Phân tích sự tấn công lỗ đen giao thức định tuyến AODV trên mạng VANET mô phỏng giao thông thành phố Hồ Chí Minh
lượt xem 3
download
Bài viết này trình bày mô hình tạo tô-pô cho mạng VANET thực tế (RVTG) kết hợp sử dụng hệ mô phỏng NS2 để khảo sát và đánh giá chất lượng dịch vụ định tuyến của giao thức định tuyến AODV ở trạng thái bình thường và khi bị tấn công bởi lỗ đen trên mạng VANET không hạ tầng (V2V) tại Thành phố Hồ Chí Minh (TP. HCM), Việt Nam.
Bình luận(0) Đăng nhập để gửi bình luận!
Nội dung Text: Phân tích sự tấn công lỗ đen giao thức định tuyến AODV trên mạng VANET mô phỏng giao thông thành phố Hồ Chí Minh
- Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIV về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin (FAIR), TP. HCM, ngày 23-24/12/2021 DOI: 10.15625/vap.2021.00101 PHÂN TÍCH SỰ TẤN CÔNG LỖ ĐEN GIAO THỨC ĐỊNH TUYẾN AODV TRÊN MẠNG VANET MÔ PHỎNG GIAO THÔNG THÀNH PHỐ HỒ CHÍ MINH Nguyễn Quốc Anh1, Lương Thái Ngọc2, Trương Thị Hoàng Oanh3, Võ Thanh Tú4 Phòng Hợp tác quốc tế, Trường Đại học Đồng Tháp 1 Khoa Sư phạm Toán - Tin, Trường Đại học Đồng Tháp 2 3 Khoa Kinh tế, Trường Đại học Đồng Tháp 4 Khoa Công nghệ Thông tin, Trường Đại học Khoa học, Đại học Huế nqanh@dthu.edu.vn, ltngoc@dthu.edu.vn, tthoanh@dthu.edu.vn, vttu@hueuni.edu.vn TÓM TẮT: Vấn đề an ninh trên mạng tùy biến giao thông (VANET) trong các nghiên cứu về hệ thống giao thông thông minh, đang được sự quan tâm của rất nhiều nhà khoa học trên thế giới. Bài báo này trình bày mô hình tạo tô-pô cho mạng VANET thực tế (RVTG) kết hợp sử dụng hệ mô phỏng NS2 để khảo sát và đánh giá chất lượng dịch vụ định tuyến của giao thức định tuyến AODV ở trạng thái bình thường và khi bị tấn công bởi lỗ đen trên mạng VANET không hạ tầng (V2V) tại Thành phố Hồ Chí Minh (TP. HCM), Việt Nam. Các tham số đánh giá gồm tỷ lệ gửi thành công, phụ tải định tuyến và thời gian trễ trung bình. Từ khóa: AODV, chất lượng dịch vụ, RVTG, SUMO,VANET, V2V. I. GIỚI THIỆU Mạng tùy biến di động là một mạng có tính chất động gồm các máy chủ di động không dây giao tiếp với nhau mà không cần cơ sở hạ tầng độc lập hoặc quản trị tập trung. VANET là một nhánh con của mạng tùy biến di động, VANET là mạng gồm các phương tiện giao thông giao tiếp với nhau (V2V) hoặc giao tiếp với hạ tầng mạng cố định như các đơn vị bên đường RSU (V2I) mà không cần có cơ sở hạ tầng viễn thông như những access point và đường dây mạng [1]. VANET hỗ trợ đắt lực cho các hệ thống như giám sát và quản lý giao thông. Các nghiên cứu VANET nhằm vào các mục tiêu cơ bản là phát triển hệ thống giao tiếp của các phương tiện xe