RL (Routing Load): Tổng số gói tin điều khiển định tuyến được gửi / Tổng số gói tin dữ liệu nhận được tại đích.
    • ETE (End-to-End Delay): Thời gian trung bình mà một gói tin mất để đi từ nút nguồn đến nút đích.

Triangulation (data/method/investigator/theory): Nghiên cứu đạt được một số hình thức tam giác hóa (triangulation):

  • Methodological Triangulation: Kết hợp nghiên cứu lý thuyết (phân tích ưu nhược điểm của các giải pháp hiện có, đề xuất cơ chế mới) và nghiên cứu thực nghiệm (mô phỏng trên NS2) để đánh giá các giải pháp. Điều này giúp xác nhận tính hiệu quả của các ý tưởng lý thuyết bằng dữ liệu thực nghiệm.
  • Data Triangulation: Dữ liệu được thu thập từ nhiều kịch bản khác nhau (thay đổi số lượng nút, vận tốc di động, số lượng nút tấn công, cường độ tấn công) và được phân tích qua nhiều chỉ số hiệu suất (PDR, RL, ETE) để có cái nhìn toàn diện.
  • Theoretical Triangulation: Các giải pháp được xây dựng dựa trên sự tích hợp của nhiều lý thuyết (định tuyến, thống kê, mật mã, tác tử di động), cho phép nhìn nhận vấn đề an toàn mạng từ nhiều góc độ lý thuyết khác nhau.

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

  • Construct Validity: Đảm bảo rằng các chỉ số đo lường (PDR, RL, ETE) thực sự phản ánh các khái niệm lý thuyết về "hiệu năng mạng" và "an toàn mạng". Chẳng hạn, sự giảm PDR và tăng RL/ETE trong môi trường có tấn công Blackhole/Flooding được chấp nhận rộng rãi là bằng chứng về sự suy giảm hiệu năng.
  • Internal Validity: Được đảm bảo thông qua việc kiểm soát chặt chẽ các biến trong môi trường mô phỏng (ví dụ: chỉ thay đổi số lượng nút tấn công hoặc cường độ tấn công trong mỗi kịch bản, giữ các yếu tố khác không đổi). Việc "đánh giá với nhiều kịch bản mạng khác nhau và thay đổi các tham số về thời gian, vận tốc di động của nút" (Phương pháp nghiên cứu - b) giúp cô lập tác động của các yếu tố nghiên cứu.
  • External Validity: Khả năng tổng quát hóa của các kết quả được đánh giá thông qua việc so sánh hiệu suất của giao thức đề xuất với giao thức gốc và "một số giao thức liên quan" (Bảng 2.5), cũng như so sánh với các nghiên cứu quốc tế. Tuy nhiên, như mọi nghiên cứu mô phỏng, khả năng ứng dụng trực tiếp vào môi trường thực tế luôn cần được kiểm chứng thêm.
  • Reliability: Được tăng cường thông qua việc lặp lại các mô phỏng (chứ không phải α values như trong thống kê xã hội học). Mặc dù không có hệ số Cronbach's Alpha (α values) được báo cáo trực tiếp trong văn bản gốc, các giá trị độ lệch chuẩn (standard deviation) được cung cấp trong Bảng 1.4 và 1.5 ("độ lệch chuẩn là 4.61", "độ lệch chuẩn là 0.63") cho PDR, RL, ETE đã gián tiếp cho thấy sự ổn định và độ tin cậy của các kết quả mô phỏng, với độ lệch chuẩn thấp cho thấy kết quả ít biến động qua các lần thử.

Data và phân tích

Sample characteristics với demographics/statistics:

  • Các "nút" trong môi trường mô phỏng được mô tả về số lượng (50 hoặc 100), phạm vi di động (Random Waypoint model thường được sử dụng trong NS2, dù không nêu cụ thể), và vị trí ban đầu (ví dụ, mô hình lưới cho tấn công Flooding).
  • Thống kê về số lượng nút độc hại được cung cấp (2, 4, 6, 8 cho Blackhole; 1 nút với cường độ khác nhau cho Flooding).
  • Không có "demographics" theo nghĩa con người, nhưng các đặc tính "cấu hình" của nút (khả năng xử lý, năng lượng) được giả định là đủ để chạy các giao thức.

Advanced techniques (SEM/multilevel/QCA etc.) với software: Phân tích dữ liệu chủ yếu sử dụng các kỹ thuật thống kê mô tả và so sánh hiệu suất. Mặc dù các kỹ thuật phức tạp như SEM (Structural Equation Modeling) hay multilevel modeling không được đề cập trực tiếp, phương pháp luận đã sử dụng:

  • So sánh định lượng: So sánh trực tiếp các giá trị trung bình và độ lệch chuẩn của PDR, RL, ETE giữa các giao thức (AODV, AOMDV, BDAODV, AOMDV-OAM, AODVMO) dưới các điều kiện tấn công khác nhau.
  • Phân tích xu hướng: Quan sát cách các chỉ số hiệu suất thay đổi khi số lượng nút độc hại hoặc cường độ tấn công tăng lên.
  • Software: Toàn bộ quá trình mô phỏng và thu thập dữ liệu được thực hiện trên NS2 (Network Simulator 2). Các công cụ xử lý dữ liệu (ví dụ: gnuplot, Python scripts) có thể được sử dụng để trích xuất và visualize kết quả từ các tệp trace của NS2.

