با گسترش استفاده از شبکه های حسگر در کاربرد های مختلف، مشکلات امنیتی به عنوان عاملی کلیدی نمایان شده اند. حمله لانه کرمی به عنوان یکی از تهدیدات امنیتی، توانایی مختل نمودن و از کار انداختن عملکرد شبکه را دارا می باشد به این دلیل که صرفا استفاده از رمزنگاری و محرمانه نمودن داده ها نمیتواند از این نوع حمله جلوگیری نماید. در این رساله روشی توزیع شده جهت جلوگیری از سه نوع حمله لانه کرمی در شبکه های حسگر بیسیم ارائه شده است که از اطلاعات تامین شده توسط گره های مجاز شبکه بهره میگیرد. این مکانیزم، از دو بخش اصلی مسیریابی و تشخیص حمله متشکل شده و توانایی بکارگیری روی شبکه های استاتیک و دینامیک را داراست. الگوریتم مسیریابی توانایی یافتن کوتاه ترین مسیر به سمت گره مقصد را دارد و الگوریتم تشخیص حمله نیز با محدود نمودن زمان و مکان، ویژگی های نامتعارف ایجاد شده در شبکه که از حملات لانه کرمی نشات میگیرند را کشف می نماید. خصیصه توزیع پذیری مکانیزم ارائه شده در کنار داشتن اطلاعات مکانی گره ها، سیستم را برای کاربردهای حساس شبکه های حسگر با منابع محدود، مناسب می نماید. شبیه سازی های انجام شده نشان می دهد که مکانیزم مربوطه توانایی تشخیص حملات را در حالتی که نرخ هشدارهای اشتباه (far)، ناتوانی در تشخیص حمله (fdr)، و خطای تعیین موقعیت شروع حمله (eer) کم است دارا می باشد. کم بودن این سه مورد نرخ خطا، از ویژگی های مکانیزم تشخیص در مقایسه با روش های ارائه شده قبلی بشمار می رود. بر اساس نتایج، این مکانیزم میتواند مسیرهای لانه کرمی به طول مساوی یا بیشتر از 4 پرش را بدون مشکل کشف نماید. از اینرو سیستم در مقابل انواع حملات لانه کرمی محافظت خواهد شد با درنظر گرفتن اینکه مسیرهای لانه کرمی کوتاه، عملا تاثیر مخربی روی شبکه نخواهند داشت.

سیستم کنترل فعال نویز پیش خور، از جمله ی سیستم های وفقی است که برای کنترل و حذف سیگنال ها و نویزهای ناخواسته به کار برده می شود. کارکرد سیستم کنترل فعال نویز، تولید یک نویز صوتی ثانویه است که در مقایسه با نویز ناخواسته ی اولی دارای دامنه ی یکسان و فاز مخالف می باشد. مجموع این دو سیگنال، نویز ناخواسته را تضعیف می کند. سیستم کنترل فعال نویز با استفاده از شبکه های عصبی با هدف ایجاد یک الگوریتم برای به وجود آمدن شرایط مناسب برای داشتن همگرایی سریعتر به کار برده می شود. در این تحقیق از الگوریتم nfxlms برای حذف نویز در سیستم کنترل فعال نویز استفاده می شود. هم چنین در این تحقیق، روشی برای به دست آوردن ضریب یادگیری بهینه برای بهبود راندمان حذف نویز آورده شده است. اگر تأخیر زیرسیستم های مربوط به حذف نویز بالاتر از تأخیرهای مسیر ابتدایی باشد؛ شرایط غیرعلی در این سیستم رخ خواهد داد. در این تحقیق، راندمان سیستم کنترل فعال نویز پیش خور مبتنی بر شبکه ی عصبی برای یک داکت تحت شرایط غیرعلی مورد مطالعه قرار می گیرد. برای این هدف، از الگوریتم fxlms مبتنی بر شبکه ی عصبی تحت شرایط غیرعلی استفاده می شود و نتایج آن با الگوریتم fxlms معمولی در شرایط یکسان مقایسه خواهد شد. نتایج بیانگر این مطلب است که سیستم کنترل فعال نویز در شرایط غیرعلی با استفاده از الگوریتم شبکه ی عصبی راندمان بهتری از خود نشان می دهد.