Ngày 10/9/2021, Viện Công nghệ Thông tin đã tổ chức thành công Hội thảo khoa học với chủ đề “Mạng Internet vạn vật (IoT): một số vấn đề về bảo mật và trí tuệ nhân tạo” dưới sự chủ trì của PGS.TS. Trần Xuân Tú. Hội thảo đã thu hút được gần 100 nhà khoa học, chuyên gia và kỹ sư công nghệ đến từ các trường đại học, viện nghiên cứu và doanh nghiệp công nghệ tham dự. Tham dự và trình bày tại Hội thảo có các chuyên gia đến từ Học viện Kỹ thuật Quân sự và Viện Công nghệ Thông tin, ĐHQGHN.
Báo cáo mời thứ nhất về “Các cơ hội và thách thức trong thiết kế và phát triển phần cứng an toàn và giải pháp an toàn phần cứng cho các thiết bị IoT có công suất tiêu thụ siêu thấp” do TS. Bùi Duy Hiếu – Phòng Công nghệ mạng và truyền thông, Viện Công nghệ Thông tin trình bày. Trong những năm vừa qua, nhờ những tiến bộ nhanh chóng của công nghệ truyền thông, công nghệ tính toán, công nghệ cảm biến, trí tuệ nhân tạo, điện toán đám mây và công nghệ bán dẫn (vi mạch), mạng Internet vạn vật đã trở thành xu thế công nghệ mới, đóng vai trò quan trọng trong cuộc cách mạng công nghiệp lần thứ 4 và chuyển đổi số. Trong quá trình hoạt động, các thiết bị IoT có thể thu thập, truyền và xử lý các dữ liệu bí mật hoặc mang tính riêng tư; do đó, nảy sinh vấn đề bảo mật dữ liệu. Việc áp dụng hay triển khai các cơ chế bảo mật cho các thiết bị IoT giá thành rẻ và siêu tiết kiệm công suất tiêu thụ là một trong những thách thức vì các lý do như: khả năng tính toán và bộ nhớ hạn chế của thiết bị IoT, yêu cầu tiêu thụ điện năng thấp do thiết bị IoT thường sử dụng nguồn nuôi bằng pin. Bài báo cáo của TS. Hiếu đã tổng quan các xu hướng công nghệ và các nghiên cứu mới liên quan đến việc xây dựng và lựa chọn giải pháp triển khai các thuật toán mã hóa bảo mật phù hợp cho các thiết bị IoT tiêu thụ điện năng siêu thấp và các nghiên cứu phát triển hiện tại của nhóm nghiên cứu về giải pháp phần cứng bảo mật cũng như nền tảng đánh giá ước lượng mức độ bảo mật phần cứng do nhóm đề xuất dựa trên các công cụ ước lượng công suất tiêu thụ chuyên dụng. Báo cáo cũng đề cập đến các xu hướng phát triển công nghệ trong tưởng lai liên quan đến vấn đề bảo mật thông tin cho các ứng dụng IoT.
Báo cáo thứ hai về “Phân tích kênh bên dựa vào học máy và nhận biết phần cứng gián điệp” do PGS.TS. Hoàng Văn Phúc, Viện Tích hợp, Học viện Kỹ thuật Quân sự trình bày. Vấn đề bảo mật hệ thống thông tin đang trở nên nổi cộm, đặc biệt trong bối cảnh hướng tới các thành phố thông minh dựa trên nền tảng IoT. Trong thời gian qua, có nhiều nghiên cứu báo cáo khả năng sử dụng các vi mạch và công cụ phần cứng để thu thập thông tin một cách bất hợp pháp và tấn công hệ thống thông tin. Bên cạnh đó, công nghệ chế tạo mạch tích hợp (IC) đã phát triển nhanh chóng để nó có thể thực hiện các thuật toán phức tạp và kỹ thuật xử lý thông minh, nhưng cũng dẫn đến các mối đe dọa bảo mật phần cứng ở bất kỳ bước nào của quy trình thiết kế và chế tạo vi mạch. Các hệ thống IoT nói riêng trong hệ thống điện tử hiện đại nói chung yêu cầu đảm bảo an ninh phần cứng với trọng tâm là lõi mật mã đáng tin cậy, giải pháp xác thực thiết bị, ngăn chặn giả mạo chip (IC), phát hiện phần cứng gián điệp (Hardware Trojan) và phần cứng thiết bị IoT đáng tin cậy (dựa trên bộ xử lý an toàn – trusted processor). Các chủ đề này có nhiều vấn đề mới cần giải quyết như việc triển khai các chức năng không thể mở khóa vật lý (PUF) để xác thực thiết bị IoT, phát hiện phần cứng gián điệp, các biện pháp đối phó tấn công kênh bên cho lõi mật mã và thiết kế phần cứng cho các nút IoT an toàn, đáng tin cậy dựa trên bộ xử lý mã nguồn mở RISC-V. Hơn nữa, sự phát triển không ngừng của học máy, đặc biệt là học sâu, các kỹ thuật cung cấp một cách tiếp cận hiệu quả để bảo mật phần cứng. Bài trình bày của PGS.TS. Hoàng Văn Phúc cũng đề cập đến các giải pháp ứng dụng học máy trong bảo mật phần cứng cho các hệ thống IoT an toàn với trọng tâm là phân tích kênh bên dựa trên học máy và phát hiện phần cứng gián điệp.
Báo cáo thứ ba đề cập đến “Kiến trúc phần cứng cho mạng nơ-ron xung điện (Deep Spiking Neural Networks) và một số kết quả nghiên cứu” do ThS. Nguyễn Duy Anh trình bày. Gần đây, Deep Spiking Neural Network (DSNN) đã nổi lên như một phương pháp tiếp cận thần kinh đa hình (neuromorphic) đầy hứa hẹn cho các ứng dụng trí tuệ nhân tạo khác nhau, chẳng hạn như phân loại hình ảnh, nhận dạng giọng nói, điều khiển rô-bốt, v.v. trên các nền tảng điện toán biên. Trong nghiên cứu này, nhóm đã đề xuất một phương pháp huấn luyện thân thiện với phần cứng cho DSNN cho phép các trọng số được giới hạn ở định dạng bậc ba, nhờ đó giảm được không gian bộ nhớ và mức độ tiêu thụ năng lượng. Mô phỏng phần mềm trên bộ dữ liệu MNIST và CIFAR10 cho thấy phương pháp huấn luyện của chúng tôi có thể đạt độ chính xác 97% đối với MNIST (mạng kết nối đầy đủ 3 lớp) và 89,71% đối với CIFAR10 (VGG16). Để chứng minh hiệu quả năng lượng của phương pháp tiếp cận, chúng tôi đã đề xuất một mô-đun xử lý thần kinh để triển khai DSNN đã được đào tạo. Khi được triển khai dưới dạng một hệ thống 3 lớp được kết nối đầy đủ, hệ thống đã đạt đến mức tiêu thụ năng lượng hiệu quả, chỉ 74nJ / hình ảnh với độ chính xác phân loại là 97% đối với tập dữ liệu MNIST. Chúng tôi cũng đã xem xét một thiết kế có thể mở rộng để hỗ trợ các cấu trúc liên kết mạng phức tạp hơn khi chúng tôi tích hợp mô-đun xử lý thần kinh với mạng trên chip có cấu trúc liên kết 3 chiều.
