روشی جدید برای امنیت شبکه حس­گر بی­سیم با استفاده از زیست الهامی

روشی جدید برای امنیت شبکه حس­گر بی­سیم با استفاده از زیست الهامی

IEEE 2014

Novel Approach for Security in Wireless Sensor Network using Bio-Inspirations

Abstract-Exploring the symbiotic nature of biological systems
can result in valuable knowledge for computer networks. Biologically
inspired approaches to security in networks are interesting
to evaluate because of’ the analogies between network security
and survival of human body under pathogenic attacks. Wireless
Sensor Network (WSN) is a network based on multiple low-cost
communication and computing devices connected to sensor nodes
which sense physical parameters. While the spread of viruses in
wired systems has been studied in-depth applying trust in WSN
is an emerging research area. Security threats can be introduced
in WSN through various means such as a benevolent sensor node
turning fraudulent after a certain period of’ time. The proposed
research work uses biological inspirations and machine learning
techniques for adding security against such threats. While it
uses machine learning techniques to identify the fraudulent
nodes consecutively by deriving inspiration from human immune
system it effectively nullify the impact of the fraudulent ones on
the network. Proposed work has been implemented in Lab VIEW
platform and obtained results that demonstrate the accuracy
robustness of the proposed model.
.

روشی جدید برای امنیت شبکه حس­گر بی­سیم با استفاده از زیست الهامی

چکیده

بررسی طبیعت همزیستی سیستم­های بیولوژیکی ممکن است به دانش ارزشمندی برای شبکه­های کامپیوتری منجر شود. رویکردهایی که از زیست الهام گرفته­اند بدلیل تشابهاتی بین امنیت شبکه و زنده ماندن بدن انسان تحت حملات پاتوژنیک برای ارزیابی شبکه­ها جالب هستند. شبکه­ی حس­گر بی­سیم (WSN) شبکه­ای بر مبنای چند ارتباط کم هزینه و دستگاه­های فیزیکی متصل به گره­های حس­گر است که پارامترهای فیزیکی هستند. در حالی­که گسترش ویروس­ها در سیستم­های سیمی بطور کامل مطالعه شده است، استفاده از اعتماد[1]در WSN زمینه­ی تحقیقاتی در حال ظهوری است. تهدیدات امنیتی ممکن است به طرق مختلفی مثلاگره حس­گر خیراندیش[2] که پس از دوره­ی زمانی خاصی متقلب را تغییر می­دهد وارد WSNشود. تحقیق پیشنهادی از الهامات بیولوژیکی و روش­های یادگیری ماشین برای افزودن امنیت در برابر چنین خطراتی استفاده می­کند. در حالی­که این تحقیق از روش­های یادگیری ماشین برای تعریف گره­های متقلب استفاده می­کند، که با بطور پیوسته با استخراج الهام از سیستم ایمنی انسان می­تواند اثر گره­های متقل را بر روی شبکه خنثی کند. تحقیق پیشنهادی در پلت­فرم LabVIEW پیادده­سازی شده است و نتایج بدست آمده حاکی از دقت و قدرتمندی مدل پیشنهادی