Impact and ML-Based Detection of Denial-of-Service Attacks on Wireless Sensor Networks. Masters thesis, King Fahd University of Petroleum and Minerals.

PDF Rakan_Alghofaili_Thesis_2023.pdf - Published Version Restricted to Repository staff only until 29 December 2024. Download (18MB)

Arabic Abstract

تكتسب شبكات الاستشعار اللاسلكية (WSNs) انتشارًا واسعًا في مختلف المجالات. فنموّها السريع يواجه نموًّا موازيًا بهجمات الحرمان من الخدمة (DoS) التي تسخدم أساليب تستغل بها نقاط ضعف جوهرية في هذه الشبكات. هذا البحث يدرس أثر ٤ أشكال من هذه الهجمات المختلفة على هذه الشبكات في بيئةٍ محاكاة. قمنا بقياس هذا الأثر من حيث استهلاك الطاقة ونسبة تسليم الحزم وزمن مابين النهايات (E2E Delay)لكل هجوم في سيناريوهات مختلفة، إضافة إلى تغير هذا الأثر حسب التغير في تموْضع المهاجم ومدى تقارب عناصر الشبكة لكل هجوم بشكل منفصل. علاوةً على ذلك، فقد قمنا استكشاف التدابير المقترحة في الأدبيات حول الحلول المطروحة المبنية على تعلم الآلة لكشف الهجمات واستعراض قائمة تسرد وتقارن عدد من هذه الحلول. كما قمنا ببناء وتطوير نموذجين لتمييز هذه الهجمات وتحديد المهاجم بدقة تتجاوز ٩٩٪ بالاستفادة من مجموعة بيانات جديدة تم تقديمها ضمن هذا البحث، تتكون من ١٧ ميزة خاصة تم استخراجها من تجربتنا.

English Abstract

The adoption of Wireless Sensor Networks (WSNs) is gaining momentum in various domains. The rapid growth in deployment of these networks is threatened with Denial of Service (DoS) attacks exploiting their inherent limitations, which includes blackhole greyhole, flooding and sinkhole attacks. We examined the impact of different attacks on WSNs in a simulated environment in the context of placement of the attacker and the distribution of the network. We quantified this impact in terms of power consumption, packet delivery ratio, and end-to-end delay for each attack under different scenarios; and studied effects of nodes distribution and attacker placement to the impact of each attack. Further, we explored different ML-based countermeasures proposed in the literature and built an inventory and comparison of proposed measures. We proposed classifiers to detect these attacks with 99%+ accuracy and precision leveraging a novel dataset consisting of 17 features from our simulated experiment.

Item Type:	Thesis (Masters)
Subjects:	Computer Research > Information Technology Electrical
Department:	College of Computing and Mathematics > Information and Computer Science
Committee Advisor:	Azzedin, Farag
Committee Members:	Ramadan, Emad and Mahmood, Sajjad
Depositing User:	RAKAN ALGHOFAILI (g200747850)
Date Deposited:	03 Jan 2024 06:18
Last Modified:	03 Jan 2024 10:28
URI:	http://eprints.kfupm.edu.sa/id/eprint/142702