cộ lưu thông trên đường, tăng cường trao đổi dữ diệu giữa các phương tiện một các hiệu quả, hỗ trợ người lái các thông tin trên đường, từ đó tạo nên một hệ thống giao thông thông minh. Ví dụ, các phương tiện trên con đường đã xảy ra tai nạn có thể cảnh báo cho nhau để đi một tuyến đường thay thế để tránh ùn tắc giao thông xảy ra sau vụ tai nạn. Bên cạnh các ứng dụng liên quan đến an toàn, còn có các ứng dụng khác như thông tin giải trí, dịch vụ thanh toán, tính toán bảo hiểm dựa trên việc sử dụng và các phương tiện tương tự khác [2] [3]. Trong mạng VANET, dịch vụ định tuyến đảm nhận vai trò truyền thông tin giữa các phương tiện với nhau và với cơ sở hạ tầng. Trong môi trường đô thị với mật độ phương tiện lưu thông lớn, thách thức đặt ra cho định tuyến là truyền dữ liệu hiệu quả và tin cậy [4]. Tuy nhiên, vì các phương tiện trong mạng VANET di chuyển với tốc độ cao nên dẫn tới mô hình mạng thay đổi rất nhanh [5]. Vì là một mô hình mạng không dây và tự chủ thiết lặp, VANET dễ bị tấn công bởi tin tặc dẫn tới làm sụp đổ hệ thống, một kiểu tấn công phổ biến là tấn công từ chối dịch vụ Denial-of-Service (DoS). Tấn công lỗ đen là một hình thức của DOS, có thể gây nguy hại đến tính khả dụng của hệ thống mạng VANET. Giao thông tại TP. HCM, Việt Nam đang phát triển rất nhanh với số lượng xe rất lớn lưu thông trên đường xuyên suốt, dẫn tới sự cần thiết ứng dụng công nghệ thông tin để giải quyết các vấn đề về giao thông hiệu quả và an toàn hơn. Vì thế, nghiên cứu này nhằm mục đích khảo sát và đánh giá chất lượng dịch vụ định tuyến của giao thức định tuyến AODV ở trạng thái bình thường và khi bị tấn công bởi lỗ đen trên mạng VANET trong một khu vực giao thông ở TP. HCM. Từ đó, bài báo phân tích đánh giá thiệt hại của mạng khi bị tấn công, từ đó làm nền tản cho các nghiên cứu về an toàn mạng trong sự phát triển hệ thống giao thông thông minh tại TP. HCM. II. CÁC NGHIÊN CỨU LIÊN QUAN A. AODV AODV là thuật toán định tuyến dựa trên véctơ khoảng cách theo yêu cầu tùy biến. AODV được thiết kế để kiểm soát lưu lượng trên mạng [6]. AODV được sử dụng nhiều trong các nghiên cứu gần đây khi mô phỏng định tuyến cho mạng VANET [4] [7]. AODV thuộc nhóm giao thức định tuyến thẳng, đơn đường và sử dụng cơ chế khám phá tuyến bị động. Tuyến đường từ nút đích đến nguồn chỉ được khám phá khi có yêu cầu và tuyến đường này là duy nhất và có chi phí tốt nhất. Cơ chế khám phá tuyến của AODV sử dụng gói yêu cầu tuyến (RREQ) và gói trả lời tuyến (RREP), gói HELLO và gói báo lỗi (RERR) được sử dụng để duy trì tuyến [8]. AODV cho hiệu suất cao trên các mạng trên diện rộng [9].
