شبکه های موردی که مجموعه ای از گروه خودمختار با رسانه بی سیم هستند هر روز بیشتر از روز قبل وارد زندگی بشر می شوند بدلیل قابلیت انعطاف و راحتی استفاده از این شبکه ها این شبکه ها راه حل مناسبی برای استفاده در محیط های اضطراری و نظامی هستند. ماهیت بدون زیر ساخت نبود مدیریت مرکزی و رسانه بی سیم در این شبکه ها آن ها را مستعد آسیب پذیری های زیادی نموده است. عدم رعایت نکات امنیتی می تواند مسایل زیادی به بار آورد. احراز هویت یکی از مسایل امنیتی در این شبکه ها است که در این پایان نامه به آن پرداخته ایم. احراز هویت به این معنا که مطمین باشیم وقتی اطلاعاتی را از شخصی دریافت می کنیم، دقیقا از همان شخص (گره) دریافت کرده ایم و اشخاصی که ما با آن ها در ارتباطیم اشخاص معتبری هستند اگر احراز هویت به درستی انجام شود شبکه از بسیاری حملات مصون خواهد ماند روش های موجود احراز هویت در شبکه های موردی سیار غالبا دارای اشکالاتی نظیر تاخیر سربار انتقال داده های کنترلی حافظه مصرفی و پیچیدگی محاسباتی بالا می باشند که برای کاربردهای که سرعت احراز هویت بالا و سرباز گم نیاز دارند مناسب نمی باشند نحوه عملکرد پروتکل پیشنهادی احراز هویت به این صورت است که هر گره متقاضی همکاری در شبکه برای انیکه هویتش تایید شود و بتواند در شبکه همکاری کند یک یا چند گروه مورد اعتماد را به عنوان معرف برای خود معرفی می کند. گره یاگره های معرف پس از بررسی و احراز هویت به گره درخواست کننده بلیطی را می دهند که تواند با آن عضو شبکه شود. در طراحی این پروتکل سعی شده است محاسبات سرباز بسته های کنترلی و میزان حافظه مصرفی در گره ها کم باشد احراز هویت در کاربردهای متفاوت درجه اهمیت متفاوتی دارد و در هر کاربرد بر بعضی جنبه های آن تکیه می شود نتایح بدست آمده از ارزیابی این پروتکل نشان می دهد بکارگیری آن در کاربردهای نظامی و امداد نجات از نظر کارایی و امنیت در مقایسه با روش های موجود بهتر است.

برای مسیریابی در شبکه های موردی، نیاز به ارسال بسته هایی برای کشف مسیر یا ارسال اطلاعات مسیریابی است. در اکثر پروتکل های مسیریابی ارسال اطلاعات مسیریابی و بسته های کشف مسیر در شبکه به صورت سیل آسا است، که پخش سیل آسا مقیاس پذیری شبکه را محدود می کند. برای غلبه بر این محدودیت، سعی شده است از روش های خوشه بندی در شبکه های موردی استفاده شود.با توجه به متحرک بودن گره ها در شبکه های موردی سیار، خوشه بندی انجام شده فقط برای مدت زمان محدودی مناسب است و بعد از آن زمان نیاز به خوشه بندی مجدد می باشد. از آنجایی که خود عمل خوشه بندی دارای سربار های تشکیل و نگهداری است، بهتر است تا آنجایی که ممکن است خوشه بندی انجام شده به گونه ای باشد که خوشه تشکیل شده مدت طولانی تری ماندگار بماند.چون تحرک ساختار خوشه ها را به هم می زند، بهترین راه برای تشکیل خوشه هایی با ماندگاری بالا روش های حساس به حرکت هستند. روش های حساس به حرکت به دو گروه "اندازه گیری شاخص تحرک و انتخاب سرخوشه مناسب" و "براساس پیش بینی حرکت گره ها" دسته بندی می شوند. روش های پیشنهاد شده دسته اول دارای سرعت همگرایی پایینی هستند که در این پایان نامه راه حلی برای بالا بردن سرعت همگرایی آنها پیشنهاد شده است. در روش پیشنهادی انتخاب حالت گره ها را تنها تا مدت زمانی معین عقب خواهیم انداخت و پس از سپری شدن آن مدت زمان حالت گره را با توجه به اطلاعات فعلی گره های شبکه بدست خواهیم آورد.همچنین راه حل پیشنهاد شده دیگری برای ایجاد خوشه ی پایدار براساس پیش بینی حرکت گره ها نیز در این پایان نامه ارایه شده است. گره هایی که لینک های پایدارتری با هم دارند را در یک خوشه قرار داده و برای گسترش اندازه خوشه اقدام به ادغام خوشه های تشکیل شده می کنیم. انتخاب اینکه یک خوشه با چه خوشه همسایه ای ادغام گردد براساس پایداری لینک میان دو خوشه صورت می گیرد. پس از تشکیل خوشه ها، سرخوشه براساس توپولوژی خوشه انتخاب می گردد. با انتخاب سرخوشه پس از تشکیل خوشه، می توان گرهی را انتخاب کرد که برای خوشه با توجه به معیار خاصی بهترین باشد. از آنجا که سرخوشه باید برای دیگر گره های خوشه پیام های کنترلی ارسال کند، مرکزی ترین گره در خوشه نقش سرخوشگی را به عهده می گیرد. برای بدست آوردن پایداری بیشتر خوشه از مکانیزم های ادغام و افراز خوشه استفاده شده است تا با حرکت گره ها، خوشه ها از بین نروند. با ارزیابی روش پیشنهادی مشخص می شود که تعداد پیام های کنترلی نسبت به روش های مشابه کاهش یافته و تعداد گره های عضو خوشه افزایش یافته است.

