Intelligent security system for mobile adhoc networks based on machine learning

Mobil Ad-hoc Ağlar (MANET), ağ uygulamaları aracılığıyla şu veya bu şekilde bir hizmet sağlar. Askeri iletişimde kullanılan taktik ağlar ve çevresel uygulamalar gibi birçok farklı alanda ağ, Kişisel Alan Ağı (PAN) gibi iş ağları olarak kullanılmaktadır. Okullar gibi eğitim ortamlarında kullanılırlar ve kapsamı genişletmek için İnternet ağlarına bağlanırlar. MANET'in yüksek seviyeli mobilite, düğüm merkezsizleştirme, fiziksel güvensizlik vb. dahil olmak üzere birçok özelliği nedeniyle. MANET ağları, aktif veya pasif çeşitli olası tehditlere karşı hassastır. MANET birimleri (cihazlar), sıradan ve zararlı eylemleri ayırt etmek için algılama teknolojisi kullanılarak gözetlenir. Bu nedenle Sınıflandırma, Rastgele Orman (RF), Destek Vektör Makinesi (SVM) ve Naive-Bayes (NB) algoritmalarından oluşan denetimsiz Makine Öğrenimi (ML) yaklaşımları ile yapay zeka kullanılarak gerçekleştirildi. Özellik alanındaki bir eğitim örneğine bağlı olarak. Önerilen İzinsiz Giriş Tespit Sistemi (IDS) şu temel aşamalardan oluşur: trafik oluşturma aşaması, ağ simülasyon aşaması, veri toplama. Yalnızca bir veri kümesinin ön işlemesi, eğitim aşaması ve test aşaması için beş adım. Veri setini Network Simulator-2 (NS2) kullanarak oluşturduk. Önerilen sistem, ağ simülatörünün izleme dosyasından çıkarılan veri seti ile test edilmiştir. performans metrikleri hesaplanır: Kafa Karıştırıcı Matris, Doğruluk .oran, Hata oranı, Kesinlik, Geri Çağırma, F1. Her algoritmanın eğitim ve test süresini belirlemenin yanı sıra. Bulgular, önerilen sistemin umut verici sonuçlar verdiğini, R.F. algoritmalar %100'e, SVM = %99,18'e ve NB = %94,33'e ulaştı. Deneme yanılma özelliği seçiminin kullanılması, sistemi iyileştirir ve eğitim ve test süresinin karmaşıklığını azaltır. Sonuçlar karşılaştırılarak ve analiz edilerek yüksek düzeyde algılama kapasiteleri ve performans ölçütleri değerlendirilmiştir.