Bài 2 - Mục 2.4

Tìm kiếm và đánh giá thông tin học thuật

Bài tập tập trung vào việc lựa chọn một chủ đề nghiên cứu, xây dựng chiến lược tìm kiếm bằng toán tử nâng cao và đánh giá độ tin cậy của các nguồn thông tin trước khi sử dụng trong học thuật.

Academic search Boolean operators Source evaluation

Chủ đề nghiên cứu

AI tạo sinh và tấn công kỹ thuật xã hội

Quay lại dự án

Phạm vi đã lựa chọn

Chủ đề được chọn là đánh giá mức độ tinh vi và rủi ro của các chiến dịch tấn công kỹ thuật xã hội được tự động hóa bằng AI tạo sinh, nhìn từ góc độ Red Team. Phạm vi này kết nối giữa an toàn thông tin, mô hình ngôn ngữ lớn, deepfake và các kịch bản lừa đảo cá nhân hóa.

Lý do chọn chủ đề là vì AI tạo sinh đang làm giảm rào cản kỹ thuật của tội phạm mạng. Các công cụ như LLM hoặc mô hình tạo ảnh/video có thể được dùng để viết email lừa đảo, mô phỏng danh tính, tạo giọng nói hoặc hình ảnh giả, từ đó làm tăng độ thuyết phục của các chiến dịch social engineering.

Từ khóa và toán tử tìm kiếm

  • Tiếng Anh: ("Generative AI" OR "LLM" OR "Deepfake") AND ("Social Engineering" OR "Spear-phishing").
  • Tiếng Anh mở rộng: "Weaponization of AI" AND "Offensive Security"; "Red Team" AND "Automated vulnerability discovery" AND "ChatGPT".
  • Tiếng Việt: "Vũ khí hóa trí tuệ nhân tạo", "Lừa đảo phi kỹ thuật bằng Deepfake", "Red Team đánh giá rủi ro mô hình ngôn ngữ lớn".

Chiến lược tìm kiếm

Nguồn thông tin được sử dụng

Nguồn học thuật

  • Cơ sở dữ liệu học thuật: IEEE Xplore, ACM Digital Library, Google Scholar.
  • Tạp chí chuyên ngành: Computers & Security, IEEE Transactions on Information Forensics and Security.
  • Sách chuyên khảo về Offensive Security, AI và an toàn thông tin sau năm 2023.

Nguồn bổ trợ

  • Tạp chí công nghệ uy tín như MIT Technology Review hoặc Wired.
  • Báo cáo threat intelligence từ các tổ chức an ninh mạng.
  • Tài liệu ngành để đối chiếu xu hướng thực tế với kết quả nghiên cứu hàn lâm.

Đánh giá nguồn

Bảng tổng hợp tiêu chí

Nhóm nguồn Vai trò trong bài nghiên cứu Tiêu chí đánh giá Nhận xét sử dụng
Bài báo khoa học về phishing và AI Cung cấp bằng chứng thực nghiệm về khả năng tạo nội dung lừa đảo của AI. Tác giả, cơ quan xuất bản, năm công bố, phương pháp thử nghiệm, số trích dẫn. Ưu tiên nguồn có dữ liệu thực nghiệm, được bình duyệt và xuất bản gần đây.
Bài báo về deepfake và giả mạo danh tính Giải thích rủi ro khi hình ảnh, giọng nói hoặc video giả được dùng trong lừa đảo. Độ cập nhật, kỹ thuật phát hiện, mô hình tấn công, hạn chế nghiên cứu. Dùng để phân tích khía cạnh đa phương tiện của social engineering.
Báo cáo threat intelligence Đối chiếu tình huống thực tế, xu hướng tấn công và TTPs đang được quan sát. Tổ chức phát hành, dữ liệu quan sát, tính minh bạch của phương pháp thu thập. Hữu ích cho góc nhìn Red Team nhưng cần kiểm chứng vì có thể mang màu sắc thương mại.
Sách và tài liệu chuyên khảo Cung cấp nền tảng khái niệm về offensive security và mô hình đánh giá rủi ro. Nhà xuất bản, tác giả, phạm vi bao phủ, thời điểm xuất bản. Phù hợp để xây dựng khung lý thuyết, không dùng thay thế dữ liệu mới.
Nguồn báo chí công nghệ Gợi mở bối cảnh xã hội, ví dụ thực tế và tác động của công nghệ mới. Uy tín tòa soạn, trích dẫn nguồn gốc, mức độ phân biệt tin tức và bình luận. Chỉ dùng làm nguồn bổ trợ, không xem là bằng chứng học thuật chính.

Kết quả rút ra

Qua bài tập này, tôi hiểu rõ hơn rằng tìm kiếm học thuật không phải là nhập một vài từ khóa đơn lẻ. Một chiến lược tốt cần xác định phạm vi nghiên cứu, xây dựng tổ hợp từ khóa, chọn nguồn phù hợp với mục đích và đánh giá từng nguồn theo độ tin cậy, tính cập nhật, phương pháp và khả năng kiểm chứng. Việc kết hợp nguồn hàn lâm với báo cáo thực tế giúp bài nghiên cứu cân bằng giữa nền tảng lý thuyết và tình hình an toàn thông tin đang diễn ra.