شبکه های موردی سیار، مجموعه ای از گره های بی سیم هستند که بدون نیاز به زیرساخت قبلی و کنترل مرکزی، یک شبکه را تشکیل می دهند. در این نوع شبکه ها هر یک از گره ها علاوه بر ایفای نقش میزبان، وظیفه مسیریابی و جلورانی بسته های گره های دیگر را نیز بر عهده دارند. به علت برد انتقال محدود گره ها، انتقال بسته ها از مبدا به مقصد به صورت چند-گامه صورت می گیرد. یعنی گره هایی میانی مسیر، بسته ها را گرفته و دوباره به سمت مقصد ارسال می نمایند به عبارتی دیگر گره های میانی، بسته ها را به سمت مقصد جلورانی می کنند. با پیشرفت و گسترش شبکه های موردی سیار، مباحثی مانند حفظ امنیت و بقاپذیری این شبکه ها از اهمیت ویژه ای برخوردار شده است یک دسته از حملاتی که این نوع شبکه ها را تهدید می کند، حملات موسوم به بیزانسی هستند، که در آن گره هایی از شبکه با وجود آنکه تصدیق اصالت شده اند. سعی در ایجاد اختلال در مسیریابی و پیشروی بسته ها می نمایند. و در نتیجه بقاپذیری شبکه را با اختلال مواجه می کنند. در حقیقت اعمال مکانیزم های تصدیق اصالت به تنهایی نمی تواند جلوی این نوع حملات را بگیرد. و یکی از روشهای تشخیص این نوع حملات بررسی رفتار این گره ها است در این پایان نامه راه کاری برای تشخیص و مقابله بهتر با گره های بدخواه بیزانسی در شبکه های موردی بی سیم ارایه شده است.مکانیزمی که در این راه کار برای تشخیص گره های بدخواه به کار گرفته شده حتی در مقابل گره های بیزانسی هوشمند و حتی چندین گره هم کار مقاوم است و می تواند خطا را در هر شرایطی تشخیص دهد این روش مبتنی بر اعتبار می باشد و از گره های بدخواه در حین عمل مسیریابی اجتناب می ورزد. همچنین جریمه و پاداش دهی گره ها متناسب با یک پارامتر اطمینان به کل شبکه انجام می گیرد. تا پروتکل بتواند خودش را با شبکه های مختلف از نظر رفتار بدخواهانه، وفق دهد همچنین در این راه کار یک مکانیزم اشتراک گذاری اطلاعات برای بالا بردن یادگیری از شبکه و بهبود تشخیص گره های بدخواه و اجتناب از مسیرهای بد در حین مسیریابی ارایه شده است.

