Tấn công lỗ đen và giải pháp chống lại tấn công lỗ đen trong mạng không dây Mesh

di động (đánh số từ 2
đến 8), 1 nút có dây (Nút 0) và 1 nút Base Station (Nút 1), trong đó nút có dây kết
nối với nút Base Station qua một kết nối có dây. Mô phỏng tạo ra kết nối UDP giữa
nút Base Station và Nút 3, gắn vào nguồn CBR (Constant Bit Rate) để sinh ra các
gói tin không đổi cho kết nối UDP. Kích thước gói tin CBR là 512, tốc độ dữ liệu
là 512Kb. Trong khoảng thời gian 20 giây, nguồn CBR bắt đầu truyền vào khoảng
thời gian 1 giây và tiếp tục truyền đến hết thời gian mô phỏng. Trong một không
gian phẳng 500m 500m, vị trí của các nút được đặt thích hợp để hiển thị dòng
 ×
dữ liệu và mô phỏng thể hiện sự di chuyển của Nút 6 để chỉ ra sự thay đổi dòng dữ
liệu trong mạng. Khi không có nút nào có hành vi lỗ đen, dữ liệu được truyền đi
theo đúng yêu cầu của giao thức AODV.
 Hình 1. Dữ liệu truyền từ Base station đến Nút 3
 bằng giao thức AODV khi Nút 6 di chuyển
 Tuy nhiên, khi Nút 2 được cài đặt hành vi lỗ đen, nó hấp thụ tất cả lưu lượng
truyền từ nút nguồn và loại bỏ các gói dữ liệu này.
 129
 Bùi Hải Bằng, Kiều Tuấn Dũng, Đỗ Như Long và Vũ Xuân Bảo
 Hình 2. Nút 2 (nút Black hole) hấp thụ kết nối từ Base station đến Nút 3
2.5. Giải pháp chống lại tấn công lỗ đen và hiệu quả của nó
2.5.1. Ý tưởng thực hiện và cài đặt giao thức
 Khi nút Black hole gửi thông báo RREP không cần kiểm tra bảng định tuyến,
chúng tôi giả định rằng nhiều khả năng thông báo RREP đầu tiên sẽ đến từ nút Black
hole. Khi kiểm tra tệp vết (trace file) của mô phỏng trong đó có 1 nút blackhole,
chúng tôi nhận thấy một thời gian sau khi thông báo RREP thứ nhất (thông báo
của nút Backhole) đến nút nguồn thì thông báo RREP thứ hai đến nút nguồn là
thông báo của nút đích thực sự. Do vậy, ý tưởng xây dựng một giao thức mới chống
lại hành động lỗ đen là thay đổi hàm nhận thông báo RREP bỏ qua thông báo
RREP đầu tiên và sử dụng thông báo RREP thứ hai [3].
 Giao thức chống lại tấn công lỗ đen idsAODV được cài đặt vào NS2.34 tương
tự như giao thức AODV và giao thức tấn công lỗ đen blackholeAODV. Tuy nhiên,
để thực hiện giải pháp cho giao thức này, chúng tôi thay đổi hàm nhận RREP
(recvReply) và tạo ra cơ chế đệm cho RREP để đếm thông báo RREP thứ hai.
 Trong hàm “recvReply”, đầu tiên ta kiểm soát nếu thông báo RREP đến chính
nó. Nếu đúng, hàm sẽ tìm kiếm thông báo RREP nếu nó tồn tại; nếu không, nó
chèn thông báo RREP cho địa chỉ đích của nó và trả về hàm. Nếu thông báo RREP
được lưu trữ trước đó có cùng địa chỉ đích, hàm RREP thông thường được thực
hiện. Sau đó, nếu thông báo RREP không dành cho chính nó, nút sẽ chuyển tiếp
thông báo đến nút lân cận thích hợp. Đoạn mã sau đây thể hiện cách hàm nhận
thông báo RREP của giao thức idsAODV thực hiện:
130
 Tấn công lỗ đen và giải pháp chống lại tấn công lỗ đen...
