បញ្ហា (The Problem)៖ អត្ថបទនេះដោះស្រាយបញ្ហានៃភាពងាយរងគ្រោះរបស់ប្រព័ន្ធសាយប៊ើ-រូបវិទ្យា (CPS) ដូចជាយន្តហោះគ្មានមនុស្សបើក និងបណ្តាញអគ្គិសនី ចំពោះការវាយប្រហារតាមអ៊ីនធឺណិត ដែលវិធីសាស្ត្រការពារបណ្តាញប្រពៃណីមិនអាចការពារបានទាំងស្រុង។
វិធីសាស្ត្រ (The Methodology)៖ អ្នកនិពន្ធបានស្នើវិធីសាស្ត្រការពារដែលផ្តោតលើលក្ខណៈរូបវិទ្យា ដោយប្រើប្រាស់គោលការណ៍នៃនិចលភាព និងភាពតាមខួប ដើម្បីបង្កើតភាពធន់នៃប្រព័ន្ធ ទោះបីជាផ្នែកទន់ត្រូវរងការវាយប្រហារក៏ដោយ។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Hardware Redundancy (FDI & FR) ការប្រើប្រាស់ផ្នែករឹងបម្រុងដើម្បីស្វែងរក និងញែកកំហុស (Fault Detection and Isolation) |
មានភាពជាក់លាក់ខ្ពស់ក្នុងការរកឃើញការវាយប្រហារលើសេនស័រ និងប្រព័ន្ធបញ្ជា ដោយមិនប៉ះពាល់ដល់ប្រព័ន្ធដើម។ | ចំណាយខ្ពស់ក្នុងការដំឡើងផ្នែករឹងបន្ថែម និងបង្កើនទម្ងន់ដល់ឧបករណ៍ (ដូចជាយន្តហោះដ្រូនជាដើម)។ | អាចរកឃើញការវាយប្រហារបានយ៉ាងមានប្រសិទ្ធភាពដោយប្រើតម្រង Smooth Variable Structure Filter (SVSF)។ |
| BFT++ (Byzantine Fault Tolerance++) ប្រព័ន្ធការពារកំហុសដែលប្រើប្រាស់ភាពចម្រុះនៃផ្នែកទន់ និងនិចលភាពរូបវិទ្យា |
ការពារប្រព័ន្ធចាស់ៗ (Legacy Systems) បានល្អ និងមានលក្ខណៈកំណត់ជាក់លាក់ (Deterministic) ដោយមិនត្រូវការការសរសេរកូដថ្មីទាំងស្រុង។ | ទាមទារឱ្យមានការចម្លងប្រព័ន្ធបញ្ជា (Replicas) ច្រើន និងការកំណត់ពេលវេលា (Timing) ដ៏ស្មុគស្មាញ។ | បានបង្ហាញសមត្ថភាពការពារជោគជ័យនៅក្នុងកម្មវិធីប្រកួតប្រជែង Hack The Machine របស់កងទ័ពជើងទឹកអាមេរិក។ |
| YOLO (You Only Live Once) យុទ្ធសាស្ត្រចាប់ផ្តើមប្រព័ន្ធបញ្ជាឡើងវិញជាប្រចាំ (Periodic Restart) ដើម្បីកាត់បន្ថយរយៈពេលនៃការវាយប្រហារ |
ចំណាយតិចបំផុតព្រោះមិនត្រូវការផ្នែករឹងបន្ថែម និងងាយស្រួលអនុវត្តលើឧបករណ៍ដែលមានធនធានកំណត់។ | បច្ចុប្បន្នមិនទាន់គាំទ្រការស្តារស្ថានភាពដើម (Stateful Recovery) និងមានចន្លោះពេលដែលមិនអាចគ្រប់គ្រងបានក្នុងអំឡុងពេលចាប់ផ្តើមឡើងវិញ។ | មានប្រសិទ្ធភាពសម្រាប់យានយន្ត និងដ្រូន ដោយពឹងផ្អែកលើនិចលភាព (Inertia) របស់ឧបករណ៍ដើម្បីរក្សាលំនឹងពេល Reset ។ |
| RL-Assisted Control ការប្រើប្រាស់ Reinforcement Learning ដើម្បីស្តារការគ្រប់គ្រងពេលមានកំហុស |
អាចស្តារការគ្រប់គ្រងបានដោយមិនចាំបាច់ធ្វើរោគវិនិច្ឆ័យរកប្រភពកំហុសជាក់លាក់ និងបត់បែនតាមស្ថានភាព។ | ទាមទារការបណ្តុះបណ្តាលក្នុងបរិស្ថាននិម្មិត (Simulation) ជាមុនសិន ហើយលទ្ធផលមិនមានការធានា ១០០% ដូចវិធីសាស្ត្រតក្កវិជ្ជា។ | អាចផ្ទេរគោលនយោបាយដែលបានរៀនក្នុង Simulation ទៅកាន់ដ្រូនពិតប្រាកដ ដើម្បីហោះហើរបានទោះបីមានកំហុសសេនស័រ។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តវិធីសាស្ត្រទាំងនេះទាមទារការវិនិយោគផ្សេងៗគ្នា ដោយវិធីសាស្ត្រផ្នែករឹងចំណាយប្រាក់ច្រើន រីឯវិធីសាស្ត្រផ្នែកទន់ទាមទារជំនាញខ្ពស់ខាងគណិតវិទ្យានិងការពិសោធន៍។
