Mehr lesen
Intrusion Detection Systeme verwenden mehrere Methoden, um Netzangriffe zu erkennen und zu verhindern. Diese Studie konzentriert sich auf die Erkennung bösartiger Knoten, die selektiv oder zufällig Pakete, die für andere Zielknoten in mobilen Ad-hoc-Netzwerken (MANETs) bestimmt sind, fallen lassen, und klassifiziert jeden Paketverweigerungsangriff entsprechend seiner Angriffsart, indem beobachtet und analysiert wird, wie sich jeder Paketverweigerungsangriff auf die Netzwerkmerkmale auswirkt. Die Überwachung der Netzwerksicherheit basiert auf dem Prinzip, dass Vorbeugung irgendwann versagt. In der aktuellen Bedrohungslandschaft können Sie sich noch so sehr anstrengen, motivierte Angreifer werden irgendwann ihren Weg in Ihr Netzwerk finden. In diesem Fall kann Ihre Fähigkeit, das Eindringen zu erkennen und darauf zu reagieren, den Unterschied zwischen einem kleinen Zwischenfall und einer großen Katastrophe ausmachen. Diese Studie folgt einem dreistufigen Zyklus: i. Datensammlung ii. Datenanalyse iii. Erkennung und Klassifizierung. Dieser Zyklus motiviert den intelligenten Einsatz künstlicher neuronaler Netze, die die an jedem Knotenpunkt gesammelten lokalen Daten zur Erkennung bösartiger Aktivitäten nutzen.
Über den Autor / die Autorin
O Innocent Mapanga nasceu no Zimbabué. Recebeu a sua licenciatura em Ciências da Computação pela Universidade de Educação Científica de Bindura, Zimbabué, em 2008, e um MTech em Ciência e Engenharia Informática pela Universidade Tecnológica de Deli, Deli, Índia, em 2014. Actualmente está a fazer o seu doutoramento centrado na Segurança de Redes.