استفاده از فناوری mpls در هسته ی شبکه های بزرگ به دلیل سرعت بالا در راه گزینی بسته ها مورد توجه می باشد. با تجمیع ساختار سرویس متمایز به این فناوری، امکان مهندسی ترافیک بر روی رده های مختلف سرویس در این نوع شبکه ها فراهم شده است. مهندسی ترافیک شامل مکانیزم های تخصیص و مدیریت منابع شبکه است به گونه ای که ضمن تأمین کیفیت سرویس، حداکثر بهره وری از منابع شبکه بدست آید. پیش دستی یکی از مکانیزم های مهندسی ترافیک است و به معنی کنار زدن ترافیک های با اولویت پایین توسط ترافیک های با اولویت بالاتر در هنگام رقابت بر سر منابع شبکه است. افزایش پیش دستی موجب مسیریابی های مجدد و ناپایداری شبکه و از دست دادن کیفیت سرویس برای ترافیک های با اولویت پایین می شود. استفاده از یک الگوریتم مسیریابی مناسب می تواند منجر به کاهش پیش دستی در شبکه گردد. در این پایان نامه یک الگوریتم مسیریابی آگاه از پیش دستی پیشنهاد شده است که در آن علاوه بر دو معیار اولویت و پهنای باند، تخمینی از تعداد مسیرهایی که با پیش دستی مواجه می شوند نیز در محاسبه ی هزینه ی یک پیوند در نظر گرفته شده است. برای دست یابی به تخمین فوق لازم است پروتکل های مسیریابی توسعه داده شده و تعداد lsp های برقرار شده در هر رده ی مهندسی ترافیک را به همراه سایر اطلاعات حالت پیوند در شبکه تبلیغ کنند. نتایج شبیه سازی نشان داده است که اجرای این الگوریتم مسیریابی منجر به کاهش میزان پیش دستی و قطع ترافیک ها در شبکه خواهد شد. انتخاب این الگوریتم با توجه به توازنی است که بین میزان کاهش پیش دستی و سربار مورد نیاز الگوریتم صورت می گیرد.

اندازه گیری و نظارت ترافیک پایه و اساس محدوده وسیعی از فعالیتهای شبکه های ip شامل مدیریت شبکه، فعالیتهای مهندسی شبکه مانند رفع اشکال، حسابرسی ، سابقه نمای مصرف ، پیکربندی وزنهای مسیر یابی، تعدیل بار، تخمین ظرفیت مورد نیاز و ... است.علاوه بر اطلاعات ترافیک در سطح بسته، آمارهای ترافیک در سطح جریان نیز اطلاعات ارزشمندی در ارتباط با رفتار های منابع ترافیکی در اختیار ما می گذارند. از مزیتهای بررسی ترافیک در سطح جریان ساده تر بودن مدل کردن رفتار آن است چرا که در سطح بسته به دلیل جهشی بودن ترافیک و تغییرات ناگهانی در آن، پیش بینی و مدل کردن کار مشکلی است. سابق بر این جمع آوری اطلاعات جریانها بوسیله ثبت تک تک بسته هایی که از یک رابط یا لینک عبور می کردند انجام می شد. برای هر جریان در حافظه جریان مسیریاب یک مدخل ایجاد می شود. با مشاهده یک بسته جدید متعلق به این جریان این مدخل به روزرسانی می شود. چنانچه بسته مشاهده شده متعلق به هیچ جریانی در جدول نباشد یک مدخل جدید برای آن ایجاد می شود. امروزه با وجود لینکهای پر سرعت (گیگا بیت یا ترابیت) و بار زیادی که بر روی لینکهای هسته شبکه حمل می شود، امکان گرفتن آمار تک تک بسته ها و در نتیجه آمار های ترافیک با دقت زیاد وجود ندارد. چرا که اینکار بار پردازشی زیادی به مسیر یاب تحمیل می کند و باعث بروز اختلال در عملکرد اصلی آن می شود. نمونه برداری از بسته به عنوان یک راه حل تعمیم پذیر برای حل این مشکل پیشنهاد شده است. در واقع به جای ثبت تمام بسته ها، اطلاعات زیر مجموعه ای از این بسته ها ثبت و پردازش می گردد. در این حالت مشکلی که بوجود می آید چگونگی استخراج آمارهای ترافیک واقعی از این نمونه های جمع آوری شده، می باشد. در واقع باید با تکنیکهایی تخمینی از آمار واقعی جریانها مانند تعداد کل جریانها، تعداد بسته ها در هر جریان و غیره را از این نمونه ها بازیابی کرد. در این تحقیق روشی برای بازیابی این آماره ها از داده های نمونه برداری شده بر اساس شبکه عصبی پیشنهاد شده است. نتایج بدست آمده با روشهای قبلی مقایسه شده و بهبود قابل ملاحظه ای در دقت آماره های بازیابی شده حاصل شده است. همچنین از این روش برای تخمین توزیع آماره های بدست آمده استفاده شده است که نتایج، دقت قابل قبولی را تخمین می زنند.