TỔNG QUAN VỀ KỸ THUẬT BẢO MẬT ĐA TẦNG CHO HỆ THỐNG IOT TÍCH HỢP AI
DOI:
https://doi.org/10.59266/houjs.2026.1175Keywords:
internet vạn vật, trí tuệ nhân tạo, học máy, hệ thống phát hiện xâm nhập, học liên kết, AI có thể giải thíchAbstract
Trong bối cảnh hệ sinh thái Internet vạn vật (IoT) phát triển nhanh chóng với quy mô hàng tỷ thiết bị, vấn đề bảo mật đang trở thành một thách thức mang tính sống còn đối với các hệ thống thông tin truyền thống. Sự hạn chế về tài nguyên tính toán và tính phân tán cao của các nút mạng biên đã làm suy yếu hiệu quả của các cơ chế phòng thủ cổ điển. Các kỹ thuật trí tuệ nhân tạo (AI) và học máy (ML), tiêu biểu như Random Forest, mạng Nơ-ron tích chập (CNN), mạng bộ nhớ dài - ngắn (LSTM), Autoencoder và BiLSTM, đang được áp dụng ngày càng sâu rộng trong nỗ lực nâng cao tính an toàn, linh hoạt và khả năng tự thích ứng của các hệ thống IoT. Bài viết tổng quan này tiến hành phân tích chi tiết kiến trúc phân lớp của hệ thống IoT hiện đại, đánh giá toàn diện các lỗ hổng bảo mật tại từng phân tầng, và khảo sát các phương pháp tiếp cận AI/ML tiên tiến đang được triển khai. Đặc biệt, nghiên cứu đi sâu vào các xu hướng công nghệ mới nổi định hình tương lai bảo mật IoT, bao gồm học liên kết (Federated Learning - FL) giúp bảo vệ quyền riêng tư, AI có khả năng giải thích (XAI) nhằm tăng tính minh bạch, các cơ chế bảo vệ tính toàn vẹn của mô hình AI, và kiến trúc phòng thủ đa tầng. Dựa trên các phân tích chuyên sâu, tác giả đề xuất một mô hình kiến trúc bảo mật IoT tích hợp AI đa tầng, đồng thời vạch ra các định hướng nghiên cứu chiến lược nhằm đáp ứng yêu cầu thực tiễn trong kỷ nguyên công nghiệp 4.0.
References
Ahmed, N., Michelin, R. A., Xue, W., Ruj, S., Malaney, R., Kanhere, S. S., ... & Jha, S. (2022). A survey of COVID-19 contact tracing apps. IEEE Access, 8, 134577-134601.
Aouedi, O., Piamrat, K., Parrein, B., & Kamal, A. E. (2024). A survey on intelligent Internet of Things: Applications, security, privacy, and future directions. IEEE Communications Surveys & Tutorials, 27(2), 1238-1292.
Antonakakis, M., April, T., Bailey, M., Bernhard, M., Bursztein, E., Cochran, J., et al. (2017). Understanding the Mirai botnet. In Proceedings of the 26th USENIX Security Symposium (pp. 1093-1110).
Baral, S., Pahl, C., & Helmer, S. (2024). An adaptive end-to-end IoT security framework using explainable AI and LLMs. arXiv preprint arXiv:2409.13177.
Bitdefender. (2024). The 2024 IoT security landscape report. Bitdefender Research Publications.
Compunnel. (2024). Addressing 2024’s IoT security challenges within compliance frameworks. Compunnel Technical Report.
Diro, A. A., & Chilamkurti, N. (2018). Distributed attack detection scheme using deep learning approach for IoT. Future Generation Computer Systems, 82, 761-768.
Ferdous, J., Islam, R., Mahboubi, A., & Islam, M. Z. (2024). A survey on ML techniques for multi-platform malware detection. Sensors, 25(4), 1153.
Gelenbe, E., Domanska, J., Kadioglu, Y., & Domanski, A. (2024). DISFIDA: Distributed self-supervised federated intrusion detection algorithm. Internet of Things, 28, 101340.
Gueriani, A. K., Mazari, H., & Cherif, A. (2024). Deep reinforcement learning for intrusion detection in IoT: A survey. ResearchGate.
Gupta, P., Verma, D. K., & Gupta, A. (2024). Unveiling the layered architecture of IoT. In Handbook of research on AI- enabled smart healthcare systems (pp. 150-175). IGI Global.
Hassan, A., Nizam-Uddin, N., & Quddus, A. (2024). Navigating IoT security: Architecture, attacks, and AI-driven solutions. Computers, Materials & Continua, 81(3), 3499-3599.
Kikissagbe, B. R., & Adda, M. (2024). Machine learning-based intrusion detection methods in IoT systems. Electronics, 13(18), 3601.
Laghari, A. A., Li, H., Khan, A. A., & Shoulin, Y. (2024). Internet of Things applications: Security trends and challenges. Discover Internet of Things, 4(1), 1-15.
Nguyen, T. T., Tran, N. Q., & Pham, V. C. (2023). Federated learning for privacy- preserving IoT security. IEEE Internet of Things Journal, 10(12), 10582-10595.
Netgear. (2024). The 2024 IoT security landscape report. NETGEAR Security Team.
Statista. (2024). Number of Internet of Things (IoT) connected devices worldwide from 2019 to 2030. Statista Research Department
Schmitt, M. (2023). Securing the digital world: Protecting smart infrastructures with AI-enabled IDS. arXiv:2401.01342.
Soofi, A. A., Tahir, M., & Raza, N. (2024). Securing the Internet of Things: A review of security challenges and AI solutions. FUJEAS, 4(2), 112-128.
Wei, Z., Wei, Q., Geng, Y., & Yang, Y. (2024). A survey on IoT security: Vulnerability detection and protection. In Proceedings of the International Conference on Artificial Intelligence of Things and Computing (AITC) (pp. 1-8).
Zhang, et al. (2025). Digital watermarking for virtual physically unclonable function data concealment and authentication. Scientific Reports.