- Nguyễn Quốc Anh, Lương Thái Ngọc, Trương Thị Hoàng Oanh, Võ Thanh Tú 545 B. Tấn công lỗ đen Tấn công lỗ đen là một cuộc tấn công bên trong mạng, nút độc hại tham gia vào mạng trong quá trình định tuyến và truyền nhận các gói tin điều khiển. Tuy nhiên, khi nút độc hại nhận các gói tin từ các nút khác, nó sẽ loại bỏ gói tin này mà không thông báo, từ đó ảnh hưởng đến việc truyền gói tin trong mạng. Trong mạng sử dụng giao thức định tuyến AODV, một nút lỗ đen giả vờ là có một tuyến đường đủ tươi cho tất cả các nút đích được yêu cầu. Khi một nút nguồn phát gói tin RREQ cho bất kỳ nút đích nào, nút lỗ đen sẽ trả lời ngay lập tức bằng một gói tin RREP có chứa số thứ tự cao nhất và tin nhắn này được nhận như thể đến từ nút đích hoặc từ một nút có một tuyến đường đủ mới đến đích. Như thế, nút nguồn sẽ chọn nút lỗ đen để gửi những gói tin đến nút đích mà nó muốn truyền tới và bỏ qua các nút trung gian khác. Sau đó, nút nguồn sẽ bắt đầu truyền những gói tin của mình đến nút lỗ đen và tin rằng các gói tin này sẽ đến đích, nhưng thực tế là các gói tin đó đã bị nút lỗ đen loại bỏ. Madhuri và cộng sự [10] đã khảo sát và đánh giá chất lượng định tuyến của giao thức AODV dưới sự tấn công của lỗ đen trên mạng MANET. Các mạng bị tấn công bơi lỗ đen sẽ giảm hiệu suất đáng kể. Trong nghiên cứu của Fiade và cộng sự năm 2020 [11] đã đánh giá chất lượng định tuyến của giao thức AODV khi mạng bị tấn công bởi lỗ đen trên mạng VANET, tuy nhiên, khảo sát trong một phạm vi nhỏ với ít phương tiện giao thông. C. Mô hình RVTG Patil và cộng sự đã đề suất mô hình tạo kịch bản di chuyển cho mạng VANET thực tế bằng cách sử dụng các công cụ hỗ trợ: SUMO, OpenStreetMap, eWorld và TraNS [12]. Bài báo này cải tiến mô hình của Patil và cộng sự, với việc loại bỏ việc sử dụng eWorld và TraNs nhằm giảm việc sử dụng nhiều phần mềm trung gian, bên cạnh đó, bài báo trình bày chi tiết hơn về các bước để thực hiện xây dựng kịch bản di chuyển cho mạng VANET tại một khu vực bản đồ lớn. Mô hình Realistic VANET Topology Generation (RVTG) cho phép thiết kế kịch bản di động cho các phương tiện giao thông trên một khu vực bản đồ thực tế được xác định trước, các bước trong mô hình RVTG được mô tả trong Hình 2. Phần mềm SUMO và Open Street Map (OSM - www.OpenStreetMap.org) được sử dụng để tạo ra các kịch bản di duyển cho các phương tiện giao thông trong một khu vực giao thông thực tế. SUMO là một bộ mã nguồn mở và miễn phí dùng để mô phỏng giao thông, được phát triển từ năm 2001. SUMO được tích hợp nhiều công cụ hỗ trợ tự động hóa các tác vụ như tạo, thực hiện và đánh giá lưu lượng giao thông [13]. OpenStreetMap là một dịch vụ bản đồ thế giới trực tuyến được thành lập năm 2014. OSM cung cấp các dữ liệu địa lý do người dùng tải lên. Mô hình RVTG thực hiện thông qua các Bước sau: Bước 1: Các kịch bản được xác định dựa trên số phương tiện tham gia mô phỏng, giao thức truyền tin, thời gian truyền tin và bản đồ khu vực mô phỏng. Bản đồ dữ liệu các tuyến giao thông của một khu vực thực tại TP. HCM được trích xuất thông qua Open Street Map (Hình 1). Hình 1. Trích xuất dữ liệu bản đồ thực thông qua Open Street Map Bước 2: Sau đó, dữ liệu bản đồ được chuyển đổi để lấy được dữ liệu các tuyến đường trong bản đồ và lưu vào một file *.net.xml bằng hàm netconvert do phần mềm SUMO cung cấp. Bước 3: Hàm polyconvert chuyển đổi dữ liệu bản đồ ban đầu để lấy thông tin về địa hình trong khu vực muốn mô phỏng, dữ liệu được lưu vào file *.poly.xml.
