Sistema de detecção e classificação de intrusão em redes Ad Hoc utilizando redes neurais artificiais e algoritmo K-Médias

Abstract

O acelerado desenvolvimento tecnológico na infraestrutura de tecnologias móveis. O aumento no uso de redes locais sem fio e o uso de serviços de satélites também são perceptíveis. A alta taxa de utilização de dispositivos móveis para diversos fins traz a necessidade de monitorar as redes sem fio. Com esta quantidade de informações transmitidas em redes sem fio se faz necessário identificar de forma rápida e eficiente o tráfego normal e anormal dessas redes, para que seus administradores possam agir. Esta tese apresenta a proposta de um Sistema de Detecção e Classificação de Intrusão em Redes Sem Fio Ad Hoc local composto de duas etapas, baseado em agrupamento de dados através do algoritmo K-Médias e pela Rede Neural Artificial Multilayer Perceptron, para a detecção e classificação de anomalias causadas por ataques a estas redes. Estas estratégias são baseadas em algoritmos inteligentes, que são capazes de minimizar as dificuldades que administradores possuem em controlar os diversos integrantes destas redes, bem como na identificação de diversas anomalias. Os algoritmos presentes nesta proposta representam técnicas de classificação, as quais possuem a característica de aprendizagem não supervisionada e supervisionada. O sistema proposto organiza os dados da Rede Ad Hoc em 25 clusters em 14,82 segundos através da utilização do K-Médias e possui taxa de classificação de 98,07% utilizando a Rede Neural Multilayer Perceptron, tornando-se viável para o processo de classificação de anomalias em Redes Sem Fio Ad Hoc.