چکیده فارسی :

حملات سیبیل به عنوان یک تهدید امنیتی جدی برای شبکه های Ad hoc و شبکه های حسگر مورد توجه می باشد. همچنین این حملات با ایجاد یک تصور از  ازدحام ترافیک موجب مختل شدن کاربردهای بلقوه شبکه های ادهاک وسایل نقلیه(VANETs) می شوند.در این مقاله،ما تلاش می کنیم با استفاده از تجزیه و تحلیل توزیع قدرت سیگنال حملات سیبیل را کشف کنیم.نخست، ما یک روش همکاری(تعاونی) برای بررسی موقعیت های گره های سیبیل بلقوه پیشنهاد می کنیم.در ادامه ما از یک الگوریتم مبتنی بر اجماع نمونه تصادفی(RANSAC) برای قوی تر نمودن روش همکاری در برابر داده های دور تری که توسط گره های سیبیل جعل شده اند استفاده می کنیم.هرچند، چندین ایراد ذاتی این روش همکاری ما را بی درنگ به استفاده از روش های اضافه دیگر می کند.ما یک روش آماری معرفی می کنیم و یک سیستم طراحی می کنیم که قادر به  بررسی جایی که وسلیه نقلیه می آید می شویم.این سیستم، سیستم شاهد وجود(PES) نامیده می شود.با PES ما می توانیم دقت کشف که از آنالیز آماری استفاده می کند را  بر روی یک  دوره مشاهده را بالاتر ببریم.در انتها بر مبنای نقشه های واقعی و مدل های ترافیک، ما می توانیم برای ارزیابی انعطاف پذیری و کارایی، روش خود را با  استفاده از شبیه سازی مورد سنجش قرار می دهیم.طرح ما اثبات می کند یک روش مقرون به صرفه برای سرکوب حملات سیبیل بدون پشتیبانی اضافه از موقعیت سخت افزار خاص است.

چکیده انگلیسی:

Sybil attacks have been regarded as a serious security threat to Ad hoc Networks and Sensor Networks. They may also impair the potential applications in Vehicular Ad hoc Networks (VANETs) by creating an illusion of traffic congestion. In this paper, we make various attempts to explore the feasibility of detecting Sybil attacks by analyzing signal strength distribution. First, we propose a cooperative method to verify the positions of potential Sybil nodes. We use a Random Sample Consensus (RANSAC)-based algorithm to make this cooperative method more robust against outlier data fabricated by Sybil nodes. However, several inherent drawbacks of this cooperative method prompt us to explore additional approaches. We introduce a statistical method and design a system which is able to verify where a vehicle comes from. The system is termed the Presence Evidence System (PES). With PES, we are able to enhance the detection accuracy using statistical analysis over an observation period. Finally, based on realistic US maps and traffic models, we conducted simulations to evaluate the feasibility and efficiency of our methods. Our scheme proves to be an economical approach to suppressing Sybil attacks without extra support from specific positioning hardware.