رويكرد جديد براي تشخيص حملات سيبيل غيرمستقيم در شبكه‌هاي حس‌گر بي‌سيم مبتني بر اعتماد آگاه از اطمينان با در‌نظرگرفتن عامل زمان

A Confidence-Aware Trust Approach for Detecting Indirect Sybil Attacks in Wireless Sensor Networks Considering Time Factor

شبكه‌هاي حس‌گر، اطلاعات محيط را از طريق حس‌گرها،گرفته و در صورت نياز پس از اعمال پردازشي ساده، آن‌ها را ارسال مي‌كنند.گره‌هاي حس‌گر داراي محدوديت‌هايي به‌لحاظ حافظه، توان محاسباتي، برد راديويي و ميزان انرژي دارند. با توجه به گسترش بدون مراقبت گره‌هاي حس‌گر و ماهيت بي‌سيم ارتباطات، اين شبكه‌ها مستعد حملات زيادي هستند. يكي از اين حملات، حمله سيبيل است. در اين حمله گره مخرب چندين هويت جعلي براي خود ايجاد كرده و گره‌هاي همسايه را فريب مي‌دهد. اين سبب مي‌شود كه گره بدخواه ترافيك زيادي را به خود جذب كرده و به‌طور چشم‌گيري پروتكل‌هاي مسيريابي را مختل كند. مدل پيشنهادي براي تشخيص اين دسته از حملات سيبيل از اعتماد آگاه از اطمينان با در‌نظر‌گرفتن عامل زمان استفاده مي‌كند. در اين مدل از اعتماد غيرمستقيم كه برگرفته از توصيه‌هاي دريافتي از همسايه‌ها و وزن‌دهي به اين توصيه‌ها است، استفاده شده و الگوريتم پيشنهادي توسط شبيه‌ساز متلب پياده‌سازي شده است. نتايج شبيه‌سازي نشان مي‌دهد كه روش پيشنهادي برتري قابل توجهي از نظر دقت تشخيص و نرخ هشدارهاي اشتباه دارد. ميانگين نرخ تشخيص و تشخيص غلط مدل پيشنهادي به ترتيب 93 % و 26/0 % است.

Wireless Sensor Networks (WSNs) gather the environmental information via some sensor nodes and send them after some simple processing functions if necessary. These nodes are constrained devices in terms of memory, processing capability, radio range, and energy. Due to the unattended deployment of sensor nodes and the nature of wireless communications, these networks are vulnerable to several attacks. Among these, the Sybil Attack is a serious threat in which a malicious node creates multiple fake identities in order to mislead the other sensor nodes. In this case, the malicious node can attract lots of traffic and disrupt routing protocols. In this paper, we present a confidence-aware trust model considering Time Factor to detect such attacks. In this model, we use the indirect trust, gained from the neighbors' recommendations, in order to detect the indirect Sybil attacks, in which a legal node is not directly associated with the Sybil node. The Algorithm has been implemented using MATLAB. The simulation results demonstrate significant preference of the proposed method in terms of detection accuracy and false alarm rates. The average rate of detection and false detection of the proposed model are 93% and 0.26%.