19671

۱۹۶۷۱

ارائه يك روش مديريت اعتماد براي ارتباطات ماشين-به-ماشين در بستر اينترنت اشياء

كارشناسي ارشد

نرم افزار

1394

خرداد ۱۳۹۷

دكتر زينب موحدي - دكتر محمد عبدالهي ازگمي

كامپيوتر

اينترنت اشياء فناوري جديدي است كه در آن دستگاه‌هاي پردازشي، اشياء فيزيكي هوشمند و انسان‌ها به جمع‌آوري، پردازش و تبادل اطلاعات مي‌پردازند و موجب ارائه خدمات پيشرفته و سهولت در كارهاي روزمره شده‌اند. زيرمجموعه‌اي از اينترنت اشياء به نام ارتباط ماشين-به-ماشين وجود دارد كه در آن دستگاه‌ها بدون دخالت انسان با هم در ارتباط هستند و مي‌توانند در انجام پردازش‌هاي سنگين از دستگاه‌هاي ديگر كمك بگيرند. در اين شبكه‌ها تعداد زيادي اشياء هوشمند مختلف به هم متصل هستند كه به صورت خودكار و هوشمند تصميم‌گيري مي‌كنند و يك محيط ناهمگون، توزيعي و ناشناخته ايجاد مي‌كنند. درنتيجه يك چالش اصلي اين است كه دستگاه‌ها چگونه به يكديگر اعتماد كنند. در اينجا منظور از اعتماد باور يك دستگاه درمورد ماهيت دستگاه ديگر در رفتار قابل اطمينان و ارائه خدمات باكيفيت است. درنتيجه وجود يك سيستم مديريت اعتماد مي‌تواند باعث بالا رفتن كيفيت خدمات شود. از طرفي وجود گره‌هاي خودخواه يا مخرب در سيستم مديريت اعتماد اختلال ايجاد كرده و موجب پايين آمدن كيفيت خدمات و درنهايت از كار افتادن شبكه شود. روش‌هاي ارائه شده تاكنون در حوزه اينترنت اشياء و ماشين-به-ماشين براي مقابله با حمله روشن-خاموش تنها توانايي تشخيص الگوهاي رفتاري آسان و ثابت را دارند و در برابر مهاجمي كه با الگوي تصادفي حمله مي‌كند، ناكارآمد هستند. روش‌هاي مقابله با حمله دروغگويي نيز به دليل عدم استفاده از اعتماد پيشنهاددهنده براي گره‌هاي پيشنهاددهنده در كنار اعتماد مستقيم، كارايي پاييني دارند. همچنين معمولا اين روش‌ها در زماني كه هر دو نوع اين حملات در شبكه وجود دارند، عملكرد ضعيفي دارند، زيرا گره ارزياب نمي‌تواند تشخيص بدهد كه يك پيشنهاد دريافتي متناقض در مورد گره موردارزيابي، نتيجه دروغگويي پيشنهاددهنده است يا ناشي از مهاجم روشن-خاموش بودن گره موردارزيابي است. از اين رو در اين پژوهش، روشي جهت مديريت اعتماد براساس معيار كيفيت خدمات ارائه شده كه توانايي مقابله با حملات روشن-خاموش و دروغگويي را در سناريوهاي مختلف دارد. همچنين اعتماد جداگانه‌اي براي گره‌هاي پيشنهاددهنده معرفي شده كه موجب تشخيص بهتر و دقيق‌تر حمله دروغگويي مي‌شود. نتايج حاصل از شبيه‌سازي نشان مي‌دهد كه روش پيشنهادي در مقايسه با روش‌هاي مشابه ديگر، در شناسايي حملات در سناريوهاي مختلف و بهبود كيفيت خدمات بهتر عمل كرده است.

1397/08/13

A trust management scheme for M2M communications in IoT context

6/20/2020 12:00:00 AM

Internet of Things (IoT) is a new technology in which processing devices, intelligent physical objects and humans are integrated and collect, process and exchange data to provide advanced and intelligent services. There is a subset of the IoT called machine-to-machine communication, in which devices are interconnected without human intervention, and can carry out heavy processing with the help of other devices. In these networks, there are many different intelligent objects that automatically and intelligently decide, creating a heterogeneous, distributed, and unknown environment. So, the main challenge is how the devices can trust each other. Here, trust is the belief of a node about the nature of another node in reliable behavior and the provision of quality services. As a result, a trust management system can increase the quality of service. On the other hand, the existence of selfish or malicious nodes disturbs the trust management system and reduces the quality of services and causes the failure of the network. In some of the previous works, how to rate the quality of the received service is not precisely defined and it is not clear what metrics is used to compute trust. On the other hand, the methods proposed to deal with the on-off attack are only capable of recognizing easy and constant patterns of on-off behavior and are ineffective against an attacker who attacks in a random pattern. The methods for coping with badmouthing attacks also have low efficiency due to not using the recommender's trust for the recommender nodes. These methods have a low performance when both types of attacks exist in the network, because the evaluator node can not recognize that a contradictory recommendation received about the evaluating node is the result of a recommendation from a badmouthing attacker or caused by the evaluating node being an on-off attacker. Hence, in this research, a method for managing trust based on the quality of services is presented which has the ability to mitigate on-off and badmouthing attacks in different scenarios. We also define a separate trust for the recommender nodes, which provides a better and more accurate detection of badmouthing attacks. The results of the simulation show that the proposed method is better than other similar methods in identifying attacks in different scenarios and improving the quality of services.