L'utilisation de l'apprentissage automatique pour la détection des attaques Déni de Service (DOS) dans les réseaux de capteurs sans fil

Abstract

Ces dernières années, Les réseaux de capteurs sans fil(RCSFs) gagnent en popularité dans la communauté scientifique et industrielle en raison de son déploiement et de ses applications relativement simples. Ces réseaux sont la cible de plusieurs menaces à la sécurité, car les RCSFs fonctionnent habituellement dans un environnement sans surveillance, pour cela les chercheurs mettent en œuvre des solutions de sécurité efficaces qui permettent de protéger le réseau. Dans le contexte, les IDS (Intrusion Detection System) sont une bonne option pour mieux protégé les RCSFs. Les chercheurs comme Almomani et all ont créé un dataset spécialisées pour le RCSFs afin de mieux détecter et classifier quatre types d’attaques par déni de service (Dos) : Blackhole, Grayhole, Flooding et TDMA (Time Division Multiple Access). Ils utilisent un protocole LEACH (Low-Energy Adaptive Clustering Hierarchy.) qui est l’un des protocoles de routage hiérarchisés les plus populaires du RCSFs. De plus, un schéma a été défini pour collecter des données à partir de Network Simulator 2 (NS-2) et ensuite traité pour produire 23 attributs, mais dans ce rapport on à utiliser seulement 19 attributs. Dataset recueillies par les chercheurs est appelé WSN-DS (Wireless Sensor NetworkDetection System). Artificial Neural Network (ANN) a été formé sur l’ensemble de données pour détecter et classer différentes attaques DOS. Ce mémoire a mené une expérimentation à l’aide Waikato Environment for Knowledge Analysis (WEKA) pour évaluer l’efficacité des algorithmes d’apprentissage automatique. Tels que K-Plus Proches Voisins, Régression Logistique, Machine vectorielle de soutien, L’arbre de décision, Naïve Bayes.