نام پژوهشگر: شیما اصغریان جویباری

تشخیص ناهنجاری در شبکه های اقتضایی مبتنی بر پروتکل dsr
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - پژوهشکده برق و کامپیوتر 1391
  شیما اصغریان جویباری   سعید جلیلی

شبکه بی سیم اقتضایی یک شبکه بدون زیرساختار ثابت است که از یک سری گره های بی سیم خودمختار تشکیل شده است. گره¬ها در این شبکه آزادانه و با سرعت¬های متفاوتی حرکت می¬کنند. با توجه به ماهیت پویای شبکه اقتضایی، پروتکل¬های مسیریابی متعددی با رویکردهای پیش¬گستر و واکنشی طراحی شده¬اند. یکی از مهمترین پروتکل¬های واکنشی، پروتکل dsr است. این پروتکل، یک پروتکل تجاری شده است که rfc آن به شماره 4728 در سال 2007 میلادی تدوین شده است و محصولات شرکتهای مختلف بر مبنای rfc، نسبت به تعامل با یکدیگر اقدام می¬کنند. با توجه به اینکه پروتکل dsr از استراتژی مسیریابی مبدأ استفاده می¬کند، گره مهاجم می¬تواند تعدادی گره مجازی را در یک مسیر در اثنای فاز کشف مسیر اضافه کند. با توجه به اینکه روی بسته¬های این پروتکل آزمون جامعیت انجام نمی¬شود، گره مهاجم به راحتی می-تواند مسیری را که توسط گره مبدأ در سرآیند بسته قرار داده شده است تغییر دهد. همچنین می¬تواند با انتشار بسته¬هایی با مسیر غلط، بر روی حافظه نهان گره¬های همسایه تأثیر بگذارد. از حمله¬های مختص پروتکل dsr به حمله تغییر مسیر در سرآیند بسته¬های داده و حمله انتشار بسته¬های با مسیر تحریف شده می¬توان اشاره نمود. رویکرد¬های متفاوتی جهت تشخیص نفوذ در شبکه¬های با پروتکل dsr ارائه شده است. از جمله مهمترین رویکرد تشخیص نفوذ، تشخیص مبتنی بر ناهنجاری می¬باشد. در تشخیص مبتنی بر ناهنجاری رفتار عادی پروتکل یادگیری می¬شود، در نتیجه هر انحرافی از الگوهای عادی به عنوان رفتار بدخواهانه یا نقص درنظر گرفته می¬شود. بنابراین این رویکرد قادر به شناسایی حملات جدید نیز می¬باشد. رویکرد تشخیص مبتنی بر ناهنجاری به تکنیک¬های دسته¬بندی یادگیری ماشین و روش¬های آماری تکیه می¬کند. مشکل این رویکرد، نرخ هشدار اشتباه بالای آن می¬باشد. از طرفی تغییر پویای همبندی شبکه، فرآیند یادگیری را دشوارتر می-کند. در این پایان¬نامه سعی شده است تا با مدیریت ناهمگونی میان داده¬های یادگیری و استفاده مناسب از مدل آماری تحلیل عاملی و مولفه اصلی، نرخ تشخیص ناهنجاری را افزایش و نرخ هشدار اشتباه را کاهش داد. ارزیابی¬ها نشان می¬دهند که روش پیشنهادی مبتنی بر خوشه¬بندی سلسله مراتبی و تحلیل عاملی با استفاده از روش حداکثر احتمال در برابر حمله گودال قوی، حمله گودال ضعیف، جعل بسته¬های خطا و سوراخ خاکستری نسبت به حالت پایه (بدون خوشه¬بندی) به ترتیب 2/04، 28/94، 16/59 و 68/16 درصد بهبود داشته است.