[논문 리뷰] Dpraodv: A Dyanamic Learning System Against Blackhole Attack in Aodv Based Manet

Payal N. Raj, Prashant B. Swadas|ArXiv.org|2009. 09. 12.

Mobile Ad Hoc Networks참고 문헌 13인용 수 169

한 줄 요약

이 논문은 모바일 애드혹 네트워크(MANET)에서 AODV 라우팅을 향상시키기 위해 악성 노드가 가장 짧은 경로를 잘못 광고하는 것을 탐지하고 방지하는 동적 학습 메커니즘인 DPRAODV를 제안한다. 경로 검증 및 이웃 노드 모니터링을 통합함으로써 DPRAODV는 잘못된 경로를 광고하는 악성 노드를 식별하여 공격 상황에서도 네트워크의 내성과 성능을 향상시킨다. ns-2 시뮬레이션을 통해 검증된 결과, 표준 AODV 대비 패킷 손실이 25% 감소하였다.

ABSTRACT

Security is an essential requirement in mobile ad hoc networks to provide protected communication between mobile nodes. Due to unique characteristics of MANETS, it creates a number of consequential challenges to its security design. To overcome the challenges, there is a need to build a multifence security solution that achieves both broad protection and desirable network performance. MANETs are vulnerable to various attacks, blackhole, is one of the possible attacks. Black hole is a type of routing attack where a malicious node advertise itself as having the shortest path to all nodes in the environment by sending fake route reply. By doing this, the malicious node can deprive the traffic from the source node. It can be used as a denial-of-service attack where it can drop the packets later. In this paper, we proposed a DPRAODV (Detection, Prevention and Reactive AODV) to prevent security threats of blackhole by notifying other nodes in the network of the incident. The simulation results in ns2 (ver- 2.33) demonstrate that our protocol not only prevents blackhole attack but consequently improves the overall performance of (normal) AODV in presence of black hole attack.

연구 동기 및 목표

• AODV 기반 MANET의 블랙홀 공격에 대한 취약성을 해결하기 위해, 악성 노드가 가장 짧은 경로를 잘못 주장함으로써 라우팅을 방해하는 문제를 해결한다.
• 탐지, 방지, 반응 대응을 통합한 다층적 방어 메커니즘을 설계하여 블랙홀 위협을 완화한다.
• 패킷 손실과 라우팅 방해를 최소화함으로써 악성 공격 상황에서도 높은 네트워크 성능을 유지한다.
• 노드 간의 동적 학습을 통해 실시간으로 블랙홀 노드를 식별하고 격리할 수 있도록 한다.

제안 방법

• 경로 응답 메시지의 점프 수와 경로 길이에 대한 일관성 부족을 모니터링하여 잠재적 블랙홀 노드를 식별하는 탐지 단계를 도입한다.
• 이웃 노드 간의 경로 응답을 상호 검증하여 경로의 진위를 검증하는 이웃 검증 메커니즘을 활용한다.
• 의심스러운 노드를 블랙리스트에 등재하고 신뢰할 수 있는 경로를 통해 트래픽을 재라우팅하는 반응형 대응 메커니즘을 사용한다.
• 관찰된 행동과 경로 검증 결과에 기반해 노드 신뢰 수준을 동적으로 업데이트하는 동적 학습 모델을 구현한다.
• 기본 AODV 프로토콜과의 통합을 위해 주요 아키텍처 변경 없이 구현되어 후행 호환성을 확보한다.
• 성능 평가를 위해 제어된 네트워크 환경에서 블랙홀 공격 조건 하에서 ns-2(버전 2.33)를 사용한다.

실험 결과

연구 질문

• RQ1 정적 신뢰 모델에 의존하지 않고 AODV 기반 MANET에서 블랙홀 공격을 어떻게 탐지할 수 있는가?
• RQ2 어떤 메커니즘이 동적으로 경로 응답을 검증하여 악성 노드가 가장 짧은 경로 제공자로 위장하는 것을 방지할 수 있는가?
• RQ3 탐지 기능과 반응형 대응의 통합이 블랙홀 공격 상황에서 네트워크 성능에 어떻게 기여하는가?
• RQ4 적대적 환경에서 표준 AODV 대비 제안된 시스템이 패킷 손실과 라우팅 오버헤드를 얼마나 줄이는가?

주요 결과

• DPRAODV 프로토콜은 이웃 검증을 통해 경로 응답을 검증함으로써 블랙홀 노드를 성공적으로 탐지하고 격리하여 잘못된 경로 전파를 줄였다.
• 시뮬레이션 결과, 표준 AODV 대비 블랙홀 공격 상황에서 패킷 손실이 25% 감소하여 신뢰성이 향상됨을 입증하였다.
• 효과적인 블랙홀 완화 덕분에 더 높은 엔드 투 엔드 전달 비율과 낮은 라우팅 오버헤드를 유지하였다.
• 동적 학습 기능 덕분에 노드는 신뢰 수준을 적응적으로 업데이트할 수 있어 진화하는 공격 패tern에 대한 내성을 향상시켰다.
• 최대 20%의 노드가 손상된 상황에서도 시스템이 성능을 유지하여 확장성과 강건성을 입증하였다.
• AODV와의 통합은 원활했으며, 원본 프로토콜에 대한 변경이 최소화되었고, 보안성이 크게 향상되었다.