- 546 PHÂN TÍCH SỰ TẤN CÔNG LỖ ĐEN GIAO THỨC ĐỊNH TUYẾN AODV TRÊN MẠNG VANET MÔ PHỎNG… Bước 4: Tiếp theo, một hàm python randomTrips của SUMO sẽ được sử dụng để tạo kịch bản di chuyển của các phương tiện trong bản đồ gồm số phương tiện, tốc độ thay đổi dựa trên mật độ trên đường và mặc định của tuyến đường mà từng phương tiện sẽ đi. Dữ liệu đầu ra của bước này sẽ được lưu vào file *.rou.xml. Bước 5: File đầu ra *.rou.xml được tích hợp cùng thời gian mô phỏng và lưu vào file *.sumo.cfg để có thể chạy mô phỏng trên phần mềm SUMO. Dữ liệu đầu ra sau khi chạy mô phỏng trên SUMO được lưu vào file *.sumo.xml. Bước 6: Cuối cùng, hàm python traceExporter được sử dụng để trích xuất ra kịch bản di chuyển của các phương tiện. OpenStreetMap SUMO *.net.xml SUMO • Trích xuất *.osm • Hàm Netconvert • Hàm Polyconvert dữ liệu bản đồ *.osm (1) (2) *.net.xml *.net.xml *.poly.xml (3) • Số phương tiện SUMO SUMO Thời gian • Hàm *.rou.xm • Chạy mô phỏng mô phỏng • Tham số hành trình RandomTrips *.sumo.xml (4) (5) SUMO Kịch bản mô phỏng *.Topo • Hàm TraceExporter (6) Hình 2. Mô hình RVTG thiết kế kịch bản mô phỏng mạng VANET III. MÔ PHỎNG VÀ ĐÁNH GIÁ Để đánh giá hiệu quả định tuyến của giao thức AODV ở trạng thái bình thường và trạng thái khi bị tấn công ở khu vực bản đồ TP. HCM. Các kịch bản di chuyển được tạo ra từ mô hình RVTG sẽ được chạy mô phỏng trên hệ mô phỏng NS-2.35 (Network Simulator 2). Kết quả mô phỏng trên NS-2 sẽ cho ra 2 file *.nam và *.tr. Nội dung của file *.nam là trình bài cách thức các phương tiện giao tiếp với nhau trong kịch bản. Bên cạnh đó, file *.tr lưu vết di chuyển và truyền tin giữa các phương tiện trong kịch bản. Dựa trên phân tích dữ liệu trong file *.tr, ta có thể đánh giá chất lượng truyền tin khi áp dụng các giao thức tương ứng. Ngôn ngữ lập trình AWK được sử dụng để phân tích dữ liệu trong file *.tr để cho ra số liệu đánh giá chất lượng định tuyến với 3 giá trị gồm tỷ lệ gửi thành công, phụ tải định tuyến và thời gian trễ trung bình. Tỷ lệ gửi gói tin thành công (PDR- Packet Delivery Ratio) là tiêu chí quan trọng để đánh giá độ tin cậy của giao thức định tuyến. Tỷ lệ gửi gói tin thành công được tính dựa vào tỷ lệ giữa số gói tin được phân phát thành công tới đích so với số gói tin đã được gửi đi từ nguồn phát, được tính theo công thức (1). Trong đó, n là số lượng luồng dữ liệu, 𝑃𝑅𝑖 là số lượng gói đã nhận được trên luồng thứ i, 𝑃𝑆𝑖 là số lượng gói đã gửi trên luồng thứ i. ∑𝑛 𝑖 𝑖=1 𝑃𝑅 𝑃𝐷𝑅 = × 100% (1) ∑𝑛 𝑖 𝑖=1 𝑃𝑆 Phụ tải định tuyến (RL) là lượng gói tin điều khiển tuyến hao phí cần phải xử lý để định tuyến thành công một gói dữ liệu đến đích. Phụ tải định tuyến được tính dựa trên tỷ lệ giữa tổng gói tin điều khiển tuyến (gói được gửi hoặc chuyển tiếp) tại tất các các nút k cần phải xử lý với số gói dữ liệu nhận được tại nút đích, được tính theo công thức (2). 