 idsAODV::recvReply(Packet *p) {
 idsBroadcastRREP * r = rrep_lookup(rp>rp_dst);
 if(ih daddr() == index) {
 →
 if (r == NULL) {
 count = 0;
 rrep_insert(rp rp_dst); }
 →
 else {
 r count ++;
 →
 count = r count; }
 →
 CẬP NHẬT BẢNG ĐỊNH TUYẾN }
 else {
 Forward(p); }}
 Hiệu quả của chống lại tấn công lỗ đen idsAODV được đánh giá dựa trên bộ
mô phỏng NS2.34. Để thực hiện giải pháp cho giao thức chống lại hành vi lỗ đen,
chúng tôi thay đổi hàm nhận RREP và tạo ra cơ chế đệm cho RREP để đếm thông
báo RREP thứ hai. Giao thức này được thực hiện trên bộ mô phỏng NS2.34 với
kịch bản 7 nút cố định và vị trí nút tương tự như kịch bản thử nghiệm trước đó.
Trong mô phỏng này, giao thức chống lại hành vi lỗ đen idsAODV được sử dụng
thay cho giao thức AODV áp dụng cho tất cả các nút không dây kể cả nút Base
station trừ nút Black hole (Nút 2). Khi mô phỏng được thực hiện, ta sẽ nhận thấy
nút gửi gửi thông báo đến nút nhận đúng cách.
 Hình 3. Kết quả thực hiện giao thức chống lại tấn công lỗ đen
 131
 Bùi Hải Bằng, Kiều Tuấn Dũng, Đỗ Như Long và Vũ Xuân Bảo
2.5.2. Đánh giá giao thức
 Trên đây là một trong các ý tưởng nhằm chống lại hành vi lỗ đen tấn công vào
giao thức AODV trong mạng không dây nói chung và WMN nói riêng. Giải pháp
này giúp ngăn chặn hành vi lỗ đen trong một số trường hợp cụ thể. Tuy nhiên, trong
một số trường hợp, ý tưởng này không thực hiện được. Ví dụ, thông báo RREP thứ
hai có thể được tiếp nhận ở nút nguồn từ một nút trung gian nào đó mà thông tin
không đủ mới (fresh) về nút đích hoặc thông báo RREP thứ hai có thể là thông báo
đến từ nút blackhole nếu nút đích thực sự của nó gần nút nguồn hơn nút blackhole.
Do vậy, phương pháp này cố gắng tìm cách giảm thiểu hiệu ứng lỗ đen trong các
mạng AODV nếu nó làm giảm hiệu suất mạng.
2.6. Mô phỏng thực nghiệm
 Qua phần thử nghiệm hai giao thức blackholeAODV và giao thức idsAODV
ở phần trên cho thấy hai giao thức cài đặt thêm vào hoạt động đúng như mong
đợi. Tuy nhiên, với việc thực hiện trên một mạng WMN nhỏ với 7 nút cùng 1 Base
Station và các nút đặt ở những vị trí xác định trước sẽ không thể hiện rõ được ảnh
hưởng của tấn công lỗ đen lên WMN cũng như hiệu quả của giao thức phòng ngừa
tấn công lỗ đen trên các mạng này. Do đó, chúng tôi xây dựng một số mô phỏng
WMN với nhiều nút di động và nhiều trạm cơ sở hơn. Kịch bản cố gắng xây dựng
một mạng “thật” nhất qua đó đánh giá hiệu quả của các giao thức được cài đặt qua
tỉ lệ gửi và nhận gói tin đồng thời tính toán số lượng gói tin bị loại bỏ do tấn công
lỗ đen. Số lượng các nút có hành vi lỗ đen cũng được thay đổi nhằm thấy rõ hơn
ảnh hưởng của các tấn công lỗ đen vào mạng. Từ kết quả tính toán được, chúng tôi
đưa ra kết luận về ảnh hưởng của tấn công lỗ đen trên giao thức AODV sử dụng
cho WMN và hiệu quả của giao thức ngăn chặn tấn công lỗ đen khi thay cho giao
thức AODV trên các mạng này.