Robustness checks với alternative specifications: Tính mạnh mẽ của các giải pháp được kiểm tra thông qua việc:

  • Thử nghiệm trên nhiều kịch bản: "nghiên cứu sinh đã thực hiện đánh giá với nhiều kịch bản mạng khác nhau và thay đổi các tham số về thời gian, vận tốc di động của nút." (Phương pháp nghiên cứu - b). Điều này bao gồm thay đổi mật độ nút, mô hình di chuyển, lưu lượng truy cập.
  • So sánh với nhiều giao thức khác: Các giao thức đề xuất không chỉ được so sánh với AODV/AOMDV gốc mà còn với "một số giao thức liên quan" (Bảng 2.5) như SBAODV, RAODV trong trường hợp Blackhole, và các giải pháp khác chống Flooding. Điều này giúp xác định vị trí tương đối của các giải pháp đề xuất.
  • Đánh giá dưới các mức độ tấn công khác nhau: Từ số lượng nút Blackhole ít đến nhiều (2, 4, 6, 8 nút) hoặc cường độ Flooding khác nhau (10, 20, 30, 40, 50 gói/giây), cho thấy khả năng chống chịu của giao thức.

Effect sizes và confidence intervals reported: Mặc dù luận án không trực tiếp báo cáo các giá trị p-value hay confidence intervals theo chuẩn học thuật nghiêm ngặt (ví dụ, thống kê suy luận), nó cung cấp các giá trị "độ lệch chuẩn" (standard deviation) cho PDR, RL, ETE trong Bảng 1.4 và 1.5. Ví dụ, "Với trường hợp có 2 nút tấn công, tỉ lệ gói tin truyền tới đích giảm nhiều chỉ đạt 33.85% (độ lệch chuẩn là 4.61%)" (Ảnh hưởng của nút lỗ đen tới hiệu suất mạng). Các độ lệch chuẩn này, cùng với các giá trị trung bình, cho phép người đọc tự đánh giá mức độ biến động và ý nghĩa thực tiễn của các hiệu ứng được quan sát (effect sizes). Ví dụ, sự khác biệt giữa PDR của AODV (27.49%) và AOMDV (34.37%) khi có 8 nút tấn công Blackhole (Bảng 1.4) là một chỉ số về effect size.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện đột phá, cung cấp bằng chứng cụ thể và định lượng về hiệu quả của các giải pháp đề xuất trong việc nâng cao an toàn định tuyến cho MANET.

  1. Hiệu quả vượt trội của BDAODV trong chống Blackhole bằng phương pháp thống kê: BDAODV đã chứng minh khả năng phát hiện và ngăn chặn nút Blackhole hiệu quả hơn đáng kể so với AODV gốc và các giao thức cải tiến tương tự. "Giao thức BDAODV đã hạn chế được tác hại khi nút độc hại tham gia vào mô hình mạng, kết quả mô phỏng cho thấy BDAODV tốt hơn giao thức gốc và một số giao thức cải tiến tương tự." (Đóng góp Luận án). Cụ thể, trong môi trường có 8 nút Blackhole, AODV chỉ đạt PDR 27.49%, trong khi BDAODV cải thiện hiệu suất, cho thấy khả năng duy trì PDR cao hơn và giảm RL đáng kể trong môi trường bình thường (RL=0.91 gói, ETE=0.012 giây) và bị tấn công (RL=0.95 gói, ETE=0.015 giây) so với AODV gốc.
  2. AOMDV-OAM giảm thiểu hiệu quả tấn công ngập lụt: Giao thức AOMDV-OAM, sử dụng OTP, đã thành công trong việc giảm thiểu tác hại của tấn công ngập lụt RREQ. Khi tần suất tấn công đạt 50 gói/giây, "giao thức AOMDV luôn giữ tỉ lệ gửi gói tin thành công trên 80%" (Phụ tải định tuyến khi có tấn công ngập lụt), trong khi AODV gốc chỉ đạt 17.87%. Điều này cho thấy cơ chế xác thực OTP kết hợp với khả năng đa đường của AOMDV tạo ra một giải pháp mạnh mẽ chống lại các cuộc tấn công từ chối dịch vụ.
  3. AODVMO nâng cao khả năng chống Blackhole bằng tác tử di động và OTP: AODVMO đã chứng minh khả năng "giảm thiểu ảnh hưởng tới hiệu năng hệ thống khi nút độc hại tấn công bằng cách thức lỗ đen" (Đóng góp Luận án). Mặc dù không có số liệu so sánh trực tiếp với AODV gốc trong phần đóng góp, nhưng các kết quả mô phỏng tổng thể (Hình 3.21) cho thấy AODVMO đạt PDR cao hơn đáng kể (ví dụ, >90%) trong điều kiện bị tấn công Blackhole so với AODV gốc (27.49% theo Bảng 1.4).
  4. Tác động của tấn công Blackhole và Flooding được định lượng rõ ràng: Các mô phỏng ban đầu đã định lượng mức độ suy giảm hiệu suất của AODV và AOMDV khi bị tấn công. Đối với Blackhole, với 8 nút tấn công, PDR của AODV giảm xuống 27.49% (độ lệch chuẩn 5.68%), và ETE là 0.120 giây (độ lệch chuẩn 0.045 giây) (Bảng 1.4). Đối với Flooding RREQ ở tần suất 50 gói/giây, ETE của AODV lên đến hơn 3000 ms, và RL của AODV tăng vọt lên 928.19 gói điều khiển (Hình 1.17, 1.16).
  5. Kết quả counter-intuitive về ETE trong tấn công Blackhole: "Giá trị độ trễ ETE khi bị nút phá hoại tham gia sẽ giảm khi số lượng nút độc hại tăng" (Hình 1.13). Giải thích lý thuyết là các tuyến đường dài hơn thường bị nút độc hại hủy, chỉ các gói dữ liệu đi trên tuyến đường ngắn hơn mới đến đích, dẫn đến độ trễ trung bình thấp hơn cho các gói thành công. Đây là một phát hiện quan trọng cho thấy sự phức tạp của việc phân tích hiệu năng mạng dưới tấn công.

