افزايش امنيت شبكه‌هاي بي سيم مبتني بر يادگيري ماشين و الگوريتم هاي تكاملي جهت تشخيص هويت جعلي

مهاجم در حمله جعل هويت، پيام هاي درخواست جعلي خود را براي كامپيوتر سرويس دهنده مقصد مي فرستد و چنين وانمود مي كند كه درخواست ها از يك مبدا كه گره‌اي در شبكه با آدرس معتبر و قابل اعتماد است، فرستاده شده‌اند. در اين مقاله از روش‌‌ هوشمند براي تشخيص حضور چند كاربر جعلي استفاده شده است. همچنين، از پردازش تكاملي براي بهبود صحت و دقت تشخيص تعداد مهاجمين و تعيين موقعيت تقريبي آنها بهره برده شده است. شبكه عصبي مصنوعي با تشخيص تغيير الگوي سيگنالي بسته‌هاي IP دريافت شده از يك گره در نقطه دسترسي (AP)، فريب را آشكار مي كند. الگوريتم فراابتكاري رقابت استعماري نيز با استفاده از خوشه بندي، تعداد مهاجمين را مشخص مي نمايد. اين الگوريتم با استخراج ويژگي هاي قدرت سيگنال، فاز سيگنال و انرژي سيگنال دريافتي مي تواند الگوي سيگنال كاربران با آدرس IP مشخص را خوشه بندي نمايد، به گونه اي كه در بدترين حالت با احتمال 98 حملات را به درستي تشخيص مي دهد. در نتيجه، اگر تعداد خوشه ها از تعداد آدرسIPهاي فعال شبكه بي سيم بيشتر باشد، اين تعداد خوشه هاي مازاد، تعداد مهاجمين را نشان مي دهد. نتايج شبيه سازي الگوريتم پيشنهادي نشان مي دهد كه روش پيشنهادي داراي كارآيي 99 درصد در دقت و 98 درصد در صحت تشخيص حملات است.