مهدی بروجنی - دانشجوی کارشناسی ارشد شبکه های کامپیوتری،گروه کامپیوتر و فناوری اطلاعات،دانشگاه شیخ بهایی ،اصفهان،ایران
مهدی باطنی - استادیار دانشگاه اصفهان،پردیس خوانسار،گروه کامپیوتر، اصفهان، ایران

با توجه به اینکه نقل و انتقال دادهها در این مورد از طریق امواج و محیط بی سیم رخ می دهد امکان نفوذ مهاجمان وجود دارد و می توانند دادهها ارسالی را سرقت و یا دستکاری کنند که باعث ایجاد نتایج اشتباه از طرف مراکز پردازشی می شود. بنابراین امنیت دادههای دستگاههای هوشمند در این مدل شبکه ها یکی از چالش هایی است که که در این پژوهش به آن توجه شده است . لذا در پژوهش حاضر یک مدل مسیریابی امن انتقال داده مبتنی بر رویکرد مسیریابی RPL و آتاماتای یادگیری با حفظ حریم خصوصی به منظور مشاهده و تشخیص حملات سیاهچاله در شبکه ونت پیشنهاد شده است . شبکه پیشنهادی که در نرم افزار متلب ورژن ۲۰۲۱ شبیه سازی شده، دارای ۵۰ نود متحرک می باشد که محدوده ارسال پیام ها برای هر خودرو ۱۰۰ متر درنظر گرفته شده است . به منظور ارزیابی عملکرد روش پیشنهادی، از معیارهای تشخیص حملات در شبکه استفاده شده و تشخیص الگوریتم براساس تعداد نودهای حملات سیاهچاله در مقایسه با رویکرد RPL معمولی ارائه گردیده است . نتایج نشان میدهد که روش پیشنهادی نسبت به RPL معمولی از منظر تعدادنودهای زنده، به میزان حدود ۶۹,۵ درصد بیشتر از روش RPL معمولی عمل نموده است . همچنین ، RPL پیشنهادی به میزان حدود ۱۶,۸ درصد بسته های بیشتری را نسبت به RPL معمولی به مقصد ارسال کرده است . تمامی این نتایج حاصل از سرعت بالای روش پیشنهادی در شناسایی گره های سیاهچاله و جلوگیری از بروز تاخیر در شبکه است . از منظر امنیتی نیز، میتوان به این نکته اشاره نمود که روش پیشنهادی در حدود ۱۶,۵ درصد نسبت به RPL معمولی در تشخیص حملات سیاهچاله بهتر عمل نموده که این امر منجر به این شده تا در حدود ۴۳,۳۰ درصد سربار کمتری به شبکه تحمیل شود.

شبکه ونت - اینترنت اشیا - امنیت - مسیریابی - RPL آتاماتای یادگیری - حریم خصوصی