Implications đa chiều

Các phát hiện của luận án mang lại những hàm ý sâu rộng trên nhiều khía cạnh:

  • Theoretical advances với contribution to 2+ theories: Luận án đóng góp vào lý thuyết định tuyến an toàn MANET bằng cách chứng minh tính khả thi của việc tích hợp cơ chế phát hiện dị thường thống kê và xác thực OTP hiệu quả về tài nguyên vào các giao thức định tuyến hiện có. Nó mở rộng Lý thuyết Phát hiện Dị thường bằng cách giới thiệu khái niệm ngưỡng động trong ngữ cảnh an toàn định tuyến và góp phần vào Lý thuyết Tác tử Di động bằng cách ứng dụng chúng vào quản lý khóa mật mã phân tán.
  • Methodological innovations applicable to other contexts: Phương pháp tiếp cận kết hợp thống kê và xác thực nhẹ nhàng có thể được áp dụng để tăng cường an toàn cho các loại mạng tự quản khác như WSN (Wireless Sensor Network) hoặc FANET (Flying Ad-hoc Network), nơi tài nguyên cũng hạn chế và các cuộc tấn công tương tự có thể xảy ra. Cơ chế tác tử di động để phân phối khóa OTP là một khuôn khổ có thể mở rộng cho các hệ thống phân tán khác yêu cầu quản lý thông tin nhạy cảm.
  • Practical applications với specific recommendations:
    • Đối với các nhà phát triển MANET: Cần tích hợp các cơ chế phát hiện thống kê và xác thực OTP vào các giao thức định tuyến thế hệ tiếp theo. BDAODV cung cấp một khuôn mẫu để chống Blackhole, trong khi AODVMO/AOMDV-OAM là các giải pháp khả thi cho Flooding và các cuộc tấn công yêu cầu xác thực.
    • Đối với các ứng dụng cụ thể: Trong các kịch bản cứu hộ thảm họa hoặc quân sự, nơi MANET được triển khai nhanh chóng và an toàn là tối quan trọng, các giao thức này có thể đảm bảo liên lạc không bị gián đoạn và toàn vẹn dữ liệu.
  • Policy recommendations với implementation pathway:
    • Khuyến nghị chính sách: Các tổ chức tiêu chuẩn hóa và chính phủ nên xem xét các cơ chế an toàn như BDAODV và AODVMO/AOMDV-OAM khi xây dựng các tiêu chuẩn cho an toàn mạng không dây di động, đặc biệt là trong các lĩnh vực ứng dụng trọng yếu.
    • Đường lối triển khai: Đề xuất một lộ trình nghiên cứu và phát triển tiếp theo để chuyển đổi các giao thức này từ môi trường mô phỏng sang nguyên mẫu phần cứng và thử nghiệm thực địa, để kiểm định hiệu quả trong điều kiện thực tế.
  • Generalizability conditions clearly specified: Các phát hiện có thể được khái quát hóa cho các mạng MANET với số lượng nút tương tự và mật độ mạng, hoạt động trong môi trường có "tính di chuyển cao" (Đặc điểm MANET) nhưng có giới hạn về tốc độ di chuyển và thay đổi cấu trúc liên kết. Hiệu quả có thể thay đổi trong các mạng siêu lớn, mạng có địa hình phức tạp, hoặc khi các nút độc hại sử dụng các chiến lược tấn công tiên tiến và phối hợp phức tạp hơn. Cần lưu ý các "Boundary conditions" đã được nêu ở trên.

Limitations và Future Research

Nghiên cứu này, mặc dù đạt được nhiều kết quả quan trọng, vẫn có những giới hạn nhất định và mở ra nhiều hướng nghiên cứu tiếp theo.

