ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

محدود سازی حمله سیاه چاله در شبکه های متحرک اقتضایی با استفاده از روش یادگیری Q

سال انتشار: 1398
کد COI مقاله: ISCC16_006
زبان مقاله: فارسیمشاهده این مقاله: 174
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله محدود سازی حمله سیاه چاله در شبکه های متحرک اقتضایی با استفاده از روش یادگیری Q

علی ناظمی - دانشجوی کارشناسی ارشد، دانشگاه صنعتی مالک اشتر
حسین بهرامگیری - استادیار، دانشگاه صنعتی مالک اشتر

چکیده مقاله:

شبکه های متحرک اقتضایی از جمله سیستمهای خودکاری هستند که بدون ساختار مرکزی فرآیندهای جاری شبکه مانند مسیریابی، ارسال بسته ها و امنسازی ارتباط را انجام میدهند. محدودیت منابع، ساختار پویا، عدم وجود ساختار مرکزی از جمله چالشهای موجود در این شبکه ها هستند. الگوریتمهای مسیریابی بسیاری در این شبکه ها وجود دارند که مبنای تمامی آنها لینکهای قابل اعتماد و عدم وجود عامل مخرب میباشد. لذا الگوریتم های مسیریابی به صورت اولیه مکانیزم امنیتی خاصی برای جلوگیری و تشخیص حملات شبکه را ندارند و بر این اساس روشهای مختلفی در جهت افزایش امنیت این پروتکلها ارائه شده است. ایجاد سامانه های شناسایی هوشمند و بهینه سازی مصرف انرژی در فرآیند تشخیص نفوذ از جمله چالشهای سامانه های ارائه شده میباشد. هدف ما نیز در این مقاله ارائه روشی برای امنیت پروتکل مسیریابیAODV در مقابله با حمله سیاه چاله میباشد که قابلیت هوشمندسازی فرآیند تشخیص نفوذ را داشته باشد و همچنین سربار کمی بر روی توان مصرفی بگذارد. در این جا با استفاده از الگوریتم Q-Learning که یکی از روشهای یادگیری تکاملی میباشد، پروتکل مسیریابیAODV را به گونه ای تغییر میدهیم که هرگره به عنوان یک عامل موثر در فرآیند مسیریابی با توجه به شرایط محیطی و بازخوردی که از تعامل با گره های همسایه خود دارد بتواند اثر حمله سیاه چاله را کاهش دهد و در نتیجه باعث افزایش گذردهی شبکه شود. ما با استفاده از شبیه ساز NS3 محیط آزمایشی را برای مقایسه روش ارائه شده ایجاد کردهایم و عملکرد پروتکلAODV و روش ارائه شده، زمانی که شبکه تحت حمله سیاه چاله میباشد را مقایسه کرده و بهبود عملکرد شبکه را نشان میدهیم. همچنین پارامترهای الگوریتم Q-Learning و نقش آنهادر عملکرد شبکه بررسی کرده و تاثیر هر کدام را نشان میدهیم.

کلیدواژه ها:

حمله سیاه چاله – شبکه های متحرک اقتضایی - الگوریتم تکاملی- – AODV – Q-Learning جلوگیری از نفوذ - تشخیص نفوذ

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا ISCC16_006 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/941978/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ناظمی، علی و بهرامگیری، حسین،1398،محدود سازی حمله سیاه چاله در شبکه های متحرک اقتضایی با استفاده از روش یادگیری Q،شانزدهمین کنفرانس بین المللی انجمن رمز ایران،مشهد،https://civilica.com/doc/941978

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398، ناظمی، علی؛ حسین بهرامگیری)
برای بار دوم به بعد: (1398، ناظمی؛ بهرامگیری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 8,435
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات پیشنهادی مرتبط

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی