Loading...
جلوگیری از حمله سیاه چاله در شبکه WSN با الگوریتم GWO در MATLAB
در این بخش پروژه شبیه سازی جلوگیری از حمله سیاه چاله در شبکه WSN با الگوریتم گرگ خاکستری (GWO) در نرم افزار MATLAB به همراه فیلم راهنما و داکیومنت آماده کرده ایم که در ادامه توضیحاتی از معرفی پروژه ارائه شده و فیلم و تصاویر خروجی پروژه در محیط متلب قرار داده شده است.
معرفی پروژه
در این پروژه تلاش می کنیم تا با استفاده از الگوریتم گرگ خاکستری (Grey Wolf Optimizer) یک روش کارا و امن برای تشخیص حملات سیاه چاله (Black Hole) در شبکه های حسگر بی سیم (WSN) ارائه دهیم. در این پروژه ابتدا اطلاعات پیام های درخواستی (id فرستنده، id ایستگاه پایه و id ارسال کننده ها( را ثبت می کنیم. هر گرهای که پیام درخواستی را دریافت میکند، گره ارسال کننده را به لیست ارسال کننده ها اضافه می کند. اطلاعات گره های ارسال کننده برای تأیید فعال بودن گره مورد سنجش قرار می گیرد. با دریافت پیام پاسخ به اطلاعات ثبت شده رجوع کرده درصورتی که ارسال کننده در لیست تأیید کنندگان موجود باشد که به روال عادی ادامه خواهد داد. در غیر این صورت به مقدار متغیر مشکوک گره موردنظر اضافه می کنیم و وارد مرحله الگوریتم بهیته گرگ خاکستری (GWO) می شویم که گره را ردیابی و محاصره کرده و به گره حمله می کند و در لیست مهاجمان و حذفیات قرار می دهد.
پارامترهای ورودی
پارامترهای ورودی در این الگوریتم که از رفتار مهاجمان نشئت گرفته شده شامل مدت زمان انتظار پاسخ به درخواست مسیر ، نسبت تعداد بسته های دریافتی به تعداد بسته های ارسال شده و تعداد تأیید کنندگان گره می باشد که واضح است دلیل استفاده از پارامترهای فوق ارتباط این پارامترها با حمله سیاه چاله است و این حمله باعث تغییر در وضعیت این پارامترها می گردد. در بیشتر کارها تنها از نسبت بسته های دریافتی و ارسالی و همچنین بررسی گره های همسایه برای تعیین میزان اعتماد استفاده شده است. خروجی الگوریتم با آستانه مقایسه می شود اگر مقدار خروجی بیشتر بود گره، به عنوان مهاجم شناسایی می شود. با تشخیص گره مهاجم، گره مورد نظر در لیست گره های مهاجم اضافه می شود. لازم به ذکر است که مقدار آستانه را با تجزیه و تحلیل شبکه به دست می آوریم. هرچه مقدار آستانه بیشتر باشد زمان تشخیص دیرتر خواهد شد. و با مقدار آستانه کمتر، تشخیص نادرست مهاجمان بیشتر خواهد شد. از آن لحظه به بعد هر پاسخی از گره مهاجم نادیده گرفته می شود. اما در صورت کوچک تر بودن از حد آستانه به روال عادی ادامه خواهد داد. سپس بسته های ارسالی با نادیده گرفتن مهاجم به ایستگاه پایه تحویل داده می شود.
استفاده از الگوریتم گرگ خاکستری (GWO)
در این پروژه از الگوریتم گرگ خاکستری (Grey Wolf Optimizer) جهت کاهش سر بار محاسباتی برای بالابردن دقت تشخیص حملات سیاه چاله در شبکه های حسگر بی سیم استفاده می شود. در این راهکار می کوشیم ضعف روش های مشابه که دقت کمتر و عدم تشخیص چند مهاجمی است را حل کنیم. به همین منظور برای دقت بالاتر، از پارامترهای ورودی، جزئیتری که از رفتار مهاجمان نشئت گرفته، استفاده خواهیم کرد، که نه تنها دقت را بهبود می دهد چند مهاجمی بودن را نیز تشخیص می دهد. جواب خروجی با آستانه موردنظر سنجیده می شود در صورت بزرگ تر بودن خروجی، گره مهاجم تلقی می شود. این روش به این صورت است که پارامترهای ورودی برای هر سه متغیر ورودی مطرح شده با استفاده از الگوریتم بهینه سازی گرگ خاکستری به صورت بهینه به نحوی که حملات حداقل شود.
تصاویری از خروجی
هیچ نظری ثبت نشده است