𝑖 Trong đó 𝑃𝑐𝑜𝑛𝑡𝑟𝑜𝑙 là tổng số tin gói tin điều khiển đã xử lý tại nút i. ∑𝑘 𝑖 𝑖=1 𝑃𝑐𝑜𝑛𝑡𝑟𝑜𝑙 𝑅𝐿 = (2) ∑𝑛 𝑖 𝑖=1 𝑃𝑅 Thời gian trễ trung bình (EtE) là thời gian trung bình để định tuyến thành công một gói tin đến đích. Thời gian trễ trung bình được tính dựa vào tỷ lệ giữa tổng thời gian truyền tất cả các gói dữ liệu đến đích và số lượng gói tin gửi thành công, được tính theo công thức (3). Trong đó, m là số tin nhận được tại nút đích, 𝑡𝑟𝑖 là thời điểm nhận gói tin thứ i, 𝑡𝑠𝑖 là thời điểm gửi gói tin thứ i. ∑𝑚 𝑖 𝑖 𝑖=1(𝑡𝑟 −𝑡𝑠 ) 𝐸𝑡𝐸 = (3) 𝑚 A. Kịch bản mô phỏng Mô phỏng trong nghiên cứu này được thiết đặt cho 3 trường hợp gồm 100, 150 và 200 phương tiện giao thông truyền tin với nhau dựa trên giao thức định tuyến AODV ở trạng thái bình thường và ở trạng thái bị tấn công lỗ đen tại một khu vực giao thông TP. HCM. Mỗi trường hợp gồm 10 kịch bản di chuyển ngẫu nhiên khác nhau để tăng tính khách quan của nghiên cứu. Mỗi kịch bản được thực hiện mô phỏng trên phần mềm NS-2.35 với các tham số như trong
- Nguyễn Quốc Anh, Lương Thái Ngọc, Trương Thị Hoàng Oanh, Võ Thanh Tú 547 [Bảng 1]. Kết quả đầu ra sau khi mô phỏng từng kịch bản được tính toán bằng phần mềm AWK để cho ra tỷ lệ gửi thành công, phụ tải định tuyến và độ trễ trung bình. Bảng 1. Bảng tham số cho mô phỏng Tham số Giá trị Mô hình giao tiếp V2V Giao thức định tuyến AODV Phạm vi mô phỏng 2100m x 2400m Số lượng phương tiện 100, 150, 200 Giao thức truyền thông UDP Nguồn phát dữ liệu CBR Tầng Mac 802.11 Kích thước gói 512 Bytes Tốc độ gửi gói tin 2 gói/giây Số kết nối 20 UDP Tốc độ di chuyển Tùy biến theo mật độ và mặc định của tuyến đường B. Phân tích kết quả mô phỏng Kết quả mô phỏng được trình bài qua sự so sánh 3 giá trị gồm tỷ lệ gửi thành công, phụ tải định tuyến và thời gian trễ trung bình của giao thức AODV ở trạng thái bình thường và khi bị tấn công bởi lỗ đen. a) 100 phương tiện b) 150 phương tiện c) 200 phương tiện Hình 3. Biểu đồ tỷ lệ gửi gói tin thành công
- 548 PHÂN TÍCH SỰ TẤN CÔNG LỖ ĐEN GIAO THỨC ĐỊNH TUYẾN AODV TRÊN MẠNG VANET MÔ PHỎNG… Kết quả mô phỏng tỉ lệ gửi thành công trong 3 kịch bản 100, 150 và 200 phương tiện giao thông được trình bày trong Hình 3. Có thể thấy rõ, khi bị tấn công lỗ đen thì tỷ lệ gửi gói tin thành công đã bị giảm xuống rất mạnh do các gói tin được gửi từ nút nguồn đã bị nút lỗ đen loại bỏ và không thể đến đích. Tỷ lệ gửi gói tin thành công của AODV ở trạng thái bình thường trong kịch bản 100 phương tiện là 88% ± 3,65% ở giây 300 khi mô phỏng và đạt xấp xỉ 90% ở giây mô phỏng 500. Tuy nhiên, khi bị tấn công lỗ đen bởi bởi một nút trong mạng, tỷ lệ gửi thành công bị giảm xuống còn rất thấp gần 3,65% ở giây 300 và khoảng 2,91% ở giây 500 (hình 3a). Sự ảnh hưởng này cũng tương tự trong kịch bản 150 và 200 phương tiện (hình 3b và hình 3c). Hình 4 trình bài kết quả mô phỏng phụ tải định tuyến của của giao thức AODV ở trạng thái bình thường và khi bị tấn công trong 3 kịch bản 100, 150 và 200 phương tiện giao thông. Nhìn tổng quát, phụ tải định tuyến của giao thức AODV sẽ giảm dần theo thời gian mô phỏng. Hình 