Int ern at i onal  Journ al of Ele ctrical  an d  Co mput er  En gin eeri ng   (IJ E C E)   Vo l.   11 ,  No.   1 ,  Febr uar y   2021 , pp.  53 6 ~ 544   IS S N:  20 88 - 8708 ,  DOI: 1 0.1 1591/ ijece . v 11 i 1 . pp 536 - 54 4           536       Journ al h om e page :  http: // ij ece.i aesc or e.c om   Secured  node det ec ti on te chniq ue base d  on  artifi cial neur al  network  for wirel ess senso r netw ork       Bassam H asa n 1 ,   S ameer  Al an i 2 ,   M oham med Ay ad   Saad 3     1 Depa rtment of  El e ct roni cs  and   Com m unic at ion Engi ne eri ng,   Co ll eg e  of   Engi n eering,     Univer siti   Te n ag a  Nasiona l, Mala y sia     2 Depa rtment of  Com pute r  Techn ic a l  Eng ineeri ng ,   Al - Kit ab  Univ e rsit y   Coll ege,  Ir a q   3 Depa rtment of  Medic a l  Instrum ent a ti ons T ec hn i que  Eng ine e ring ,   Al - Kit ab  Univ e rsit y ,   Ir aq       Art ic le  In f o     ABSTR A CT    Art ic le  history:   Re cei ved   Ma r   18 , 20 20   Re vised  Jun   17 , 20 20   Accepte d Aug   2 1 , 20 20       The   wire le ss   sensor  net work  is  bec om ing  the  m ost  popula r  net work  in     the   la st  r ec en t  y ea rs  as  it   ca n  m e asure   the   env iro nm ent al   conditio ns  and  send  the m   to  proc ess  purposes.  Many   vi ta l  challe ng es  fac e  the   dep lo y m ent   o f   W SNs suc h  as  e ner g y   consum ption a nd  se cur ity   i ss ues.   Vari ous a t ta cks  coul d   be  subjects  against  W SN s  and   ca u se  damag e   ei th er  in  th e  stabi lit y   of   comm unic at ion  or  in  the   destruction  of  the   sensit ive   data.   Thus ,   t he  demands  of  int rusion  det e ct ion - b ase d  ene r g y - e fficie nt  t ec h nique s  rise  dra m at i ca l l y   as   the   net work  dep lo y m ent   b ec om e s  vast  and  comp li c at ed .   Qualnet  sim ula ti on   is  used  to  m e asure   th e  per form anc e   of  th e  n etw orks.  Thi s  pa per   a ims   to   opti m iz e  th e  en erg y - base d  in tru sion  det ection  t ec hniqu e  using  the   artifi ci a l   neur al   n et work   b y   using  MA TL AB  Sim uli nk.   The   r esult s  show   how     the   opti m i ze d  m et hod  base d  o n  the   bio logi c al  ner vous  s y ste m s  improves   int rusion  detec t i on  in  W SN .   In   addi ti on  to  th a t,   the   unse cur ed   nodes  are   aff ecte d  th e  ne twork  per form anc e  neg at iv ely  and  troubl e  i t s  beha vior.    The   r egr ess  an aly sis  for   both  m e thods  detec ts  th e  var ia t ions  whe n  all  nodes   are   sec ure d  and   when  so m e  are   unsec ure d.   Thu s,  Node  det ec t io n  base d  on  pac ke t  de li ver y  rat io  and  en erg y   consum ption  coul d  eff icient l y   b e   implemente d  in an  ar ti fi cial  n eur al   n et work.   Ke yw or ds:   ANN     IDS   Qu al net     WSN   This   is an  open   acc ess arti cl e   un der  the  CC  B Y - SA   l ic ense .     Corres pond in g  Aut h or :   Ba ssam  H asan,   Dep a rtm ent o f El ect ro nics  and C omm un ic ation   En gin ee rin g ,   Un i ver sit i Te na ga Nasi onal ,    Sela ngor,  Ma la ysi a .   Em a il : bassa m hasa n92@gm a il .co m       1.   