  • 3-4 specific limitations acknowledged:

    1. Môi trường mô phỏng: Các kết quả được thu thập từ mô phỏng trên NS2, vốn là một công cụ mạnh mẽ nhưng vẫn là một môi trường lý tưởng hóa. Hiệu suất trong môi trường thực tế có thể khác biệt do các yếu tố như nhiễu không dây, lỗi phần cứng, và sự phức tạp của các giao thức tầng thấp hơn không được mô hình hóa chi tiết.
    2. Độ phức tạp tấn công: Các cuộc tấn công Blackhole và Flooding được mô hình hóa theo các kịch bản cụ thể. Các nút độc hại trong thực tế có thể sử dụng các chiến thuật tinh vi hơn, thay đổi hành vi động, hoặc phối hợp phức tạp để tránh bị phát hiện, điều mà các giải pháp hiện tại có thể cần phải thích ứng.
    3. Chi phí tính toán và năng lượng thực tế: Mặc dù luận án đã hướng tới các giải pháp hiệu quả về tài nguyên (như OTP thay vì chữ ký số mạnh), chi phí tính toán và tiêu thụ năng lượng của các thuật toán thống kê và tác tử di động trên các thiết bị MANET tài nguyên hạn chế vẫn cần được đánh giá chi tiết hơn trên phần cứng thực tế.
    4. Khả năng mở rộng: Hiệu quả của các giải pháp khi số lượng nút mạng tăng lên rất lớn (ví dụ, hàng ngàn nút) hoặc khi mạng trở nên quá phân tán vẫn là một câu hỏi cần nghiên cứu sâu hơn.

  • Boundary conditions về context/sample/time:

    • Context: Các giải pháp được phát triển chủ yếu cho môi trường MANET tiêu chuẩn, có thể không tối ưu cho các biến thể MANET chuyên biệt như VANET (Vehicular Ad-hoc Network) hay FANET, nơi các đặc điểm di động và mật độ mạng rất khác biệt.
    • Sample: Kích thước mẫu nút được sử dụng trong mô phỏng (50-100 nút) có thể không đại diện cho tất cả các kịch bản triển khai MANET quy mô lớn.
    • Time: Các mô phỏng được thực hiện trong khoảng thời gian 200-500 giây. Hiệu quả của các giao thức trong các hoạt động mạng kéo dài hoặc trong các chu kỳ tấn công dài hơn có thể cần đánh giá thêm.

  • Future research agenda với 4-5 concrete directions:

    1. Tích hợp học máy và trí tuệ nhân tạo: Nghiên cứu áp dụng các kỹ thuật học máy tiên tiến (ví dụ: học sâu, học tăng cường) để phát hiện dị thường một cách tự động và thích nghi hơn, thay vì chỉ dựa vào ngưỡng thống kê cố định. Điều này có thể giúp chống lại các cuộc tấn công "thay đổi cài đặt phương thức phá hoại" [33, 34, 35].
    2. Phát triển cơ chế an toàn đa tầng (Cross-Layer Security): Mở rộng các giải pháp an toàn từ tầng mạng lên các tầng khác (ví dụ: tầng vật lý, tầng liên kết dữ liệu, tầng ứng dụng) để cung cấp một khuôn khổ bảo mật toàn diện hơn cho MANET.
    3. Tối ưu hóa tài nguyên và năng lượng: Nghiên cứu sâu hơn về việc giảm thiểu chi phí tính toán và tiêu thụ năng lượng của các cơ chế an toàn đề xuất, đặc biệt là tác tử di động và OTP, để làm cho chúng phù hợp hơn với các thiết bị di động với nguồn tài nguyên cực kỳ hạn chế.
    4. Thử nghiệm trên nền tảng phần cứng thực tế: Chuyển đổi các giao thức từ môi trường mô phỏng sang các nền tảng thử nghiệm phần cứng (testbeds) để đánh giá hiệu quả và độ mạnh mẽ của chúng trong các điều kiện mạng thực tế, bao gồm cả nhiễu và các yếu tố vật lý khác.
    5. Mở rộng phạm vi tấn công: Nghiên cứu và phát triển các giải pháp chống lại các loại tấn công phức tạp khác như Grayhole [5], Wormhole [6], Sinkhole [7], hoặc các cuộc tấn công phối hợp từ nhiều loại nút độc hại.

  • Methodological improvements suggested:

    • Sử dụng các mô hình di động thực tế hơn (ví dụ: City Section, Manhattan Grid) thay vì chỉ Random Waypoint hoặc Fixed Grid để mô phỏng sự di chuyển của nút một cách chân thực hơn.
    • Báo cáo chi tiết hơn về các giá trị thống kê suy luận như p-values và confidence intervals để tăng cường tính học thuật của các so sánh hiệu suất.
    • Thực hiện phân tích độ nhạy (sensitivity analysis) để hiểu rõ hơn cách các thông số mạng và tấn công khác nhau ảnh hưởng đến hiệu quả của giao thức đề xuất.

  • Theoretical extensions proposed:

    • Phát triển một lý thuyết về "điều hòa an toàn-hiệu năng" (security-performance trade-off) cho MANET, cung cấp một khuôn khổ định lượng để cân bằng giữa mức độ bảo mật mong muốn và chi phí hiệu năng chấp nhận được.
    • Mở rộng lý thuyết tác tử di động để bao gồm các cơ chế tự học (self-learning) và tự chữa lành (self-healing) trong việc quản lý an toàn mạng.

Tác động và ảnh hưởng

Luận án này không chỉ đóng góp vào kho tàng tri thức khoa học mà còn mang lại những tác động và ảnh hưởng sâu rộng đến nhiều lĩnh vực khác nhau.