4b biểu thị kết quả của kịch bản 100 phương tiện và cho thấy rằng giao thức AODV có phụ tải định tuyến là 7,56 gói ở giây 300 và giảm dần còn 4,79 gói ở giây 500 của mô phỏng. Khi bị tấn công lỗ đen, để định tuyến thành công một gói dữ liệu đến đích, lượng gói tin điều khiển tuyến hao phí cần phải xử lý tăng lên rất cao dẫn đến AODV có phụ tải định tuyến tăng lên rất nhiều với 89,63 gói ở giây 300, sau đó tăng dần lên 105,52 gói ở thời điểm 500 giây (Hình 4a). a) 100 phương tiện b) 150 phương tiện c) 200 phương tiện Hình 4. Biểu đồ phụ tải định tuyến Trong kịch bản 150 phương tiện, phụ tải định tuyến của AODV ở trạng thái bình thường là 12,26 gói ở giây 300 và giảm dần còn 7,58 gói ở giây 500 của mô phỏng. Khi bị tấn công lỗ đen, phụ tải định tuyến của AODV cao hơn gấp nhiều lần với 95,45 gói ở giây 300, sau đó giảm xuống và duy trì ở mức khoảng 90 gói ở giây mô phỏng 400 và 500 (Hình 4b). Giao thức AODV khi bị tấn công lỗ đen, có phụ tải định tuyến là 148,48 gói ở giây mô phỏng 300 cao hơn gấp nhiều lần khi ở trạng thái bình thường là 17,33 gói khi khảo sát trong kịch bản 200 phương tiện. Tuy nhiên, trong khi phụ tải định tuyến giảm dần theo thời gian mô phỏng xuống còn 12,61 ở giây 500 đối với AODV ở trạng thái bình thường, thì ở trạng thái bị tấn công, phụ tải định tuyến lại tăng dần lên và đạt 171,39 gói ở giây 500 (Hình 4c).
- Nguyễn Quốc Anh, Lương Thái Ngọc, Trương Thị Hoàng Oanh, Võ Thanh Tú 549 Kết quả mô phỏng độ trễ trung bình của giao thức AODV khi ở trạng thái bình thường và khi bị tấn công lỗ đen bởi một phương tiện trong 3 kịch bản 100, 150 và 200 phương tiện được trình bày trong Hình 5. Kết quả cho thấy rằng, giao thức AODV khi bị tấn công sẽ có độ trễ trung bình tỉ lệ nghịch với số lượng phương tiện giao thông di chuyển trong mạng, độ trễ trung bình giảm dần khi thời gian mô phỏng kéo dài và giảm xuống khi số lượng phương tiện tăng lên. Độ trễ trung bình của giao thức AODV luôn cao hơn khi ở trạng thái bình thường trong 2 kịch bản 100 và 150 phương tiện, tuy nhiên, ngược lại ở kịch bản 200 phương tiện, độ trễ trung bình của giao thức AODV lại thấp hơn khi bị tấn công so với ở trạng thái bình thường. Kết quả độ trể trung bình trong kịch bản 100 và 150 phương tiện giao thông được trình bày trong Hình 5a và 5b. Trong kịch bản 100 phương tiện, khi bị tấn công, giao thức AODV có độ trể trung bình là 719,05 giây ở thời gian mô phỏng 300 giây sau đó giảm xuống và duy trì ở mức khoảng 539 giây khi thời gian mô phỏng kéo dài đến 400 và 500 giây, trong khi ở trạng thái bình thường thời gian độ trể trung bình giảm từ 385,83 giây xuống còn 267,2 giây trong khoảng thời gian mô phỏng từ 300 đến 500 giây (Hình 5a). Tương tự trong kịch bản 150 phương tiện, trong khoảng thời gian mô phỏng từ 300 đến 500 giây, độ trễ trung bình giảm từ 319,76 giây xuống còn 217,46 giây ở trạng thái bình thường và giảm từ 432,70 giây xuống còn 312,46 giây khi bị tấn công lỗ đen (Hình 5b). a) 