[论文解读] Dpraodv: A Dyanamic Learning System Against Blackhole Attack in Aodv Based Manet

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

Mobile Ad Hoc Networks参考文献 13被引用 169

一句话总结

本文提出DPRAODV，一种动态学习机制，通过检测和防止黑洞攻击来增强移动自组织网络（MANETs）中的AODV路由。通过整合路由验证与邻居监控，DPRAODV能够识别那些错误地宣称最短路径的恶意节点，从而在遭受攻击时提升网络的弹性和性能。仿真结果基于ns-2，显示与标准AODV相比，分组丢失率降低了25%。

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.

研究动机与目标

• 为解决基于AODV的MANET对黑洞攻击的脆弱性，即恶意节点通过虚假宣称最短路径来破坏路由。
• 设计一种多层面的防御机制，结合检测、预防与响应机制，以减轻黑洞威胁。
• 在遭受恶意攻击时仍保持高网络性能，最大限度减少分组丢失与路由中断。
• 实现节点间的动态学习，以自适应方式实时识别并隔离黑洞节点。

提出的方法

• 引入检测阶段，通过监控路由应答消息中跳数与路径长度的一致性，识别潜在的黑洞节点。
• 采用邻居验证机制，节点通过与其他邻居交叉核对路由应答，以验证路由的真实性。
• 使用响应式机制，将可疑节点列入黑名单，并通过可信路径重新路由流量。
• 实施动态学习模型，根据观察到的行为与路由验证结果动态更新节点信任等级。
• 与标准AODV协议无缝集成，无需重大架构修改，确保向后兼容性。
• 利用ns-2（版本2.33）进行仿真，采用受控网络环境评估在黑洞攻击条件下的性能表现。

实验结果

研究问题

• RQ1 如何在不依赖静态信任模型的前提下，检测基于AODV的MANET中的黑洞攻击？
• RQ2 哪些机制能够动态验证路由应答，防止恶意节点冒充最短路径提供者？
• RQ3 检测与响应机制的集成如何提升在黑洞攻击下的网络性能？
• RQ4 与标准AODV相比，所提系统在对抗性环境中在分组丢失与路由开销方面分别降低了多大程度？

主要发现

• DPRAODV协议通过邻居验证机制对路由应答进行验证，成功检测并隔离黑洞节点，有效减少了虚假路由的传播。
• 仿真结果表明，在黑洞攻击下，与标准AODV相比，分组丢失率降低了25%，显示出更高的可靠性。
• 由于有效缓解了黑洞攻击，该协议维持了更高的端到端交付比率与更低的路由开销。
• 动态学习机制使节点能够自适应地更新信任等级，增强了对不断演变攻击模式的抗性。
• 即使多达20%的节点被攻破，系统仍能保持优异性能，证明了其可扩展性与鲁棒性。
• 与AODV的集成无缝，仅需对原始协议进行最小改动，但显著提升了安全性。