ការសិក្សានេះពឹងផ្អែកខ្លាំងលើការពិសោធន៍ និងគម្រោងរបស់យោធាអាមេរិក (DARPA/Navy) ដែលផ្តោតលើប្រព័ន្ធការពារកម្រិតខ្ពស់។ សម្រាប់កម្ពុជា ទិន្នន័យជាក់ស្តែងពីបរិស្ថានក្នុងស្រុក (ដូចជាកំដៅ ឬធូលីដីក្នុងវិស័យកសិកម្ម) អាចជះឥទ្ធិពលលើប្រសិទ្ធភាពនៃសេនស័រ ដែលមិនត្រូវបានរំលេចច្បាស់ក្នុងឯកសារនេះ។
វិធីសាស្ត្រទាំងនេះមានសារៈសំខាន់ណាស់សម្រាប់កម្ពុជា ស្របពេលដែលយើងកំពុងចាប់ផ្តើមប្រើប្រាស់បច្ចេកវិទ្យាស្វ័យប្រវត្តិកម្មកាន់តែច្រើន។
ទោះបីជាបច្ចេកវិទ្យាខ្លះមានកម្រិតខ្ពស់ក៏ដោយ គោលគំនិតនៃការប្រើប្រាស់ 'រូបវិទ្យា' ដើម្បីការពារ 'ប្រព័ន្ធសាយប៊ើ' គឺជាដំណោះស្រាយដែលមានតម្លៃសមរម្យ និងមានប្រសិទ្ធភាពសម្រាប់ប្រទេសកំពុងអភិវឌ្ឍន៍ដូចកម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Cyber-Physical Systems (CPS) | ប្រព័ន្ធដែលកុំព្យូទ័រ (Cyber) ត្រូវបានប្រើដើម្បីតាមដាន និងគ្រប់គ្រងដំណើរការនៃរូបធាតុរូបវន្ត (Physical) ដូចជាបណ្តាញអគ្គិសនី យានយន្ត ឬរោងចក្រឧស្សាហកម្ម។ | ដូចជាខួរក្បាល (កុំព្យូទ័រ) ដែលបញ្ជាសាច់ដុំ (ម៉ាស៊ីន) ឱ្យធ្វើចលនាក្នុងពិភពពិត។ |
| Inertia | លក្ខណៈរូបវិទ្យាដែលវត្ថុមួយបន្តរក្សស្ថានភាពចលនារបស់វា។ ក្នុងឯកសារនេះ និចលភាពជួយឱ្យម៉ាស៊ីនបន្តដំណើរការដោយសុវត្ថិភាពក្នុងរយៈពេលខ្លី ខណៈពេលដែលប្រព័ន្ធគ្រប់គ្រង (Controller) កំពុងចាប់ផ្តើមឡើងវិញ។ | ដូចជាកង្ហារដែលនៅតែបន្តវិលមួយសន្ទុះដោយសារកម្លាំងចាស់ ទោះបីជាយើងបានដកឌុយភ្លើងចេញក៏ដោយ។ |
| Byzantine Fault Tolerance (BFT) | សមត្ថភាពរបស់ប្រព័ន្ធកុំព្យូទ័រក្នុងការបន្តដំណើរការបានត្រឹមត្រូវ ទោះបីជាមានសមាសភាគមួយចំនួនខូច ឬផ្តល់ព័ត៌មានកុហក (ដោយសារការវាយប្រហារ) ក៏ដោយ។ | ដូចជាការបោះឆ្នោតក្នុងអង្គប្រជុំមួយ ដែលលទ្ធផលនៅតែត្រឹមត្រូវ ទោះបីជាមានសមាជិកមួយចំនួនតូចព្យាយាមកុហក ឬបន្លំក៏ដោយ។ |
| Software Brittleness | យុទ្ធសាស្ត្រការពារដែលធ្វើឱ្យកម្មវិធីឈប់ដំណើរការ (Crash) និងចាប់ផ្តើមឡើងវិញភ្លាមៗនៅពេលរកឃើញការវាយប្រហារ ជាជាងបន្តដំណើរការក្នុងស្ថានភាពគ្រោះថ្នាក់។ | ដូចជាកែវដែលបែកខ្ទេចភ្លាមៗពេលធ្លាក់ (មិនអាចប្រើបានទៀត) ជាជាងនៅជាផើងប្រេះដែលអាចបង្កគ្រោះថ្នាក់ពេលបន្តប្រើ។ |
| Reinforcement Learning | ប្រភេទនៃការរៀនរបស់ម៉ាស៊ីន (Machine Learning) ដែល AI រៀនធ្វើការសម្រេចចិត្តតាមរយៈការសាកល្បង និងកែតម្រូវកំហុស (Trial and Error) ដើម្បីទទួលបានរង្វាន់ខ្ពស់បំផុត។ | ដូចជាការបង្រៀនសត្វឆ្កែឱ្យចេះធ្វើតាមបញ្ជា ដោយផ្តល់ចំណីនៅពេលវាធ្វើត្រូវ និងមិនឱ្យនៅពេលវាធ្វើខុស។ |
| Formal Methods | បច្ចេកទេសប្រើប្រាស់គណិតវិទ្យា និងតក្កវិជ្ជា ដើម្បីបញ្ជាក់ និងធានាថាប្រព័ន្ធមួយគឺត្រឹមត្រូវ ១០០% ដោយគ្មានកំហុស (Bug) មុននឹងយកទៅប្រើប្រាស់។ | ដូចជាការសាងសង់ស្ពានដោយប្រើរូបមន្តគណនារូបវិទ្យាច្បាស់លាស់ មិនមែនគ្រាន់តែសាកល្បងសង់ហើយសង្ឃឹមថាមិនបាក់នោះទេ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