100 phương tiện b) 150 phương tiện c) 200 phương tiện Hình 5. Biểu đồ độ trễ trung bình Tuy nhiên, ngược lại với 2 kịch bản 100, 150 phương tiện, khi kịch bản mô phỏng có số lượng phương tiện lớn hơn là 200, độ trễ trung bình của giao thức AODV khi bị tấn công lại thấp hơn khi ở trạng thái bình thường. Trong khi giao thức AODV ở trạng thái bình thường có độ trễ trung bình là 398,48 giây và giảm dần xuống 272,19 giây trong khoảng thời gian mô phỏng từ 300 đến 500 giây, thì ở trạng thái bị tấn công lỗ đen, độ trễ trung bình của AODV lại thấp hơn với 118,80 giây ở thời gian mô phỏng 300 giây và giảm một ít còn 115,76 giây ở thời điểm mô phỏng 500 giây.
- 550 PHÂN TÍCH SỰ TẤN CÔNG LỖ ĐEN GIAO THỨC ĐỊNH TUYẾN AODV TRÊN MẠNG VANET MÔ PHỎNG… IV. KẾT LUẬN Bài báo đã vận dụng mô hình RVTG để tạo kịch bản di chuyển cho mạng VANET thực tại một khu vực giao thông TP. HCM, từ đó khảo sát chất lượng định tuyến của giao thức AODV ở trường hợp bị tấn công lỗ đen và so sánh với trạng thái bình thường. Kết quả cho thấy chất lượng gửi gói tin thành công bị giảm xuống rất mạnh khi AODV bị tấn công lỗ đen bởi một phương tiện giao thông tham gia vào mạng VANET trong các kịch bản 100, 150 và 200 phương tiện. Bên cạnh đó, so với trạng thái bình thường, phụ tải định tuyến của AODV luôn cao hơn khi ở trạng thái bị tấn công. Đặc biệt, độ trễ trung của giao thức AODV giảm dần khi thời gian mô phỏng kéo dài và tỉ lệ nghịch với số lượng phươn tiện mô phỏng trong trường hợp bị tấn công lỗ đen. Kết quả của bài báo có tính đóng góp vào các nghiên cứu an ninh mạng VANET tại TP. HCM, tạo cơ sở cho các nghiên cứu về giải pháp phát hiện và chống tấn công theo hình thức lỗ đen trong tương lai. TÀI LIỆU THAM KHẢO [1] Deshmukh, P., Sonekar, S., "Improving Energy and Efficiency in cluster based VANETs through AODV Protocol", (IJCSIT) International Journal of Computer Science and Information Technologies, vol. 5, No. 3, pp. 4788-4792, 2014. [2] Gerla, M., Lee, E. K., Pau, G., & Lee, U., "Internet of vehicles: From intelligent grid to autonomous cars and vehicular clouds", IEEE world forum on internet of things (WF-IoT), pp. 241-246, 2014. [3] Hortelano, J., Ruiz, J. C., & Manzoni, P., "Evaluating the usefulness of watchdogs for intrusion detection in VANETs", IEEE International Conference on Communications Workshops, pp. 1-5, 2010. [4] Suman, M., Prasant, K. S., "A comparative study on routing protocols for VANETs", Heliyon, vol. 5, No. 8, p. e02340, 2019. [5] Harri, J., Filali, F., and Bonnet, C., "Mobility models for vehicular ad hoc networks: a survey and taxonomy", IEEE Communications Surveys and Tutorials, vol. 11, No. 4, pp. 19-41, 2009. [6] Moussaoui, A. and Boukeream, A., "A survey of routing protocols based on link-stability in mobile ad hoc networks", Journal of Network and Computer Applications, vol. 47, pp. 1-10, 2015. [7] Abdelgadir, M., Saeed, R. A. and Babiker, A., "Mobility routing model for vehicular