INTROD U CTION     Adva nces  in  el ect ronics  and   wireless  com m un ic at io n  te ch no l og ie s  ha ve  enab le d  the  de velo pm ent  of   la rg e - scal e  wir el ess  sensor  ne tworks  ( WSN s )  that  con sist   of   distrib uted,   auto no m ou s ,  low - pow er ,  lo w - c os t,   sm a ll - siz e  senso r  node s  to  c ollec t  inf or m ation   a nd  co ope rati vely   trans m it   data  throu gh  inf rastr uctu re - le s s   wireless  net work s  as  s how n  in  Fig u r e  1   [1 - 3] .  Secur it y  appl ic at ion s  su c h  as  intru si on   preven ti on  or   det ect io n  in  su c h  res ou rce - c onstrai ne d  re veal  sig nificant  chall en ges  an d  th e  m ai n  fo c us   of   this  pa per .  WSN  i s   beco m ing   i ncrea sing ly   popu la r  as  it   e na bles  se nsor   node s  to   m eas ur e   the   surr oundin g  en vir onm ent,  com m un ic at e  a nd   process  m easur e d  data   [4 - 6] .  W S N  has  be en  di rected  f r om   m ilit ary  app li cat ion s  to  va rio us  ci vil  app li cat io ns ,  es pecial ly   i n  hosti le   areas   [7] .  Me dical ,  i ndus tria l  an d  s m art  ener gy  a ppli cat ion s  are  s ti ll   in   need  of  e xten s ive  resea rc h  due  to   d i ff e ren t   chall en ges  e nc ountere d   [8 ,  9] .  E nergy  c onsu m ption  is  on e   of    the  vital   chall e ng e s  that  face  WSNs'   researc h.   N od es   ar e  s upplied  with  ba tt eries  that  cannot  be  rec ha r ged  or   rep la ce d  in   th e  fiel d  of  ope rati on   [ 10 - 12] .   Ma nagem ent  of   WSN' s  ene rg y  helps   to  i ncr ease   the  ne twork   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Secured  no de dete ct ion t ech ni qu e  base d on  ar ti fi ci al n eu ral  n et work f or  w ire le ss sen s or   . ..   ( Ba ssam  H asan )   537   li fetim e.   No wa days,  WSN  ha s  num ero us   a ppli cat ion s  i n  m il it ary,  healt h  a nd  en vir onm ental   areas  due  t o  ease  of   us e  a nd  ha ving  the   abili ty   to  withsta nd  harsh  e nvir onm ental   con di ti on s   [13 - 15] .  These  netw ork s  are     sel f - a dm inist er ed  net works  in  w hich  node s  are  sel f - org anized  to  ha ve   reli able  co m m un ic at ion   betwee n  them .To   hav e   secur e  c omm un ic at io n  am on g  var i ous  sel f - orga nized  nodes,   sec ur it y  issues  a re  of  m ai n  con ce r n.   T here  are  va rio us   ty pes  of   at ta c ks   that  vulne r able  to  WSN  and   el im i nat e  the  com m u nicat ion  betwee n  the   node s.  S o,  m any  stud ie s  f ocus  on  detect ing  the  int ru si on  in  WSN  by  diff e re nt  al gor it h m s    and ap proac he s.           Figure  1.  WSN stru ct ur e       The  m ai n  pr oblem   of   intru sio n  is  m iss - conn ect ing   the  com m un ic at ion   between   the  c onne ct ed  nodes ,   wh ic h  le d  to   dro p  t he  pac kets  an d  re du ce   t he  t hroug hput   [16 ,  17] .  D ue  t o  t he  la ck   of  a   so li d  li ne  of  de fen se  li ke  gateways  or   s witc hes  to   m on it or   the  i nfor m at ion   flo w,   the  sec uri ty   of   WSN   is  a  sign ific a nt  crit ic al   pro blem ,   especial ly   fo r  a pp l ic at ion s  w he re   co nf ide ntial it y  has  pr im e  i m po rtance  [ 6,  18] .  