Mecanismo de Votación Adaptativa con Selección de Características Basada en el Algoritmo de Mariposa Artificial para IDS en MANET

Las redes ad hoc móviles (MANET) han ganado más interés de consumidores y académicos que nunca gracias a la proliferación de redes inalámbricas y la expansión de los beneficios y usos de las redes de comunicación en general. Las MANET son útiles en una amplia variedad de entornos, ya que no dependen de un servidor centralizado u otro hardware para transmitir mensajes o procesar paquetes de datos. Es una de las principales justificaciones para implementar MANET en muchos dominios diferentes. Sin embargo, también hay numerosas dificultades que han surgido como resultado de la creciente popularidad de estas redes, siendo la seguridad de la red una de las más cruciales. Ha habido desafíos con la transmisión y recepción de datos debido a los débiles marcos regulatorios y de seguridad de las MANET; la infiltración en la red se ha identificado como una de las preocupaciones más urgentes. En las MANET, los nodos inalámbricos sirven como relés y enrutadores, conectando los nodos fuente y sumidero. En consecuencia, ahora es posible que nodos maliciosos penetren redes y destruyan paquetes de datos. Para enfrentar este problema, se utilizan sistemas modernos de detección de intrusiones (IDS) para el monitoreo remoto del funcionamiento y las acciones de los nodos presentes en redes de sensores inalámbricos. Además de poder identificar nodos hostiles en la red, los IDS también pueden predecir cómo actuarán tales nodos en el futuro. En este trabajo de investigación, se utiliza el conjunto de datos NSL-KDD como datos de entrada. Se utilizan el método SMOTE y Z-score durante el preprocesamiento para eliminar las características irrelevantes y normalizar los datos. Las características óptimas se llevan a cabo mediante el algoritmo de mariposa artificial y, finalmente, se utilizan clasificadores de ensamblaje. Perceptrón Multicapa (MLP), Árboles de Regresión Aumentados (BRT) y, finalmente, se utiliza el mecanismo de votación adaptativa para seleccionar el mejor clasificador. Los resultados demuestran que el modelo de ensamblaje propuesto logró un 97.16% de precisión, donde los modelos existentes lograron casi un 95% a 96% de precisión.