2.6.1. Kịch bản mô phỏng
 Kịch bản mô phỏng được thiết kế trên một không gian phẳng diện tích 1000m
 1000m với 4 nút có dây nối với 4 nút không dây làm Base Station (BS). Các nút
×
này được đặt ở những vị trí xác định trong mạng. Ngoài ra có 50 nút (N) được tạo
ra với vị trí đặt tại các tọa độ khác nhau và chuyển động khác nhau với mục đích
mô phỏng các bộ định tuyến lưới và mesh client trong WMN.
 Các kết nối được thiết lập giữa các nút nhằm mô phỏng sự truyền dữ liệu giữa
các nút trong WMN. Trong đó:
  4 kết nối từ 4 Base Station đến các nút tương ứng từ 0 đến 3: BS0 N(0);
 →
BS1 N(1); BS2 N(2); BS3 N(3). Các thực thể UDP được gắn vào các Base
 → → →
Station và các thực thể NULL được gắn vào các nút từ 0 đến 3.
132
 Tấn công lỗ đen và giải pháp chống lại tấn công lỗ đen...
  21 kết nối giữa các nút với nhau từ nút 4 đến nút 45 trong đó các nút chẵn
gửi dữ liệu đến các nút lẻ có số ngay sau nó theo từng cặp tương ứng: N(4) N(5);
 →
N(6) N(7); N(8) N(9); ... ; N(44) N(45). Các thực thể UDP được gắn vào
 → → →
các nút chẵn và các thực thể NULL được gắn vào các nút lẻ.
  4 nút N(46), N(47), N(48), N(49) không kết nối với nút nào trong mạng. Các
nút này chỉ thực hiện chức năng chuyển tiếp dữ liệu khi mô phỏng mạng với các
giao thức AODV, giao thức chống lại tấn công lỗ đen (idsAODV) hoặc được cài đặt
giao thức lỗ đen (blackholeAODV) trong các tấn công lỗ đen. Số lượng các nút có
hành vi lỗ đen tăng dần từ 0 đến 4 đối với từng kịch bản mô phỏng.
  Nguồn CBR (Constant Bit Rate) được gắn vào các thực thể UDP để sinh
ra các gói lưu lượng không đổi. Thời lượng kết nối là 500s và nguồn CBR bắt đầu
từ giây thứ hai đến giây thứ 450. Thông số của nguồn CBR bao gồm: kích thước
gói tin: 512 bytes; Tốc độ truyền 10Kb (không sử dụng gói tin ngẫu nhiên trong mô
phỏng).
 Tất cả các kết nối UDP luôn giống nhau giữa các nút. Trong từng kịch bản,
từng nút được đặt tại các tọa độ khác nhau và thực hiện các chuyển động khác
nhau. Điều này giúp cho việc đưa ra các kết quả khác nhau với vị trí nút và chuyển
động được sinh ra ngẫu nhiên bởi lệnh “./setdest” trong NS2. Tốc độ di chuyển tối
đa của các nút là 10m/s trong khoảng thời gian 500s.
 Hình 4. Một kịch bản mô phỏng
2.6.2. Phân tích kết quả mô phỏng
 Qua 5 kịch bản mô phỏng với việc tính toán tỷ lệ gói tin bị mất khi sử dụng
hai giao thức AODV và idsAODV có tấn công và không có tấn công lỗ đen với số
 133
 Bùi Hải Bằng, Kiều Tuấn Dũng, Đỗ Như Long và Vũ Xuân Bảo
lượng các nút tấn công lỗ đen tăng dần từ 0 đến 4, kết quả mô phỏng được thể hiện
như sau:
  Khi thực hiện tấn công lỗ đen trên mạng sử dụng giao thức AODV ta nhận
thấy tỉ lệ gói tin bị mất tăng lên rất nhiều (73%  76%) so với khi không bị tấn công
lỗ đen. Điều này cũng cho thấy ảnh hưởng của tấn công lỗ đen đến kết nối của toàn
mạng và số lượng tấn công lỗ đen tăng thì tỉ lệ mất gói tin cũng tăng lên.
