Loading...
ترجمه مقاله تشخیص حمله سیبل در شبکه MANET با شبکه عصبی فازی (FuNN)
ترجمه مقاله FuNN -an Interactive Tool to Detect Sybil Attack in MANET
در این پست ترجمه مقاله تشخیص حمله سیبل در شبکه MANET با شبکه عصبی فازی (FuNN) را برای شما دوستان آماده کردیم که علاوه بر چکیده و مقدمه می توانید خود مقاله اصلی را به طور کاملا رایگان دانلود بفرمایید..
چکیده مقاله
کشف حملات سیبل در شبکه ادهاک موبایل مبحثی چالش برانگیز در موضوع توسعه پذیری شبکه ها منبع محدود و پیچیدگی متد های ارائه شده است. خلاصه پایان نامه نشان میدهد که بسیاری از الگوریتم های اکتشافی از محدودیت های مذکور متاثر شده و رنج می برند و نمی توانند عملکرد مطلوب و درست خود را به نمایش بگذارند این پایان نامه متد جدیدی برای کشف حملات SYBIL معرفی می کند که از توسعه پذیری شبکه ای بهره برده و تناسب و مطلوب بودن این روش را در منابع قابل دسترسی به ما نشان می دهد. در روش ارائه شده از قانون استنتاج فازی بعنوان ابزاری استفاده می کنیم تا در ابتدا گره هایی را که وضعیتشان با گره های اصلی مطابقت ندارد جدا کرده و در مرحله بعدی با استفاده از شبکه عصبی مصنوعی ANN از پیش تعیین شده گره های SYBIL را از گره های مشکوک تشخیص دهیم. استفاده از قانون استنتاج فازی ما را از انجام محاسبات پیچیده ریاضی بی نیاز می کند چرا که این قانون براساس این ویژگی گره ها که براحتی قابلیت خروج از شبکه واقعی را دارند را تفکیک می کند از سوی دیگر عملکرد ANN در یک شبکه توسعه پذیر، تحت تاثیر قرار نمی گیرد چرا که مطلوبیت فراگیری این سیستم با افزایش مجموعه اطلاعات و دیتا رابطه مستقیم داشته و با افزایش دیتا، فراگیری این سیستم نیز افزایش می یابد. الگوریتم پیشنهادی به سخت افزار اضافی مانند آنتن و ریسیور احتیاج ندارد که این ابزار می تواند سطح توانایی باطری را کاهش دهد و از مزایای این تکنیک این است که می تواند هر تعداد گره SYBIL را با هم پیدا کرده و تعداد شانس های مثبت کاذب را کاهش دهد. ما طرح خود را با استفاده از شبیه سازی ارزیابی کردیم و نتایج نشان دهنده میزان رضایت بخشی از اکتشافات با مثبت کاذب کم بود.
مقدمه
شبکه ادهاک موبایل ارزیابی بی سیم است که برخلاف شبکه های سیمی دارای زیر سازی های کمتری بوده و از محدودیت هایی مثل پهنای باند، قدرت باطری و توپولوژی دایما درحال تغییر شبکه های سیمی برخوردار نیست. در این شبکه ها در موقعیت هایی مثل عملیات های نجات، موقعیت های اورژانسی و در زمان جنگ که امکان دسترسی به شبکه های سیمی وجود ندارد استفاده می شوند. چنین موقعیت هایی، آزاد بودن، انعطاف پذیری MANET را برای هماهنگی و تعامل در محیط های ناسازگار نیاز دارند اگرچه این ویژگی باعث می شود که MANET در مقابل طیف وسیعی از حملات امنیتی آسیب پذیر گردد.
چکیده انگلیسی
Detection of Sybil attack in mobile ad hoc network (MANET) has been a challenging issue in the context of network scalability, limited resource and complexity of the proposed methods. Literature review shows that most of the detection algorithms suffer from the above constraints and could not exhibit their proper efficiency and performance. This paper introduces a new Sybil detection method which utilizes network scalability and shows its efficiency within the available resource. In the proposed method fuzzy inference rule is used as tool to initially isolate those nodes whose behaviors do not conform with the genuine nodes. At the later stage we employ a trained Artificial Neural Network (ANN) to find out the Sybil nodes from the suspected nodes. The use of Fuzzy inference rule helps to avoid complex mathematical computations as this rule uses simple if…then clause based on nodes’ attributes which can be easily extracted from a real network. On the other hand, the performance of ANN does not get affected in a scalable network since its learning efficiency increases with larger data set. The proposed algorithm does not need any extra hardware like antenna or receiver which may reduce the battery backup. The advantage of this technique is that, it can find out any number of Sybil nodes at one go and also minimize the chances of false positive. We have evaluated our scheme by using simulation and result shows a satisfactory detection rate with few false positive.
منبع : indianjournals.com
شبیه سازی شبکه های کامپیوتری و مخابراتی
مشاهده ویدئو در این باره