تشخیص ناهنجاری در شبکه های اقتضایی مبتنی بر خوشه با روش رای گیری فازی

پیام:
چکیده:
در این مقاله روشی برای تشخیص و تحلیل حمله در شبکه اقتضایی با ساختار مبتنی بر خوشه و با پروتکل مسیریابی AODV پیشنهاد می شود. برای توصیف رفتار پروتکل AODV، ابتدا تعدادی خصیصه با رویکردی مبتنی بر تحلیل مرحله به مرحله ویژگی ها و رفتار پروتکل AODV تعریف می شود. آنگاه برای تشخیص حمله، از رویکرد تشخیص ناهنجاری استفاده می شود و رفتار عادی پروتکل AODV با استفاده از خصیصه های تعریف شده و بر اساس مدل به دست آمده از ترکیب دسته بندهای تک کلاسی SVDD، MoG و SOM یادگیری می شود و نظر هر گره بر مبنای مدل ترکیبی به دست آمده شکل می گیرد. نظرات گره ها در فرایند تشخیص ناهنجاری مرتبا به گره های سرخوشه فرستاده می شود تا تشخیص نهایی در آن گره ها انجام شود. در روش پیشنهادی، برای ترکیب نتایج دسته بندهای تک کلاسی در هر گره و برای تجمیع نظرات ارسالی از گره های هر خوشه در گره سرخوشه، روشی فازی ارائه می شود که موجب می شود کارایی روش پیشنهادی در تشخیص حمله های سیاه چاله، سوراخ کرم، تکرار بسته ها، عجول و جعل بسته های RouteError به مقدار قابل توجهی ارتقا یابد. در این مقاله همچنین یک روش تحلیل حمله بر مبنای رتبه بندی اثرپذیری خصیصه ها پیشنهاد می شود که مشخص می کند هر کدام از این حمله ها چه بخش هایی از ویژگی ها و رفتار پروتکل AODV را بیشتر تحت تاثیر قرار می دهند. این تحلیل در هنگام کارکرد شبکه می تواند منجر به تشخیص نوع حمله ای که در شبکه در حال اعمال است، شود.
زبان:
فارسی
در صفحه:
86
لینک کوتاه:
magiran.com/p1154235 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!