MITAS và Keysight đưa giải pháp kiểm thử an ninh mạng thời AI về Việt Nam

Ông Trần Xuân Tiến, Giám đốc Công ty Cổ phần Công nghệ MITAS Hà Nội.

Hạ tầng AI đòi hỏi cách kiểm thử mới

Hai chuyên đề đầu tiên do ông Sean Greven, Product Manager thuộc nhóm Keysight, trình bày, xoay quanh câu hỏi cốt lõi là mạng và dịch vụ AI có thật sự chịu được tải trước khi đưa vào vận hành hay không.

Luận điểm xuyên suốt được ông nêu ngay từ đầu, rằng hiệu năng hạ tầng mạng AI và hiệu năng ứng dụng AI tuy liên hệ chặt chẽ nhưng phải được kiểm chứng ở những cấp độ khác nhau và bằng những công cụ khác nhau. Theo ông, mạng trung tâm dữ liệu truyền thống được thiết kế cho các luồng dữ liệu nhỏ, bất đồng bộ và tương đối dễ dự đoán, còn cụm AI thì phá vỡ toàn bộ những giả định đó.

Để minh họa, diễn giả dẫn các số liệu công bố độc lập. Phân tích Holistic Trace Analysis của Meta cho thấy riêng phần truyền thông đã chiếm tới 62% thời gian GPU trong huấn luyện mô hình Vision Transformer, còn nghiên cứu UNICRON ghi nhận 21% sự cố tác vụ AI bắt nguồn trực tiếp từ lỗi mạng. Ông giải thích trong giai đoạn huấn luyện, mô hình được chia trên hàng trăm GPU. Các GPU này trao đổi dữ liệu theo những bước đồng bộ gọi là Collective và có thể tạo ra một số luồng với dữ liệu rất lớn, gọi là “elephant flows” (luồng voi).

Ông Sean Greven – Product Manager – Keysight Ixia/NSS team.

Hệ quả được ông mô tả rất cụ thể. Vì hiệu năng phụ thuộc vào luồng chậm nhất nên một đường nghẽn cũng đủ làm chậm cả cụm GPU. Các luồng voi làm tràn bộ đệm switch gần như tức thì, trong khi cơ chế cân bằng tải dùng hàm băm truyền thống như ECMP thất bại vì không còn đủ độ ngẫu nhiên để phân phối lưu lượng, khiến chỉ một đường bị nghẽn hay một gói bị rớt cũng đủ làm chậm mọi GPU đang chờ và kéo lùi toàn bộ tác vụ huấn luyện.

Với bài toán suy luận, diễn giả chuyển sang góc nhìn người dùng cuối. Thời gian phản hồi được quyết định bởi hai chỉ số là thời gian tới token đầu tiên (TTFT: Time To First Token) và độ trễ giữa các token (ITL: Inter-Token Latency). Ông đưa ra một phép tính mà cả hội trường dễ hình dung: “Nếu độ trễ giữa các token chỉ tăng thêm 5 mili giây, một câu trả lời dài 500 token sẽ bị kéo dài thêm khoảng 2,5 giây, và người dùng sẽ lập tức rời bỏ một dịch vụ AI chậm chạp như vậy”.

Giải pháp được giới thiệu là bộ đôi Keysight Data Center Builder (KAI DCB) – kiểm thử nhìn từ phía backend, và Inference Builder (KAI IB) – kiểm thử nhìn từ phía frontend.

KAI DCB giả lập tải của các host AI, gồm các thư viện collective, giao thức RoCEv2 cùng cơ chế PFC, ECN, DCQCN, chạy trên phần cứng Aries tốc độ 400G, 800G và 1600G, kiểm thử theo ba cấp độ từ thiết bị, tới kiến trúc fabric, tới chỉ số Job Completion Time của cả hệ thống. Điểm then chốt, theo ông Greven, là toàn bộ việc này cho phép kiểm chứng mạng trước khi GPU về tới nơi, so sánh được hai phương án thiết kế spine-leaf trên cùng một tải trước khi bỏ tiền mua sắm.

Về KAI IB, công cụ mô phỏng hàng nghìn người dùng ảo theo các nhóm vai trò như chuyên viên phân tích, lập trình viên, y tế hay giao dịch tài chính, với các câu lệnh sát thực tế, rồi đối chiếu đồng thời góc nhìn phía người dùng và telemetry phía hệ thống trên một màn hình quản lý duy nhất. Khép phần trình bày, ông nhấn mạnh rằng việc phát hiện điểm nghẽn mạng sau khi đã lắp đặt hàng nghìn GPU là cực kỳ tốn kém, nên kiểm chứng trước khi đưa vào sản xuất chính là cách để ra quyết định dựa trên bằng chứng thay vì phỏng đoán.

Mật mã hậu lượng tử trước nguy cơ “thu thập hôm nay, giải mã ngày mai”

Ở chuyên đề thứ hai, ông Greven đặt ra ba câu hỏi về mức độ sẵn sàng, gồm hệ thống mật mã đã sẵn sàng cho kỷ nguyên hậu lượng tử chưa, các cơ chế bảo mật có bảo vệ và vận hành ổn định ở quy mô thực tế không, và con người cùng quy trình có đủ sức ứng phó khi sự cố xảy ra hay không.