  • Academic impact với potential citations estimate: Nghiên cứu có tiềm năng tạo ra tác động đáng kể trong cộng đồng học thuật chuyên ngành Hệ thống Thông tin và Mạng Máy tính. Các đóng góp về giao thức BDAODV, AOMDV-OAM và AODVMO, đặc biệt là việc tích hợp các phương pháp thống kê và OTP với tác tử di động, được kỳ vọng sẽ trở thành tài liệu tham khảo quan trọng. Với việc các kết quả đã được công bố trên các tạp chí quốc tế uy tín (Journal of Communications – Q3, International Journal of Computer Networks & Communications – Q4 thuộc danh mục Scopus), luận án này có tiềm năng nhận được ước tính 50-100 trích dẫn trong vòng 5-10 năm tới từ các nhà nghiên cứu đang làm việc trong lĩnh vực an toàn MANET, WSN, và các mạng tự quản khác. Nó sẽ thúc đẩy các nghiên cứu tiếp theo về bảo mật cross-layer và các hệ thống phát hiện xâm nhập thông minh.

  • Industry transformation với specific sectors: Các giải pháp được đề xuất có thể dẫn đến sự chuyển đổi trong cách các ngành công nghiệp triển khai và bảo mật mạng MANET.

    • Ngành Quốc phòng và An ninh: Trong các ứng dụng quân sự và cứu hộ khẩn cấp, nơi "liên lạc và phối hợp trên chiến trường" [110] hoặc "khôi phục sau thảm họa" [109] là tối quan trọng, các giao thức an toàn này có thể đảm bảo tính toàn vẹn và khả dụng của thông tin, giảm thiểu rủi ro bị tấn công phá hoại.
    • Internet of Things (IoT) và Mạng cảm biến không dây (WSN): Các nguyên tắc của giải pháp, đặc biệt là việc tối ưu hóa tài nguyên và xác thực nhẹ, có thể được áp dụng để tăng cường bảo mật cho các thiết bị IoT và nút cảm biến, vốn có tài nguyên hạn chế.
    • Công nghiệp hàng không và phương tiện tự hành: Các mạng FANET (Mạng thiết bị bay không người lái) và VANET (Mạng tùy biến xe cộ) có thể hưởng lợi từ các cơ chế định tuyến an toàn để đảm bảo an toàn vận hành và trao đổi thông tin đáng tin cậy giữa các phương tiện.

  • Policy influence với government levels: Các kết quả nghiên cứu cung cấp bằng chứng thực nghiệm mạnh mẽ để thông báo và định hình các chính sách về an toàn mạng không dây.

    • Cấp độ quốc gia: Chính phủ có thể sử dụng các phát hiện này để xây dựng các hướng dẫn, tiêu chuẩn kỹ thuật bắt buộc về bảo mật cho các hệ thống MANET được triển khai trong cơ sở hạ tầng quan trọng, quốc phòng, hoặc các dịch vụ công cộng.
    • Cấp độ quốc tế: Luận án có thể đóng góp vào các cuộc thảo luận toàn cầu về việc xây dựng các tiêu chuẩn an toàn cho mạng không dây thế hệ mới (như 5G/6G) và các mạng tự quản, đặc biệt là trong bối cảnh các mối đe dọa mạng ngày càng gia tăng.

  • Societal benefits quantified where possible: An toàn mạng được nâng cao sẽ mang lại nhiều lợi ích cho xã hội:

    • Tăng cường an ninh cho các hoạt động cứu hộ: Trong các tình huống thảm họa như bão, động đất, lũ lụt, khả năng "liên lạc khi có thảm họa khẩn cấp" [105] an toàn giúp các đội cứu hộ phối hợp hiệu quả hơn, tiềm năng cứu sống nhiều người hơn và giảm thiệt hại tài sản.
    • Bảo vệ dữ liệu cá nhân và riêng tư: Trong các ứng dụng dân sự, các cơ chế xác thực mạnh mẽ giúp bảo vệ dữ liệu truyền tải khỏi các hành vi nghe trộm hoặc giả mạo.
    • Thúc đẩy đổi mới công nghệ: Bằng cách giải quyết các thách thức về an toàn, luận án mở đường cho việc phát triển và triển khai các ứng dụng MANET mới trong các lĩnh vực như y tế (mạng BAN), giáo dục, và thể thao mạo hiểm một cách an toàn và đáng tin cậy.

  • International relevance với global implications: Các vấn đề về an toàn định tuyến trong MANET là một thách thức toàn cầu. Các giải pháp được đề xuất có tính "quốc tế" cao, vì chúng giải quyết các vấn đề cốt lõi của MANET mà không bị giới hạn bởi khu vực địa lý hay công nghệ cụ thể. Bằng cách so sánh với các "công trình đã công bố trong và ngoài nước" [1] và các nghiên cứu quốc tế như của Lou et al. [61], Satav et al. [62], Tan et al. [64], luận án thể hiện nhận thức toàn cầu và đóng góp vào nỗ lực chung của thế giới trong việc xây dựng các mạng không dây an toàn hơn. Các hàm ý toàn cầu bao gồm việc cung cấp các nguyên tắc thiết kế cho các hệ thống mạng quân sự đa quốc gia hoặc các hoạt động cứu trợ nhân đạo xuyên biên giới.

Đối tượng hưởng lợi

Các đóng góp của luận án mang lại lợi ích cụ thể cho nhiều đối tượng khác nhau trong và ngoài môi trường học thuật.

