Hệ thống Phân tích Cấu hình Bảo mật tự động & Hỗ trợ tri thức RAG thông minh cho Máy chủ, Thiết bị và Điện toán đám mây.

1. Bài Toán Thực Tế (Problem Statement)

• Sự bùng nổ của hạ tầng số: Doanh nghiệp hiện nay đang vận hành hàng nghìn máy chủ ảo (Linux/Windows) cùng các dịch vụ điện toán đám mây (AWS, Azure) phức tạp. Việc quản lý thủ công cấu hình an toàn thông tin là gần như bất khả thi.
• Lỗ hổng từ cấu hình sai (Misconfiguration): Theo các báo cáo an toàn thông tin, hơn 80% vụ rò rỉ dữ liệu nghiêm trọng bắt nguồn từ các cấu hình sai cơ bản (ví dụ: mở cổng SSH công khai, để tài khoản root đăng nhập trực tiếp, không mã hóa thùng chứa lưu trữ S3).
• Độ trễ trong xử lý lỗi: Khi phát hiện lỗi cấu hình, nhân viên DevOps/SecOps mất nhiều thời gian tra cứu tài liệu tiêu chuẩn bảo mật (CIS Benchmarks, ISO 27001) để tìm cách khắc phục (Remediation) và kiểm tra lại (Validation), dẫn đến kéo dài thời gian máy chủ bị phơi nhiễm lỗ hổng.

2. Giải Pháp Kỹ Thuật (Technical Solution) Dự án được xây dựng dựa trên mô hình kết hợp rà soát tĩnh (Rule Engine) và Trí tuệ nhân tạo (RAG + LLM) với kiến trúc Monorepo tối ưu:

• Backend (FastAPI): Xử lý bất đồng bộ (async) hiệu năng cao, cung cấp API quét cấu hình, nạp tri thức và định tuyến chat thông minh.
• Frontend (Next.js 15 & TanStack Query): Giao diện dashboard hiện đại theo phong cách Glassmorphism, cung cấp trải nghiệm master-detail trực quan, tích hợp tab sửa lỗi (Remediation) liền mạch.
• Cơ sở tri thức RAG (PostgreSQL & pgvector):
  • Sử dụng extension pgvector và thuật toán tìm kiếm vector tương đồng HNSW trên cơ sở dữ liệu để tra cứu tri thức bảo mật từ bộ luật hạt giống SG-CS (tối ưu hóa từ CIS/ISO).
  • Quy trình RAG giúp LLM luôn đưa ra các khuyến nghị bảo mật chính xác, bám sát tài liệu chuẩn được định nghĩa sẵn của hệ thống.
• Hệ thống AI Guardrails (Cơ chế an toàn):
  • Tích hợp bộ phân loại ý định (Intent Classifier) chia luồng câu hỏi thành 3 loại: truy vấn lịch sử quét (HISTORY), tra cứu tri thức bảo mật (SECURITY_GUIDE), và hỏi đáp bảo mật chung (GENERAL).
  • Sử dụng các bộ kiểm soát đầu vào/đầu ra để ngăn chặn tấn công Prompt Injection và hiện tượng ảo tưởng (Hallucination) của AI.

3. Tính Khả Thi Của Dự Án (Feasibility)

• Khả thi về mặt triển khai:
  • Hệ thống sử dụng PostgreSQL tích hợp pgvector làm Vector DB giúp loại bỏ chi phí duy trì các dịch vụ Vector Database bên thứ ba phức tạp, giúp kiến trúc cực kỳ gọn nhẹ và dễ vận hành. API backend chạy mượt mà trên môi trường Docker, cho phép dễ dàng đóng gói và triển khai lên mọi nền tảng đám mây hoặc máy chủ on-premise của doanh nghiệp.