It  is  obvi ou s  t o  con cl ud e   that  tradit ion al   sec ur it y  so l utions   of  wire d/wi re le ss  netw orks  would  not  be  feasible  for  W SN s.     Th us ,  dif fer e nt   ty pes  of  al go rithm s  and   arc hi te ct ur e  are   ava il able  to  fi nd   t he  tr us te d  no de   an d  to  f in d  s ecur e d  routes.  O ver   t he  ye ars ,  a  la r ge  nu m ber   of   us ef ul  te ch niques  hav e   bee n  util iz ed  to  i nvest igate   a nd   dev e l op     the  pe rfo rm ance  of  WSN.  T he  recent  st udy  of   [ 19 ,  20 ]   r eviews   dif fer e nt  bi o - i ns pi red  te chn i qu e s  de velo pe d  for  i m pr ovin g  the  cy ber secu rity   of   cy ber - ph ysi cal   syst em s   us ed  in  WSN s.  T he  dra wb ac ks   of  pri or   bi o - insp ire d  a ppr oa ches  im po se d  the   resea rc her s   to  pro pose  a  ge ne ric  bio - ins pire d  m od el   cal le d  swar m   intel li gen ce  f or  W S N  cy be rse cur it y  (SI W C ).  The  new   sc he m e  sh ows  hi gh  perform ance  with  lo w  com plexity .   A  com par at ive   stud y  a nd   s um m arization   of  intr us io n  detect ion   a ppro ac hes  us ed  i n  W SN   wer e  rev ie wed   i n  the  w ork  of   [ 21 ,  22 ] .  Wh il e   [2 3 ]   integ rated  ne ural   netw ork  wit h  the  f uzzy  ap proac h  to  secu re  WSN  by   m aking   a uthor iz ed  acce ss  to  the  desire d  sys tem   by  exa m i ning  the  net w ork  traf fic  an d  the  pr e vious  r ecord.  Mor e ov e r,   the   stud y  of  [2 4 ]   op ti m iz ed  a  Ligh t weig ht  and   scal a ble  intru si on   a ppr oac h  us i ng   inte rele m ent  dep e ndency  m od el s  su it able   for  t he  WSN  en vironm ent.  T his  st ud y  is   m a i nly  loo ki ng  to  c om par e  thes e   al gorithm s theo reti cal ly  as wel l as op ti m iz e  the secu re  dete ct ion  alg ori thm  b y ne ural  n et work te ch niqu e b ase d  on   e nergy  consum ption   and   pack et   dro ppin g  of   the  instr uc te d  nodes.   B y  m utatio n  sta ge,   the  m os t  e nergy   dro pp e d  node ,  a nd  the   m os t  pa cket  droppe d  will   be  se pa rated  from   the  ne twork .  T his  pa per  is  organ iz e d  a s   fo ll ows.   Sect io n  1  intr oduce s   the  WSN  al ong  with   rece nt  stud ie s .  Sect i on  2  prese nts  the  propose d  m et hod.  Sect ion   4  pres ents  the  sim ula ti on   pa ram et ers.   Sect io n  5  discu sses  t he  sim ula ti on   res ults.  Co nclu ding  rem ark s   are  decr ib ed  in  secio n 5.       2.   RESEA R CH MET HO D     The  so l ution   pro posed  her e  i s  based   on   tw o  m e tric s  to  detect   the  intru s ion   on  the  WSN,  w hich  a re  the  energy  consum ption   an d  the  pac ket  deliv ery  rati o.   They   will   be   passed  to  the  arti fici a l  neu ral - im m u ne  as   two  i nputs.   It  has  t he  respo nsi bili ty ,  with  t he  ru le s   data  s et ,  w hich   co nt ai ns   the   av era ge   powe r  c ons um pt ion   and   pack et   del ivery  rati o  f or   the  distrib uted   nodes,   to  com par e  these  values  with  the  re al   on es.  U pon  th em ,  intru si on   detec ti on   co uld   be  de ci ded .  