Ông cảnh báo về mối đe dọa mà giới an ninh mạng gọi là “thu thập hôm nay, giải mã ngày mai”. Theo phân tích này, kẻ tấn công đang âm thầm thu thập và lưu trữ dữ liệu mã hóa ngay từ bây giờ, chờ tới khi máy tính lượng tử đủ rẻ để giải mã toàn bộ. Thuật toán Shor trên máy tính lượng tử sẽ phá vỡ mật mã khóa công khai như RSA, ECC, Diffie-Hellman, trong khi mã hóa đối xứng như AES-256 vẫn được xem là an toàn.

Câu chuyện được ông gắn với bối cảnh pháp lý Việt Nam. NIST đã chuẩn hóa ML-KEM trong FIPS 203 cho trao đổi khóa và ML-DSA trong FIPS 204 cho chữ ký số, còn tại Việt Nam, Luật An ninh mạng 2025 có hiệu lực từ ngày 1/7/2026 và Ban Cơ yếu Chính phủ đã giới thiệu chữ ký số hậu lượng tử dựa trên hàm băm từ tháng 2/2026. Ông nhận định các cơ quan quản lý trên toàn cầu đang dần yêu cầu khả năng linh hoạt mật mã, nên việc kiểm thử sẵn sàng ngay lúc này sẽ tạo ra bằng chứng trước khi một quy định bắt buộc thực sự có hiệu lực.

Phần gây chú ý nhất là một tình huống thực tế. Diễn giả kể lại trường hợp kiểm thử tại một ngân hàng lớn, nơi việc bật các bộ mã PQC khiến chất lượng dịch vụ giảm 5%, số kết nối mới mỗi giây giảm tới 20%, và đặc biệt một thiết bị cân bằng tải đã sập hoàn toàn khi xử lý lưu lượng PQC ở chế độ lai. Nguyên nhân nằm ở chỗ thông điệp bắt tay PQC lớn hơn nhiều lần so với truyền thống và trải qua nhiều khung mạng, buộc các thiết bị tường lửa, proxy giải mã TLS và cân bằng tải phải ghép khung ở tốc độ cao, điều mà một thiết bị đạt chuẩn trên giấy tờ chưa chắc làm được trong thực tế.

MITAS cùng Keysight có thể xây dựng kịch bản kiểm thử PQC theo từng loại thiết bị cần kiểm thử (DUT), tải mục tiêu, thuật toán cần đánh giá và tiêu chí nghiệm thu của khách hàng.

Giải pháp đi kèm là phần mềm CyPerf kết hợp phần cứng APS, với khả năng giả lập 455 ứng dụng thực tế cùng hàng nghìn mẫu tấn công và mã độc trên nền TLS 1.3 PQC. Theo số liệu được công bố, hệ thống APS với bộ điều khiển M8400 ghép chồng nhiều node có thể đạt tới 15 Tbps lưu lượng TLS, 20 tỷ kết nối đồng thời và 25 triệu kết nối TLS mới mỗi giây. Khép lại, ông giới thiệu nền tảng diễn tập CySOP Cyber Range, một môi trường mô phỏng phân lập triển khai tại chỗ cho các đội SOC của cơ quan chính phủ, quân đội và doanh nghiệp, bám theo khung năng lực NIST NICE với các đội Đỏ, Xanh, Tím, Trắng và báo cáo chấm điểm tự động sau diễn tập.

Giải mã “hộp đen”, tấn công kênh bên trên drone DJI

Hai chuyên đề còn lại do ông Erwin, Product Manager thuộc Keysight Riscure, trình bày. Mở đầu, ông chia sẻ một quan điểm giản dị rằng bất kỳ thiết bị nào người ta có thể cầm trên tay, từ chiếc điện thoại, thẻ tín dụng, cho tới một chiếc drone hay một ví tiền mã hóa, đều cần được bảo mật, và Keysight cung cấp thiết bị để kiểm tra xem mức bảo mật đó có thật sự đạt yêu cầu hay không.

Ông giới thiệu hai phương pháp nền tảng, một là Phân tích kênh bên (SCA), tức đo đạc rồi tìm cách phá các thuật toán mật mã, và hai là Tiêm lỗi (FI), tức cố xâm nhập thiết bị bằng một tác động nhiễu loạn từ bên ngoài.

Đối tượng được chọn là một chiếc drone DJI, một trong những nhà sản xuất phổ biến nhất thế giới, với mục tiêu là vi xử lý trung tâm Leadcore ARM Cortex-A7, nơi lưu giữ khóa mã hóa trong quá trình khởi động. Ông đưa ra một cảnh báo đáng chú ý về giới hạn của toán học thuần túy: “Ngay cả khi một thuật toán đã kháng được máy tính lượng tử về mặt toán học, nó vẫn không thể chống lại một đòn tấn công kênh bên vật lý nếu không có biện pháp bảo vệ ở cấp phần cứng”.

Ông Erwin – Product Manager – Keysight Riscure.