تشخیص حملات سیبیل در شبکه های حسگر بی سیم با استفاده از میزان ترافیک همسایگی

یک شبکه حسگر بی سیم از تعداد زیادی گره حسگر تشکیل شده که بصورت متراکم در محیط پخش شده اند و برای اندازه گیری گروهی برخی از کمیت های فیزیکی یا شرایط محیطی بکار می روند. شبکه های حسگر با انگیزه استفاده در کاربردهای نظامی مانند نظارت بر میدان جنگ توسعه پیدا کردند اما امروزه در صنعت و بسیاری از مقاصد غیر نظامی نیز استفاده می شوند. در حالیکه حضور شبکه های حسگر بی سیم در زمینه های نظامی و عمرانی افزایش پیدا می کند، نیاز به امنیت هم به یک ضرورت تبدیل می شود. این شبکه ها تحت تأثیر انواع مختلفی از حملات هستند که یکی از آنها حمله سیبیل است. حملات سیبیل تهدیدی جدی برای شبکه های حسگر بی سیم به شمار می آیند. در چنین حملاتی، یک نود مخرب چندین هویت جعلی برای خود ایجاد کرده و نودهای شبکه را گمراه می کند. حملات سیبیل به راحتی قابل پیاده سازی در شبکه های حسگر بی سیم هستند و می توانند در عملیاتی مثل رأی گیری، تجمیع سازی داده ها، تخصیص عادلانه منابع و تشخیص بدرفتاری اختلال ایجاد کنند. استفاده از میزان ترافیک همسایگی در شبکه های حسگر بی سیم برای تشخیص حملات نوع سیبیل تاکنون مورد استفاده قرار نگرفته است. ما در این تحقیق روشی مبتنی بر میزان ترافیک همسایگی تحت عنوان sdtm برای تشخیص این حملات ارائه داده ایم. این روش برای تشخیص گره های مخرب از یکی از روش های آماری استفاده کرده، پس از تشخیص گره های مخرب آنها را از بستر شبکه حذف می کند. پس از پیاده سازی 80 نمونه شبکه، مکانیزم sdtm به نرخ تشخیص 13/93% و نرخ خطای 29/2% دست یافت که کارا بودن این روش برای تشخیص حملات سیبیل در شبکه های حسگر بی سیم را نشان می دهد. روش پیشنهادی محدودیت هایی که در شبکه های حسگر بی سیم وجود دارند را مد نظر قرار داده و روشی مناسب برای این شبکه ها ارائه می دهد.