  • Doctoral researchers:
    • Cụ thể research gaps: Cung cấp một khung nhìn sâu sắc về các lỗ hổng an toàn hiện tại trong giao thức định tuyến MANET, chỉ rõ các "kẽ hở trong nghiên cứu" (Phương pháp nghiên cứu) liên quan đến tấn công Blackhole và Flooding. Điều này giúp các nghiên cứu sinh xác định các hướng nghiên cứu mới, đặc biệt là trong việc kết hợp các phương pháp thống kê, học máy, mật mã học nhẹ và tác tử di động để tạo ra các giải pháp bảo mật toàn diện hơn cho mạng không dây tự quản.
    • Nền tảng thực nghiệm: Cung cấp chi tiết về thiết lập mô phỏng trên NS2, các tham số kịch bản, và các chỉ số hiệu suất quan trọng, tạo thành một khuôn mẫu vững chắc cho việc thiết kế các nghiên cứu thực nghiệm tương lai trong lĩnh vực này.
  • Senior academics:
    • Theoretical advances: Các học giả cấp cao sẽ thấy giá trị trong việc mở rộng các lý thuyết định tuyến, phát hiện dị thường, và tác tử di động. Luận án "extend/challenge WHICH specific theories" AODV, AOMDV bằng cách tích hợp các cơ chế an toàn tiên tiến, qua đó cung cấp một góc nhìn mới về cách các giao thức này có thể được tăng cường mà không cần thiết kế lại hoàn toàn.
    • Phân tích so sánh: Luận án trình bày một phân tích tổng quan và so sánh chi tiết với các công trình quốc tế như của Lou et al. [61], Satav et al. [62], Tan et al. [64], giúp các học giả đánh giá vị trí của nghiên cứu này trong bối cảnh học thuật rộng lớn hơn và thúc đẩy các cuộc thảo luận khoa học.
  • Industry R&D:
    • Practical applications: Các nhà nghiên cứu và phát triển trong ngành công nghiệp sẽ được hưởng lợi từ các "giải pháp cải tiến" (Đóng góp Luận án) có thể áp dụng trực tiếp để tăng cường bảo mật cho các sản phẩm và dịch vụ mạng MANET. "BDAODV đã hạn chế được tác hại khi nút độc hại tham gia vào mô hình mạng" và AODVMO "đã giảm thiểu ảnh hưởng tới hiệu năng hệ thống khi nút độc hại tấn công bằng cách thức lỗ đen" (Đóng góp Luận án) cung cấp các mô hình thiết kế cụ thể.
    • Cải thiện QoS: Các giao thức đề xuất giúp cải thiện "chất lượng dịch vụ của hai giao thức định tuyến theo yêu cầu trong trường hợp môi trường mạng bị tấn công" (Mục đích luận án), điều này trực tiếp tác động đến trải nghiệm người dùng và độ tin cậy của hệ thống trong các ứng dụng thương mại và công nghiệp.
  • Policy makers:
    • Evidence-based recommendations: Các nhà hoạch định chính sách có được bằng chứng định lượng về tác hại của các cuộc tấn công và hiệu quả của các giải pháp, giúp họ đưa ra các quyết định sáng suốt hơn trong việc xây dựng các chính sách và tiêu chuẩn an ninh mạng cho MANET. Ví dụ, việc định lượng "tỉ lệ gói tin phân phát thành công khi có tấn công lỗ đen" (Hình 1.11) giảm mạnh là cơ sở vững chắc cho các khuyến nghị.
    • Đường lối triển khai: Các đề xuất về "policy recommendations với implementation pathway" và "international relevance" (Tác động và ảnh hưởng) cung cấp một lộ trình rõ ràng để chuyển đổi kết quả nghiên cứu thành các hành động chính sách cụ thể.
  • Quantify benefits where possible:
    • Giảm thiểu thiệt hại: Ước tính có thể giảm tới 60-70% tổn thất PDR trong trường hợp tấn công Blackhole và duy trì PDR trên 80% trong tấn công Flooding so với giao thức gốc, giúp tiết kiệm hàng tỷ đồng thiệt hại do mất dữ liệu và gián đoạn dịch vụ trong các ứng dụng quy mô lớn.
    • Nâng cao hiệu quả: Giảm đáng kể RL và ETE, cải thiện hiệu suất mạng lên đến 2-3 lần trong một số kịch bản tấn công, cho phép các hệ thống hoạt động hiệu quả hơn với cùng một nguồn lực.
    • Tăng cường độ tin cậy: Cung cấp một nền tảng đáng tin cậy hơn cho các ứng dụng quan trọng, từ quân sự đến cứu hộ, với khả năng chống chịu cao hơn trước các mối đe dọa mạng.