The  t w o  m et rics,  energy  co nsum ption   an d  pack et   l os s  (t raffic ),   w il l  b e   cl assifi ed  into  three  s ub - cl ass ific at ion s  w hic h  are  norm al ,  m or e,  or   high  energy  co nsu m pt ion   an d  no rm al,   m od erate,  or   high  loss  pac kets,  f or   th is   purpose.   T he   propose d  ap proac h  util iz es  un s uper vise d  bac k  pro pag at io n - ba sed  le arn i ng   si nce  it   will   hav e  based   on  m e asur e d  th resho ld  values  rat he r  than  pre - de fine d  values . F i gure  2   dep ic ts t he M et hodo l og y  overall .   Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y   2021   :    53 6   -   54 4   538       Figure  2.   O veral l  m et ho dolo gy       The  propose d  m et ho d  will   be  ope rated   in  three  se quentia l  phases ,  as  sho wn   i n  F ig ure  3 .    Firstl y,  the  pha se  cal le d  Gath erin g  data.  Dat a  will   be   gat he red.  Bot h  t he  powe r  c onsu m pt ion   a nd  pack e t  loss  will   be  m easure d  a fter  disse m inati ng   data  betwee n  tw o  s pecif ic   nodes .  The n  data  will   pass   into   the   trai ning   ph a se,  w hich  i s  the  sec ond  phase.   D ur i ng  this  ph ase ,  ANN  will   be  trai ne d  to   ide ntify  the  norm al   behavio r  of   the  pro posed   WSN.  T hus,  a ny  ab norm al   beh avi or   c ould  be  detect e d.   Fi nally ,  the  res ul ts  of   th e  trai ni n g  phase  are  cal culat ed,   and   A NN   is  re ady  to  cl assify   the  perf or m ance  of   the  WSN.  Hen ce ,  A N N  can  ide ntify  the  I D S   base d on the e nergy c on s um ption  a nd p ac ket  d el ive ry r at io .            Figure  3.   A NN operati on  phas es   [ 25 ]       3.   SIMULATI O N  S CEN A RI OS  AND  P A R AM ET E RS   The  pro pose d  scenari o  will   con sist   of  120  nodes  distri bute d  rand om ly  ov er  the  s pecifi ed  reg i on  by  us in g  Q ual net  si m ulator.   10   nodes  a re  suppose d  un der   at ta ck  and   t he   rest  w ork  no r m al l y.  The  pr opos e d  scenari o  is  il lustrate d  in  Fig ure  4 .  Mo reove r ,  30   nodes  a re  sel ect ed  to  be  sink   no des  in  wh ic h  al l  cal culat ion s   are  ta ke   placed  a nd  fi gure  out.  C on sta nt  bit  rate  (CBR )   is  co ns ide re d  a s  a  c onnecti on   betw een   sen de rs  a nd   receiver s, w hich  a re r a ndom ly selec te d.   The   sel ect ed  pa ram et ers  f or the  sim ula ti on  are  il lustra te d i n Tab le  1 .     Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Secured  no de dete ct ion t ech ni qu e  base d on  ar ti fi ci al n eu ral  n et work f or  w ire le ss sen s or   . ..   ( Ba ssam  H asan )   539       Figure  4 .  Th e   pro po se d  sim ulati on  sce nar i o       Table  1 .   T he  sim ula ti on  para m et ers  of the  pro posed  sce nari o   Para m eter   Valu e   Nu m b e r  o f  no d es   120   Ter r ain   1000  - 1 0 0   Si m u latio n  ti m e   3 0 0  sec   Tr af f ic app licatio n   CBR   Ite m   to  sen d   2 0 0  bytes   Interval:   1  sec   Mob ility Mo d el   Ran d o m   W a y p o in t   Pau se ti m e   1 0  sec   W ire less  Ch an n el Fr eq u en cy   2 .4 GHz       4.   RESU LT S   A ND  DI SCUS S ION S   This  sect ion   outl ines  an d  dis cusses  the  m ain   fin ding  of  w ork.   