ad-hoc networks (vanets), smart city scenarios", Vehicular Communications, vol. 9, pp. 154-161, 2017. [8] Van Glabbeek, R., Höfner, P., Portmann, M., and Tan, W. L., "Modelling and verifying The AODV routing protocol", Distributed Computing, vol. 29, No. 4, pp. 279-315, 2016. [9] Naim, Z., and Hossain, M. I., "Performance Analysis of AODV, DSDV And DSR in Vehicular Adhoc Network (VANET)", International Conference on Robotics,Electrical and Signal Processing Techniques (ICREST), pp. 18- 22, 2019. [10] Madhuri, K., Viswanath, N. K., and Gayatri, P. U., "Performance evaluation of AODV under Black hole attack in MANET using NS2", International Conference on ICT in Business Industry & Government (ICTBIG), pp. 1-3, 2016. [11] Fiade, A., Yudha Triadi, A., Sulhi, A., Ummi Masruroh, S., Handayani, V., and Bayu Suseno, H., "Performance Analysis of Black Hole Attack and Flooding Attack AODV Routing Protocol on VANET (Vehicular Ad-Hoc Network)", 8th International Conference on Cyber and IT Service Management (CITSM), 2020. [12] Patil, S. D., Thombare, D. V., Khairnar V. D., "DEMO: Simulation of Realistic Mobility Model and Implementation of 802.11p (DSRC) for Vehicular Networks (VANET)", International Journal of Computer Applications, vol. 43, No. 21, pp. 33-36, 2012. [13] Lopez P. A., Behrisch M., Bieker-Walz L., et al, "Microscopic Traffic Simulation using SUMO", 21st International Conference on Intelligent Transportation Systems (ITSC), 2018. PERFORMANCE ANALYSIS OF BLACK HOLE ATTACK IN AODV ROUTING PROTOCOL ON VANET SIMULATE HO CHI MINH CITY TRAFFIC SYSTEM Nguyen Quoc Anh, Luong Thai Ngoc, Vo Thanh Tu, Truong Thi Hoang Oanh ABSTRACT: The security of vehicular ad hoc network (VANET) is the foundation for research on intelligent transport systems, which is attracting the attention of many scientists around the world. This article presents a topology generation model for the realistic VANET combined with NS2 simulation software to survey and evaluate the routing service quality of the AODV routing protocol in the normal state and when attacked by black hole on VANET without infrastructure (V2V) in Ho Chi Minh City (HCMC), Vietnam. Evaluation parameters include the packet delivery ratio, routing load and average end-to-end delay time.
CÓ THỂ BẠN MUỐN DOWNLOAD
-
Tìm hiểu về mẫu Rootkit.Win32.Stuxnet.a
5 p | 86 | 12
-
Một phương pháp đặc tả logic cho việc đánh giá và phân tích lỗ hổng an ninh mạng
19 p | 40 | 7
-
Một giải pháp cải tiến giao thức định tuyến AODV nhằm chống lại sự tấn công của nút lỗ đen trên mạng MANET
4 p | 19 | 5
-
Xây dựng hệ thống tích hợp liên tục nội bộ sử dụng công cụ nguồn mở Jenkins và Gitlab
11 p | 9 | 4
-
Nghiên cứu tấn công lỗ đen mạng manet trên giao thức AODV
5 p | 11 | 3
Chịu trách nhiệm nội dung:
Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA
LIÊN HỆ
Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM
Hotline: 093 303 0098
Email: support@tailieu.vn