  Khi sử dụng giao thức idsAODV thay cho giao thức AODV, trên các kịch
bản tương tự, tỉ lệ mất gói tin khi có tấn công lỗ đen giảm xuống (54%  64%). Tuy
nhiên trong trường hợp không có tấn công lỗ đen, tỉ lệ mất gói tin của idsAODV lại
cao hơn của AODV ( 6%).
 ≈
 Bảng 1. Kết quả mô phỏng (kết quả trung bình)
 Số
 Số lượng gói tin
 lượng
 nút lỗ Gửi Nhận thành công Bị loại bỏ bởi nút lỗ đen
 đen aodv idsaodv aodv idsaodv aodv idsaodv
 19017 17380 0 0
 0 24275 24060
 (78.34%) (72.24%) (0.00%) (0.00%)
 1319 4888 7864 5425
 1 27413 27127
 (4.81%) (18.02%) (28.69%) (20.00%)
 1345 3311 10898 6031
 2 27516 27219
 (4.89%) (12.17%) (39.60%) (22.16%)
 974 2450 13473 6502
 3 27539 27262
 (3.54%) (8.99%) (48.92%) (23.85%)
 668 2046 14615 6749
 4 27550 27342
 (2.43%) (7.48%) (53.05%) (24.68%)
 Từ bảng kết quả tính toán ở trên, ta dễ dàng nhận thấy khi không có tấn công
lỗ đen, việc áp dụng giao thức AODV hiệu quả hơn so với việc áp dụng giao thức
idsAODV. Điều này có được là do giao thức AODV áp dụng triệt để đường định
tuyến ngắn nhất dựa trên việc sử dụng thông báo RREP đầu tiên trong khi giao
thức idsAODV sử dụng thông báo RREP thứ hai nếu nó đến nằm trong khoảng
thời gian định trước. Tuy nhiên, khi có tấn công lỗ đen thì việc sử dụng giao thức
idsAODV thay cho giao thức AODV sẽ đem lại hiệu quả hơn nhiều do cơ chế sử dụng
thông báo RREP thứ hai. Do vậy, việc sử dụng giao thức nào trong từng trường
hợp cụ thể để đạt được hiệu quả cao nhất cho hiệu suất của mạng là vấn đề người
dùng cần cân nhắc và quyết định.
134
 Tấn công lỗ đen và giải pháp chống lại tấn công lỗ đen...
3. Kết luận
 WMN đang nổi lên như là một công nghệ đầy hứa hẹn cho các công nghệ
mạng thế hệ tiếp theo với tính linh động, khả năng thích nghi cao và kiến trúc tự
cấu hình lại trong khi đưa các giải pháp hiệu quả về chi phí cho người cung cấp dịch
vụ. WMN có nhiều thuận lợi so với các mạng không dây khác trong việc cài đặt
đơn giản, năng lực của băng thông và khả năng kháng lỗi vốn có trong trường hợp
mạng bị lỗi. Triển khai WMN cũng khá đơn giản. Chúng cấu hình và tổ chức một
cách tự động với các nút có sẵn trong mạng, vì vậy, WMN mang lại vùng dịch vụ
tin cậy trong mạng. Trong tất cả các dạng mạng thì bảo mật là một trong những
nhân tố chính cho sự an toàn và tin cậy của việc truyền dữ liệu. Do tính chất của
truyền dẫn không dây và sự phụ thuộc vào các nút trung gian trong định tuyến lưu
lượng người dùng làm cho WMN rất dễ bị tấn công dưới nhiều dạng khác nhau.
Các tấn công có thể thực hiện từ bên ngoài cũng như từ bên trong mạng. Một số
lỗ hổng tồn tại trong các giao thức dùng cho WMN có thể bị lợi dụng bởi những kẻ
tấn công nhằm làm giảm hiệu suất của mạng trong đó tấn công lỗ đen là một ví dụ
điển hình.
