پروژه جلوگیری از حملات حفره سیاه در MANET با سیستم تشخیص نفوذ با NS2

  • سه شنبه ۲۹ مهر ۱۳۹۳
  • بازدید ۲,۰۶۱ نفر
  • 1 امتیاز2 امتیاز3 امتیاز4 امتیاز5 امتیاز (445 امتیاز از 116 رای)
    Loading...

تصویر NS38-pic1 پروژه جلوگیری از حملات حفره سیاه در MANET با سیستم تشخیص نفوذ با NS2

پروژه جلوگیری از حملات حفره سیاه در MANET با سیستم تشخیص نفوذ با NS2

در این پست پروژه جلوگیری از حملات حفره سیاه در MANET با سیستم تشخیص نفوذ با NS2 را آماده کرده ایم که در ادامه به مقدمه ای از این پروزه پرداخته و تصاویر خروجی آن را قرار خواهیم داد.

حملات حفره سیاه در شبکه منت (MANET) یا Mobile Ad Hoc Networks به حملات گره های آلوده در شبکه اشاره می کند که یک مسیر را از یک منبع به یک مقصد توسط تحریف شماره ترتیب و شمارش هاپ از پیام های مسیریابی به زور در دست می گیرد و گره آلوده شده، پیغام را در سراسر شبکه منتشر می کند. توسعه شبکه های MANET در محیط های بدون نظارت منجر به تهدیدات امنیتی بسیاری می شود. در این مقاله بررسی می شود که چگونه Ad Hoc با حملات Black hole مقابله می کند. از مفهوم آستانه ی انرژی بالا برای شبیه سازی این حملات در نرم افزار NS2 استفاده می شود. کارایی MANET تحت این حملات با استفاده از پارامترهای مختلف شبکه و چگالی های متفاوت گره بررسی می شود. مشخص شده است که تاثیر حمله ی black hole بر کارایی شبکه در قیاس با gray hole بیشتر است.

توضیحات بیشتر و تصاویر خروجی پروژه جلوگیری از حملات حفره سیاه در MANET با سیستم تشخیص نفوذ با NS2 در ادامه مطلب.

شبکه شامل مجموعه ای از گره ها می باشد که می توانند آزادانه بدون داشتن هیچگونه زیر ساخت شبکه ای و از طریق فرکانس های رادیویی با یکدیگر در ارتباط باشند. سرعت در برپایی و بدون ساختار بودن این شبکه ها باعث شده است که نقش بسیار مهمی را در زمینه های مختلف مانند کاربردهای نظامی و اضطراری، حوادث طبیعی، محیط های دانشگاهی و شهری ایفا کنند. در این پیاده سازی بر روی امنیت در مسیر یابی AODV و حملات سیاه چاله یا black hole تحقیق خواهد شد.آنچه در این مقاله ارائه می شود بررسی حمله سیاه چاله جمعی در پروتکل مسیر یابی AODV و ارائه راهکاری برای تشخیص و مقابله با آن توسط سیستم تشخیص نفوذ می باشد.

دقت شود حملات حفره سیاه می تواند توسط یک گره و یا چندین گره که با یکدیگر در تبانی هستند و پیام های آلوده دارند در شبکه تاثیر بگذارند و انتشار پیدا کنند. تمامی گره های سیستم تشخیص نفوذ یک محیط ABM یا Anti-Black Hole Mechanism یا مکانیسم ضد حفره سیاه را فراهم می کنند که میزان آلودگی گره های دیگر در شبکه را تخمین می زنند که این موضوع بر اساس مقادیر غیر طبیعی بین PREQ و PREP منتقل شده از گره صورت می پذیرد.

تصویر خروجی:

تصویر NS38-pic2 پروژه جلوگیری از حملات حفره سیاه در MANET با سیستم تشخیص نفوذ با NS2

فیلم آموزش تصویری نرم افزار NS2 به زبان فارسی

فیلم آموزش تصویری نرم افزار NS2 به زبان فارسی

مشاهده آموزش NS2
شبیه سازی شبکه های کامپیوتری و مخابراتی

شبیه سازی شبکه های کامپیوتری و مخابراتی

مشاهده پروژه ها و مقالات شبیه سازی شده

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید

    لیســــــــت پــــــــروژه های انتشــــــــار نشده ( 22 موضوع )

    مشاهده لیست کامل
    مشاهده لیست کامل
    مشاهده لیست کامل
    مشاهده لیست کامل
    socket programing آموزش برنامه نویسی آموزش سی شارپ اینترنت اشیا بازی تحت شبکه بازی تحت شبکه به زبان سی شارپ برنامه تحت شبکه با سی شارپ برنامه نویسی ترجمه مقاله ترجمه مقاله شبکه دانلود رایگان پروژه های دانشجویی دانلود سورس برنامه دانلود سورس رایگان دانلود نرم افزار دانلود پروژه دانشجویی دانلود پروژه رایگان دانلود پروژه های دانشجویی دانلود کتاب دانلود کتاب آموزشی دانلود کتاب اموزشی سورس رایگان سورس کد بازی تحت شبکه سورس کد بازی تحت شبکه با C# سورس کد بازی تحت شبکه چند نفره سوکت پروگرمین شبکه SDN شبیه سازی با نرم افزار R نحوه نوشتن برنامه تحت شبکه نرم افزار Rstudio پروژه arena پروژه matlab پروژه ns2 پروژه opnet پروژه ارنا پروژه سیمولینک matlab پروژه شبکه عصبی پروژه مهندسی صنایع پروژه مهندسی صنایع با ارنا پروژه های آماده با OpenGL پروژه های آماده با OpenGL در سی پلاس پلاس پروژه های آماده با ارنا پروژه های آماده برای درس گرافیک کامپیوتری پروژه هوش مصنوعی پروژه پردازش تصویر matlab پروژه پردازش سیگنال matlab