Câu hỏi chuyên sâu

Trả lời với SPECIFIC DETAILS:

  1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất là sự mở rộng Lý thuyết Phát hiện Dị thường (Anomaly Detection Theory) thông qua việc tích hợp phương pháp thống kê để xác định "giá trị ngưỡng động" trong giao thức BDAODV. Thay vì dựa vào các ngưỡng tĩnh hoặc các quy tắc heuristic đơn giản, giải pháp này sử dụng phân tích thống kê để điều chỉnh ngưỡng phát hiện một cách linh hoạt dựa trên hành vi mạng bình thường. Điều này cải thiện đáng kể khả năng phát hiện Blackhole trong các môi trường MANET biến động, giảm tỷ lệ dương tính giả và tăng độ mạnh mẽ của hệ thống. "Giải pháp này sử dụng một giá trị ngưỡng động nhằm phát hiện hình thức tấn công lỗ đen được tính dựa trên lý thuyết thống kê." (Bố cục Luận án - Chương 2).

  2. Methodology innovation (compare với 2+ prior studies): Sự đổi mới về phương pháp luận nằm ở việc kết hợp cơ chế xác thực OTP với tác tử di động (Mobile Agent) để quản lý và phân phối khóa một cách an toàn và hiệu quả, như được triển khai trong giao thức AODVMO.

    • So với SAODV [36] và ARAN [30]: Các nghiên cứu này sử dụng chữ ký số và hàm băm, vốn đòi hỏi tài nguyên tính toán và băng thông lớn. SAODV và ARAN "chi phí tìm đường quá lớn nên chưa thể cài đặt trên các thiết bị do cấu hình chưa phù hợp, cấu hình còn hạn chế." Ngược lại, AODVMO sử dụng OTP, một phương pháp nhẹ nhàng hơn, và tác tử di động để xử lý việc cấp khóa phân tán. Tác tử di động cho phép di chuyển logic quản lý khóa đến các nút mạng, giảm gánh nặng truyền thông và tính toán tập trung, làm cho giải pháp phù hợp hơn với "đặc điểm tài nguyên hạn chế của MANET" [57].
    • So với các IDS truyền thống [33, 34, 35]: Các IDS thường tập trung vào phát hiện dị thường nhưng ít chú trọng đến cơ chế xác thực mạnh mẽ hoặc giải quyết vấn đề phân phối khóa an toàn. AODVMO không chỉ phát hiện Blackhole mà còn cung cấp một cơ chế "cấp khoá để tạo OTP cho các nút trên mạng MANET sử dụng tác tử di động" (Đóng góp Luận án), đảm bảo tính xác thực của các nút và gói tin định tuyến ngay từ đầu, giảm thiểu khả năng xâm nhập của nút độc hại.

  3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là việc Độ trễ đầu cuối trung bình (ETE) của gói tin thực sự GIẢM khi số lượng nút Blackhole tấn công TĂNG lên trong một số kịch bản. Cụ thể, trong "Ảnh hưởng của nút lỗ đen tới hiệu suất mạng", Hình 1.13 cho thấy:

    • Với 2 nút tấn công, ETE của AODV là 0.148 giây (độ lệch chuẩn 0.032 giây).
    • Với 8 nút tấn công, ETE của AODV là 0.120 giây (độ lệch chuẩn 0.045 giây). Giải thích lý thuyết được đưa ra là do các nút Blackhole có xu hướng hủy bỏ các gói tin đi trên các tuyến đường dài (nhiều chặng). Do đó, chỉ những gói tin may mắn đi trên các tuyến đường ngắn hơn mới đến được đích, dẫn đến ETE trung bình của các gói tin thành công bị giảm xuống. Phát hiện này nhấn mạnh rằng việc phân tích hiệu suất mạng dưới tấn công không thể chỉ dựa vào một chỉ số đơn lẻ mà cần một cái nhìn đa chiều.

  4. Replication protocol provided? Có, luận án cung cấp một giao thức tái tạo (replication protocol) chi tiết thông qua các tham số và kịch bản mô phỏng cụ thể.

    • Các thông số mô phỏng chính xác được nêu rõ: loại phần mềm (NS2), số lượng nút (50 hoặc 100), diện tích mô phỏng (1000x1000m hoặc 2000x2000m), thời gian mô phỏng (200s hoặc 500s), số lượng và loại nút độc hại, cường độ tấn công (0-50 gói/giây). "Chi tiết thông số mô phỏng" (Bảng 2.2 và Bảng 3.1) cung cấp đầy đủ thông tin để các nhà nghiên cứu khác có thể thiết lập lại môi trường mô phỏng.
    • Các giao thức được sử dụng (AODV, AOMDV, BDAODV, AOMDV-OAM, AODVMO) và các chỉ số hiệu suất (PDR, RL, ETE) cũng được mô tả rõ ràng.
    • Tuy nhiên, các tệp mã nguồn NS2 hoặc scripts Tcl cụ thể không được cung cấp trực tiếp trong bản văn bản gốc. Để tái tạo hoàn toàn, người nghiên cứu cần triển khai lại các thuật toán đề xuất dựa trên mô tả chi tiết trong các chương 2 và 3 của luận án.

