آقای اکبر اسدی دانشجوی کارشناسی ارشد جناب آقایان دکتر محمود فتحی و رضا برنگی روز دوشنبه27/4/90 ساعت 17 در اتاق 304 واقع در طبقه سوم دانشکده کامپیوتر ازپروژه کارشناسی ارشد خود تحت عنوان ارائه یک پروتکل امن لایه MAC برای شبکه های موردی خودرویی دفاع خواهند نمود.

  چکیده پایان نامه:

  در این رساله قصد داریم تا به معرفی یک روش جدید برای کشف بدرفتاری در لایه MAC شبکه های موردی خودرویی بپردازیم. روش ارائه شده یک روش برمبنای کشف ناهنجاری در رشته های قابل مشاهده توسط مدل های مخفی مارکوف می باشد. مدل مخفی مارکوف به منظور کشف بدرفتاری در لایه MAC شبکه های خودرویی تعلیم داده شده است. مکانیزم کاری این کشف کننده برمبنای مشاهده یک سری الگوها می باشد که نماینده ارسال و عدم ارسال برای هر گره در شبکه می باشند که با استفاده از این رشته سمبلها در مورد خوشرفتاری یا بدرفتاری گره مذکور تصمیم گیری می کنیم. کارایی مدل ارائه شده در یک سری آزمایش برای کشف بدرفتاری با تغییر در اندازه پنجره رقابت مورد ارزیابی قرار گرفته و دیده شده است که مدل قادر است با نرخ کشف تقریبا خوبی گره های بدرفتار را کشف کند. از دیگر ویژگیهای این کشف کننده می توان به عدم نیاز به تغییر در پارامترهای لایه MAC شبکه های خودرویی برای کشف گره های بدرفتار توسط آن اشاره کرد. نکته قابل توجه دیگر این است که این کشف کننده یک کشف کننده عمومی است که می تواند با تعلیم دهی درست برای سایر بدرفتاریهای لایه MAC نیز کار کشف را انجام دهد. تعلیم دهی کشف کننده پیشنهاد شده با استفاده از شبیه ساز شبکه NS2 و نرم افزار MATLAB انجام شده است. این کار اولین کار در حوزه کشف بدرفتاری در لایه MAC ارائه شده برای شبکه های موردی خودرویی می باشد.

  واژه‌های کلیدی: شبکه های موردی خودرویی، سیستم کشف بدرفتاری در لایه MAC ، ، مدلهای مخفی مارکوف، تعلیم دهی، بدرفتاری با تغییر اندازه پنجره رقابت.

  Abstract:

  In this thesis we proposed a new method for detecting nodes that does not follow the MAC layer’s rules in vehicular ad-hoc networks. The proposed method is based on anomaly detection in a set of observable outputs which a node produces during a monitoring period. This observable outputs for each node in the network is the number of time slots that a node is in the sending state. A misbehave node that in our case is a node that is cheating on its contention window’s (CW) bounds will have greater number of sends compared to a well behave node.

  The algorithm which is used for detecting anomalous outputs, in a set of observations works, is based on Hidden Markov Model theory. Before starting the detection phase, Hidden Markov Model should be trained properly. For this reason we monitored different target nodes in a simulated network of vehicles. Then we produced some training sequences that we captured from some nodes MAC layer’s states, and used them to train our model. After the training phase HMM can detects anomalous outputs which in this case is generated by misbehave node in the network.

  Simulation’s results show that the proposed detection method is capable of detecting misbehave nodes with a fairly high detection rate and low false alarm.

  We used NS2 network simulator to generate test sequences for HMM, a long side it we used MATLAB to train HMM, and also implementing our detector.

  Keywords: MAC Layer, Vehicular Ad-Hoc Networks, misbehave Node, well behave node, Hidden Markov Model.

 ارائه­دهنده:

 اکبر اسدی

  اساتید راهنما:

 دکتر محمود فتحی - دکتر رضا برنگی

  استاد ممتحن داخلی : دکتر سید وحید ازهری

  استاد ممتحن خارجی :دکتر مسعود صبایی

 زمان : دوشنبه 27 تیرماه ماه 1390

  ساعت 17

  مکان: دانشکده مهندسی کامپیوتر- طبقه سوم- اتاق 304

  از اساتید بزرگوار، دانشجویان گرامی و دیگر متخصصان و علاقه مندان به موضوع دفاعیه دعوت
می شود با حضور خود موجبات غنای علمی و ارتقای کیفی را فراهم سازند.

  دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی