ارائه روش جدید برای کشف حمله سیاهچاله در مسیریابی AODV با کمک قوانین فازی- ژنتیک

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,640

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM01_173

تاریخ نمایه سازی: 10 شهریور 1393

چکیده مقاله:

شبکه ی موردی بیسیم مجموعه ای از گره هاست که می توانند آزادانه حرکت کنند و از طریق امواج با یکدیگر ارتباط داشته باشند.این گره ها بدون هیچ زیرساخت از پیش تعیین شده شبکه را بوجود می آورند و آزادانه به آن اتصال می یابند و یا از آن جدا می شوند.هر گره به طور جداگانه ای همانند مسیریاب عمل می کند. ویژگی مهم این شبکه ها بالا بودن سرعت برپایی آنها است که همین موردباعث می شود تا در عرصه های نظامی و اضطراری کاربرد زیادی داشته باشند. امنیت در این شبکه ها یکی از مهمترین مسائل آن ها بهشمار می رود. زیرا به دلیل ساختاری که دارند در معرض حملات زیادی قرار می گیرند. در این تحقیق هدف این است تا با کمک منطقفازی و بهبود توابع عضویت آن توسط الگوریتم ژنتیک یک الگوریتم کارا و موثر جهت کشف حمله سیاهچاله در شبکه های موردی بیسیم ارائه گردد. پیاده سازی الگوریتم پیشنهادی با کمک شبیه ساز NS و نرم افزار متلب صورت گرفته شده است. در سه سناریوی افزایش تعداد گره های شبکه، افزایش تعداد حملات سیاهچاله و افزایش سرعت گره های شبکه، الگوریتم پیشنهادی مورد ارزیابی قرار گرفته است. مشاهده شده است که گرچه در حالت افزایش سرعت و تعداد گرههای شبکه، دقت و کارآیی الگوریتم پیشنهادی به لحاظخواص ذاتی شبکه های موردی بیسیم، اندکی کاهش می یابد، اما نرخ تشخیص، نرخ مثبت کاذب و نرخ منفی کاذب که سه پارامتر مورد ارزیابی هستند در حد قابل قبولی باقی می مانند.

کلیدواژه ها:

شبکه موردی بیسیم ، مسیریابی بردار فاصله بر مبنای تقاضا ، حمله سیاهچاله ، الگوریتم ژنتیک ، منطق فازی

نویسندگان

مهدی صادق زاده

دکتری کامپیوتر و عضو هیئت علمی دانشگاه آزاد اسلامی واحد ماهشهر

زهرا فرخیان

دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد علوم و تحقیقات بوشهر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • عضدالملکی. س. (1380). شبیه ساز شبکه های کامپیوتری اشنایی با ...
  • I2] کیا س. م. (1390). منطق فازی در متلب. تهران: ...
  • I3] کیا س. م. (1391). الگوریتم های ژنتیک در متلب. ...
  • لب, م. ت. (1389). سیستم های فازی و کنترل فازی. ...
  • مدادیان, م. (1390). کشف و حذف حمله سیاهچاله جمعی در ...
  • نوشین موسوی راد. م. ح. MANET .(1387) برای شبکه های ...
  • Carlson, C. S .(2012) FUZZY LOGIC LOAD FORE CASTING WITH ...
  • Govind Sharma, M. G .(2012) .Black Hole Detection in MANET ...
  • K.S.Sujatha, V. D .(2012) .Design of Genetic Algorithm based IDS ...
  • Kulbhushan, J. S .(2011) .Fuzzy Logic based Intrusion Detection System ...
  • larsoon, t .(1998) routing protocol in wireless adhoc network a ...
  • M.E., A. P .(20 09) Trust Based Secure Routing in ...
  • M .W.MathWors (2002). Fuzzy Logic Toolbox For Use with MATLAB ...
  • Neelam Khemariya, A. K. (2013). An Efficient Algorithm for Detection ...
  • P. Garcn 'a-Teodoroa, J. D.-V.-F .(20 09) .Anomaly-ba sed network ...
  • Poonam Yadav, R. K .(2012) .A Fuzzy Based Approach to ...
  • SEMIH DOKURER, (2006), SIMULATION OF BLACK HOLE ATTACK IN WIRELES ...
  • Su, M.-Y .(2011) .Genetic-Fuzzy Association Rules for Network Intrusion Detection ...
  • نمایش کامل مراجع