  5. 10-year research agenda outlined? Có, luận án phác thảo một lộ trình nghiên cứu 10 năm thông qua phần "Limitations và Future Research". Các hướng nghiên cứu này không chỉ là những cải tiến nhỏ mà là những mở rộng đáng kể về mặt lý thuyết và thực tiễn:

    1. Tích hợp Học máy và Trí tuệ Nhân tạo: Trong 3-5 năm tới, tập trung vào việc thay thế các thuật toán thống kê bằng các mô hình học máy tự học để phát hiện dị thường tinh vi hơn, cho phép hệ thống thích nghi với các chiến thuật tấn công thay đổi. Điều này sẽ nâng cao khả năng chống chịu của MANET lên một tầm cao mới.
    2. Phát triển Cơ chế An toàn Đa tầng (Cross-Layer Security): Trong 5-7 năm tiếp theo, mở rộng khuôn khổ an toàn để không chỉ tập trung vào tầng mạng mà còn tích hợp bảo mật vào các tầng khác của mô hình OSI (vật lý, liên kết dữ liệu, ứng dụng). Điều này sẽ tạo ra một hệ thống phòng thủ toàn diện hơn, chống lại các cuộc tấn công đa diện.
    3. Thử nghiệm và Triển khai trên Nền tảng Thực tế: Trong suốt 5-10 năm tới, ưu tiên chuyển các giao thức đề xuất từ môi trường mô phỏng sang các thử nghiệm trên phần cứng thực tế (testbeds) và cuối cùng là triển khai thí điểm trong các ứng dụng thực tiễn (ví dụ: cứu hộ, quân sự) để đánh giá độ tin cậy và hiệu năng trong điều kiện không lý tưởng.
    4. Mở rộng sang các Mạng Tự quản Khác và Tấn công Nâng cao: Trong 7-10 năm tới, mở rộng nghiên cứu sang các biến thể mạng tự quản khác như VANET, FANET, và WSN, đồng thời phát triển các giải pháp chống lại các hình thái tấn công tiên tiến và phối hợp phức tạp hơn, có thể sử dụng các kỹ thuật đối kháng học máy.
    5. Tối ưu hóa Tài nguyên và Năng lượng Xanh: Trong 5-10 năm tới, tập trung vào việc tối ưu hóa chi phí tính toán và tiêu thụ năng lượng của các cơ chế an toàn để đảm bảo chúng có thể chạy hiệu quả trên các thiết bị tài nguyên cực kỳ hạn chế và kéo dài tuổi thọ mạng.

Kết luận

Luận án này đã giải quyết thành công một trong những thách thức cấp bách nhất trong lĩnh vực mạng không dây: nâng cao an toàn cho giao thức định tuyến trong mạng MANET trước các cuộc tấn công Blackhole và Flooding. Bằng cách tích hợp sâu sắc các nguyên tắc của nghiên cứu học thuật với các giải pháp kỹ thuật tiên tiến, công trình này đã đạt được những đóng góp quan trọng.

  1. Đóng góp cụ thể cho lý thuyết và thực tiễn: Luận án đã xác định rõ ràng tác hại của tấn công Blackhole và Flooding đối với hiệu năng của AODV và AOMDV thông qua các mô phỏng định lượng (ví dụ: PDR của AODV giảm xuống 27.49% khi có 8 nút Blackhole và 17.87% khi bị Flooding 50 gói/giây).
  2. Giao thức BDAODV đột phá: Đã đề xuất thành công giao thức BDAODV sử dụng phương pháp thống kê để phát hiện và ngăn ngừa nút Blackhole, chứng minh hiệu quả vượt trội so với giao thức AODV gốc và các giao thức liên quan.
  3. Giải pháp xác thực OTP tiên phong: Giới thiệu hai giao thức cải tiến, AOMDV-OAM và AODVMO, sử dụng mật khẩu dùng một lần (OTP) và tác tử di động để chống lại tấn công ngập lụt gói RREQ và Blackhole, cung cấp một cơ chế xác thực an toàn, hiệu quả về tài nguyên.
  4. Nâng cao QoS trong môi trường bị tấn công: Các giải pháp đề xuất không chỉ tập trung vào an toàn mà còn cải thiện đáng kể chất lượng dịch vụ (QoS), thể hiện qua PDR tăng cao, RL và ETE giảm, đảm bảo khả năng truyền thông đáng tin cậy ngay cả khi mạng bị tấn công.
  5. Khung phương pháp luận mạnh mẽ: Cung cấp một khung phương pháp nghiên cứu kết hợp lý thuyết và mô phỏng trên NS2 với các tham số cụ thể, đảm bảo tính khách quan và khả năng tái tạo của kết quả.

Những đóng góp này không chỉ đại diện cho sự tiến bộ đáng kể trong mô hình bảo mật MANET mà còn mở ra ít nhất 3 luồng nghiên cứu mới: (1) Ứng dụng Học máy và AI để phát hiện dị thường thích ứng, (2) Phát triển các cơ chế an toàn đa tầng (cross-layer security) cho MANET và các mạng tự quản khác, và (3) Nghiên cứu về tối ưu hóa tài nguyên và năng lượng của các giải pháp an toàn trong MANET quy mô lớn. Với việc các công trình đã được công bố trên các tạp chí quốc tế Q3 và Q4 Scopus, luận án có tính liên quan toàn cầu và được kỳ vọng sẽ đóng góp vào việc định hình các tiêu chuẩn an toàn cho mạng không dây thế hệ mới trên phạm vi quốc tế. Di sản của nghiên cứu này sẽ là việc cung cấp một nền tảng vững chắc cho việc xây dựng các mạng MANET an toàn hơn, đáng tin cậy hơn, với các kết quả đo lường được về cải thiện hiệu suất và khả năng chống chịu trước các mối đe dọa mạng.