ارائه یک پروتکل بهینه سازی شده و مقاوم در برابر حملات سیاه چاله و کرم چاله(AODV-OBW) درشبکه های فنت
- سال انتشار: 1403
- محل انتشار: هشتمین کنفرانس بین المللی مهندسی برق، کامپیوتر، مکانیک و هوش مصنوعی
- کد COI اختصاصی: EECMAI08_045
- زبان مقاله: فارسی
- تعداد مشاهده: 236
نویسندگان
دانشجوی کارشناسی ارشد شبکه های کامپیوتری،گروه کامپیوتر،واحد همدان،دانشگاه آزاد اسلامی،همدان،ایران
استاد یار،گروه کامپیوتر،واحد همدان،دانشگاه آزاد اسلامی،همدان،ایران
چکیده
شبکه های بی سیم، امروزه مورد توجه بسیاری از کاربردها قرار گرفته است. این شبکه ها با متصل کردن چند وسیله یا شی، به پایش یک منطقه می پردارند. گونه ای از این شبکه ها، شبکه های ادهاک پروازی است که شامل چندین پرنده بی یا با سرنشین هستند که با یکدیگر و یا با ایستگاه زمینی در ارتباط اند. این شبکه برای پایش منطقه با اهداف نظامی، امداد و نجات، نمایش و سرگرمی، پایش محیط زیست و غیره می توانند مورد استفاده قرار گیرند. با این حال با توجه به ماهیت و معماری این شبکه ها، چالش های مختلفی این شبکه ها را تهدید می کند. برخی از چالش های شبکه ادهاک پروازی مصرف انرژی، مسیریابی، امنیت و غیره هستند. با این حال یکی از چالش های مهم این شبکه ها امنیت آن هاست. این شبکه در معرض انواع مختلفی از چالش های امنیتی قرار دارند. حمله سایبری به این شبکه ها می تواند کارایی آن ها را به شدت تحت تاثیر قرار دارد و یا حتی باعث نابودی شبکه گردد. در این پژوهش حملات کرم چاله و سیاه چاله مورد بررسی قرار گرفتند. بر همین اساس ابتدا به کمک شبیه سازهای موجود یک شبکه ادهاک پروازی طراحی شد. سپس با استفاده از پروتکل AODV مسیریابی در شبکه FANET طراحی شده صورت گرفت. در ادامه حملاتی از نوع کرم چاله و سیاه چاله به شبکه مذکور اعمال و داده های مناسب جمع آوری شدند. در نهایت به کمک ابزارهای طبقه بندی در یادگیری ماشین مانند جنگل تصادفی، درخت تصمیم و شبکه عصبی مصنوعی این حملات شناسایی شدند. روش پیشنهادی بر اساس معیارهای تشخیص حمله مورد بررسی قرار گرفتند که نتایج بیانگر خوب روش پیشنهادی در تشخیص حملات بوده است.کلیدواژه ها
شبکه ادهاک پروازی، (AODV (OBW، کرم چاله، سیاه چاله، یادگیری ماشینمقالات مرتبط جدید
- شناسایی ویژگی های سازمان پیشرو در به کارگیری هوش مصنوعی
- قراردادهای هوشمند تجاری در متاورس با هدف خودکارسازی فرآیند تجارت
- Artificial Intelligence-Enhanced Repair Strategies in Online Collaborative EFL Classrooms: Toward a New Paradigm of Interactional Competence
- تاثیر هوش مصنوعی بر کارایی عملیات نظامی اوکراین علیه روسیه
- ارزیابی استرس و اضطراب با استفاده از پردازش سیگنال های مغزی و مدل های یادگیری ماشین
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.