 Qua bài báo này, chúng tôi tập trung trình bày chi tiết một dạng tấn công
trong WMN là tấn công lỗ đen trên giao thức định tuyến AODV. Ngoài việc giải
thích cơ chế hoạt động của giao thức AODV và phương thức tấn công lỗ đen trên
giao thức AODV, phần thực nghiệm đã mô phỏng các tấn công này trên bộ mô
phỏng NS2.34. Từ những đánh giá sự ảnh hưởng của tấn công lỗ đen trên giao
thức, chúng tôi đề xuất một phương pháp chống lại tấn công lỗ đen trên giao thức
AODV bằng cách tạo ra một giao thức mới dựa trên giao thức AODV gọi là giao
thức idsAODV. Bằng việc áp dụng giao thức này thay cho giao thức AODV và thực
hiện mô phỏng tấn công lỗ đen trên giao thức đã đề xuất, chúng tôi đã đánh giá
được hiệu quả của giao thức idsAODV trong việc chống lại các tấn công lỗ đen.
Tuy nhiên, giao thức đề xuất cũng không tránh khỏi một số hạn chế như việc áp
dụng giao thức idsAODV sẽ không hiệu quả hơn giao thức AODV trong trường hợp
không có tấn công lỗ đen hoặc tấn công lỗ đen không ảnh hưởng đến các nút đang
truyền dữ liệu. Do đó, việc áp dụng giao thức nào để đạt được hiệu quả tối ưu nhất
cho hiệu năng hoạt động của mạng vẫn còn phụ thuộc vào người dùng.
 Từ những ưu điểm và hạn chế của giao thức đề xuất ở trên, hướng nghiên cứu
tiếp theo của của chúng tôi là nghiên cứu hoàn thiện giao thức đã đề xuất nhằm
nâng cao hiệu quả định tuyến chống lại tấn công trên trên giao thức AODV và các
giao thức khác đồng thời nghiên cứu, xây dựng, triển khai và đánh giá hiệu quả của
giao thức idsAODV trên các mạng thực.
 135
 Bùi Hải Bằng, Kiều Tuấn Dũng, Đỗ Như Long và Vũ Xuân Bảo
 REFERENCES
[1] Nguyễn Đình Việt, 2009. Bài giảng đánh giá hiệu năng mạng máy tính. Trường
 Đại học Công nghệ, Đại học Quốc gia Hà Nội.
[2] M. AlShurman, S. Yoo and S. Park, 2004. Blackhole attack in mobile ad
 hoc networks. Proceedings of the 42nd Annual Southeast Regional Conference,
 Huntsville, Alabama.
[3] Semih Dokurer, Y. M. Erten, Can Erkin Acar, 2007. Performance analysis of
 adhoc networks under blackhole attacks, Southeast Con. Proceedings. IEEE.
[4] C. E. Perkins and E. M. Royer, 1999. AdHoc OnDemand Distance Vector Rout
 ing. Proceedings of IEEE Workshop on Mobile Computing Systems and Applica
 tions.
[5] Mihail L. Sichitiu, 2006. Wireless Mesh Networks Challenges and Opportunities.
 Electrical and Computer Eng. Dept.NC State University, Raleigh, NC, USA.
[6] Yan Zhang, Jun Zheng, Honglin Hu, 2008. Auerbach Security in Wireless Mesh
 Networks. CRC Press, Auerbach Publications, Taylor & Francis Group 6000 Bro
 ken Sound Parkway NW, Suite 300 Boca Raton.
[7] 
 ABSTRACT
 Blackhole attack and solutions against this type of attack
 in wireless Mesh networks
 Wireless Mesh networks (WMN) is a multihop wireless network which access
points of communicate with each other through a wireless connection at low cost. In
recent years, many studies about WMN have been done. However, network security
or WMN security in particular is a very important issue which needs special attention
because it affects network performance. In this paper, we focus on solving a specific
problem in ensuring security in WMN by describing a type of attack in WMN
particular and wireless networks in general is the blackhole attack, and then we learn
the solution against this type of attack. The implementation of the blackhole attack
simulation and the solution are implemented on the NS2 network simulator with
various scenarios to analyze the most accurate performance result. The simulation
results are analyzed to better assess the effectiveness of proposed actions and indicate
the existence need to overcome the proposal.
136