افزایش امنیت شبکه های بی سیم مبتنی بر یادگیری ماشین و الگوریتم های تکاملی جهت تشخیص هویت جعلی

مهاجم در حمله جعل هویت، پیام های درخواست جعلی خود را برای کامپیوتر سرویس دهنده مقصد می فرستد و چنین وانمود می کند که درخواست ها از یک مبدا که گره ای در شبکه با آدرس معتبر و قابل اعتماد است، فرستاده شده اند. در این مقاله از روش هوشمند برای تشخیص حضور چند کاربر جعلی استفاده شده است. همچنین، از پردازش تکاملی برای بهبود صحت و دقت تشخیص تعداد مهاجمین و تعیین موقعیت تقریبی آنها بهره برده شده است. شبکه عصبی مصنوعی با تشخیص تغییر الگوی سیگنالی بسته های IP دریافت شده از یک گره در نقطه دسترسی (AP)، فریب را آشکار می کند. الگوریتم فراابتکاری رقابت استعماری نیز با استفاده از خوشه بندی، تعداد مهاجمین را مشخص می نماید. این الگوریتم با استخراج ویژگی های قدرت سیگنال، فاز سیگنال و انرژی سیگنال دریافتی می تواند الگوی سیگنال کاربران با آدرس IP مشخص را خوشه بندی نماید، به گونه ای که در بدترین حالت با احتمال 98 حملات را به درستی تشخیص می دهد. در نتیجه، اگر تعداد خوشه ها از تعداد آدرسIPهای فعال شبکه بی سیم بیشتر باشد، این تعداد خوشه های مازاد، تعداد مهاجمین را نشان می دهد. نتایج شبیه سازی الگوریتم پیشنهادی نشان می دهد که روش پیشنهادی دارای کارآیی 99 درصد در دقت و 98 درصد در صحت تشخیص حملات است.