Enhanced AODV protocol against black hole attack based on classification algorithm

Other Title(s)

بروتوكول AODV محسن للكشف عن هجمات الثقب الأسود باستخدام خوارزمية تصنيف

Dissertant

Athaminah, al-Muhannad Muhsin Ali

Thesis advisor

al-Rifai, Hasan Muhammad

University

Philadelphia University

Faculty

Faculty of Information Technology

Department

Department of Computer Science

University Country

Jordan

Degree

Master

Degree Date

2018

Arabic Abstract

أصبحت شبكات الاتصال الخاصة بالمناطق المعزولة والنائية أحد اهم المواضيع المطروحة في الآونة السابقة وذلك لظهور حاجة ملحة لتلبية رغبات الافراد بالتواصل ونقل البيانات فيما بينهم، كما وان تكنولوجيا انترنت الأشياء والتي تسمح للأجهزة الذكية والحساسات التي تقوم بنقل البيانات حول البيئة والمحيط الخاص بها مثل أنظمة الحماية من الحريق والأجهزة المحمولة المتنقلة قد طرحت حاجة ملحة لشبكات اتصال تعتمد على الأجهزة المتواجدة في محيطها فقط دون الحاجة لبنية تحتية مجهزة مسبقا.

هذا ومن ناحية أخرى فان طبيعة تلك المناطق والتي لا تحتوي على البنية التحتية اللازمة لتجهيز شبكات الاتصال قد حدة من قدرة تكنولوجيا الشبكات المعمول بها على تنفيذ توصيل الشبكة بالطرق التقليدية، مما أدى لظهور تكنولوجيا شبكات اتصال الغير معتمدة على خوادم الربط والتي يطلق عليها شبكات الاتصال اللاسلكية (MANET).

وهنا كانت الحاجة لإيجاد إجراءات قياسية مضبوطة لتنظيم عملية التواصل ونقل البيانات بين تلك الأجهزة المتصلة مع بعضها من خلال شبكات (MANET) مما أدى لظهور إجراءات إيجاد متجه الهدف عند الطلب Ad Hoc On-Demand Distance Vector).

لاحقا ظهرة بعض الثغرات الأمنية لمثل هذه الإجراءات وذلك بسبب طبيعة الشبكة والتي لا تعتمد على أجهزة خوادم مركزية، مما أدى لإمكانية دخول عناصر دخيلة على الشبكة دون وجود أي نوع من الخطوط الدفاعية لمنع تلك العناصر او الأجهزة من العبث في الية عمل الشبكة بشكلها الطبيعي، وذلك من خلال مجموعة من طرق الاختراق المختلفة ونذكر من أبرزها اختراق الثقب الأسود والذي يهدف لتوجيه معظم البيانات المنقولة داخل الشبكة باتجاهه مما يؤدي لشل عمل الشبكة وتوقفها في بعض الأحيان.

هذه الاطروحة تعمل على تحسين وتقوية الحماية داخل شبكة (MANET) من خلال تعديل إجراءات (Ad Hoc On-Demand Distance Vector لتصبح قادرة على تحديد واكتشاف العناصر الدخيلة في الشبكة ومنعها من القيام بعملية توجيه البيانات المنقولة باتجاهها.

وقد اعتمدت الاطروحة على مجموعة من الخصائص التابعة للعناصر الدخيلة والتي يمكن من خلالها تمييز العنصر لما تحتويه من صلة وثيقة بطريقة عمل هذا العنصر في عملية الاختراق.

ويمكن تلخيص مجموعة الخصائص بأربعة خصائص وهي (عدد الرسائل المهملة، عدد اشعارات الأخطاء، عدد اشعارات الرد، قيمة الرقم التسلسلي للعنصر) وقد تم اعتماد هذه الخائص من خلال عملية استخراج الخصائص المهمة والتي تسمى (SU) بعد ذلك تم عمل فحص لمقارنة قدرة هذه العناصر على اكتشاف العناصر الدخيلة (اختراق الثقب الأسود) مع مجموعة من الخوارزميات الأخرى المستخدمة في عملية استخراج الخصائص المهمة مثل (IG، Relief-F) لتأكيد فعالية الخصائص المختارة.

وقد تم ذلك من خلال خوارزمية الذكاء الصناعي (J48).

وقد مجموعة بيانات مجمعة من خلال نظام محاكاة يسمى (GlomoSim) تم من خلاله تطبيق مجموعة كبيرة من أنواع شبكات (MANET) لتمكين خوارزمية الذكاء الصناعي (من فحص أكبر عدد من خيارات الشبكة وبالتالي إعطاء نتائج دقيقة بشكل عالي جدا، ويجدر بالذكر ان قاعدة البيانات هذه قد أجريت في دراسات سابقة وقد تم الاعتماد عليها في هذه الدراسة.

وقد بينت الدراسة قدرة ودقة الخصائص المذكورة على اكتشاف اختراق الثقب الأسود.

وقد تم طرح خوارزمية سلسة تعتمد على تلك الخصائص لاكتشاف وإيقاف اختراق الثقب الأسود.

وتكشف النتائج النهائية استخدمت للأطروحة قدرة الخوارزمية على اكتشاف وإيقاف هجوم الثقب الأسود مقارنة بالدراسات السابقة وبنسبة دقة اعلا.

English Abstract

Covering areas that do not have ready infrastructures to support network connections, has become one of the most demand topics.

Mobile ad hoc network (MANET).

Were the solution for this problem, were protocols like Ad Hoc On-Demand Distance Vector (AODV) take action to manage the devices inside.

As a result of such network characteristics AODV protocol were vulnerable to list of attacks like denial-of-service (DOS).

Attacks which contain attacks like black hole and worm whole attacks.

In this research new algorithm for black hole attack detection and prevention were presented based on four features extracted from the AODV protocol which are (Total number of Packets Dropped, Route Error, Rout Reply, and sequence number) .Ready data set was used to select best features related to black hole attack using symmetrical uncertainty (SU) feature selector based on WEKA tool.

The four features were evaluated by classification method called J48 in order to proof their capability of defining black hole nodes.

Moreover, the presented algorithm implements very simple test classification criteria over the regular AODV protocol to allow detection and sharing the black nodes identities.

The results of the experimental results were implemented using Global Mobile Information System Simulator(GlomoSim) simulator over 50 nodes, and compared to 3 other previously proposed algorithms (Standard AODV, behavior-driven development (BDD-AODV), and Artificial neural network Ad Hoc On-Demand Distance Vector(ANN-AODV), where the new proposed algorithm proofed its capability in detecting and preventing black hole attacks with higher efficiency average on END-TO-END time delay, lower overhead factor, and higher packet delivery ration packet delivery ratio (PDR) than all other three algorithms.

Main Subjects

Information Technology and Computer Science

Topics

• Algorithms
• Black hole

No. of Pages

64

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-955251