Determ ini ng   the  i ntrusio n  in  W S N  is     a  vital   proce ss  ei ther  in   tim e - consum ing   to   detect   or  in   the   accu racy  of  de te ct ion .    I n  order  to  detect   in trusion   nodes  i n  W S N ,  The  e nergy  c on s um ption   a nd  num ber   of  pa ckets  delive re d  are  t he  tw o  m ai n  crit eria  fr om   wh ic h  detect io n  of   i ntr us io n  will   be  dep e nd ent.  T he  res ults  div i de d  int o  two  m ai n  sect or s .  Fir stl y,  no rm a l   analy sis wh e n  so m e o f  the sele ct ed  nodes  ar e expose d  to be un sec ur e d  by  elim inati ng  th e secur it y  m ec han ism   ov e r  them .  The  sel ect ed  node s  are  nodes  nu m ber   ( 11,  14,   20,   22,  25,   30 ) .  The  sec ond  sect or  fo c us   on  i m ple m enti ng   an  a rtific ia l ne ur al   netw ork s yst e m  u sing  M ATL AB sim ul at or .       4 . 1.        Perf orm an ce  e valua tio n   4 . 1.1 .   Pac ket  deli very  r ati o   PD R  is  ho w  m uch   the  pac kets  receiv ed  to  the  pac kets   sent.  F ro m   Figure  5 ,  it   is  obvious  t hat    the  unsec ur e d  nodes  im pact  the  nu m ber s  o f   receive d  pac ke ts.  At  nodes   2  a nd  22,   seve re  dr op s   in  pa ckets   receive d,   4.2%   and   8.3%  of   pa ckets  sen d  ar e  receive d,   re s pecti vely .  Be sides,  the  unsec ur e d  co ndit ion  m akes  sign ific a nt  va r ia ti on s  in  t he  pack et   delive r y  rati o,   s o  it   is  us e d  in   desi gn i ng  the  AN N  in  orde r  to   detect     the  unsec ur e d  nodes  i n  WSN .  F or   e xam ple,  the  hi ghest   di ff e ren ce   of  P D R  is  occ urred   at   node  2  by  91 . 66%   and  the  lo wes t  PD R  at   - 216 %  at   node  15.  M or e over,   the  P DR  val u es  at   unsecu re d  no des  a re  90. 83 %,     33.33% ,  20. 83  %,  8.3 %,  16. 66%,  a nd   70.83 %  f or   node s  11 ,  14,   20,   22,  25 ,  30,   res pecti ve ly .  The  var ia ti on s   in   PD R  at   thes e  nodes  w hen  a ll   nodes  a re  s ecur e d  a nd  s om e  are  unsec ur e d  a re  55.2%,  42. 85%,  58. 88%,  71.42% ,  33. 33 %,  an d  10. 52 %.  T hat  m ea ns   the   sec ur it y  exists  the  ne twork  pe rform ance,  es pecial ly   at     the last  three   node s.       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y   2021   :    53 6   -   54 4   540       Figure  5 .  P DR  for bo t h node c rite ria       4.1. 2.   E nerg y  cons u mpti on   Fr om   Figure  6 ,   it   is  cl ear  that t he  unsec ur e d  nodes  im pact  the  e nergy  c on s um ption   of  wir el ess  sen s or   nodes .  At  node   5  an d  20,  t he  hi gh e st  dif fer e nce  i n  e ne rg y  c on s um pti on   with  32.59 %  an d  the  lo west   diff e re nce  in  energy  co ns um pt ion   with  - 115.1 7%.   Be s ides,  the  unse cur e d  co ndit ion   m akes  sign ific a nt   var ia ti ons  in  energy  co nsu m pt ion ,  s o  it   is  u sed  as  a   second  in put  in  desig ning   the  ANN  to   detect     the  unsec ur e d  nodes  i n  WSN .  Mor eo ver,  th e  energy  c on s um pt ion   values  at   un sec ured  node s  are  12. 107  m w,  19.88 5  m w,   22.023   m w,   5.415  m w,   11 . 913  m w,   and   9.825   m w  fo r  no des  11,  14,   20,   22,  25,  30,  res pect ive ly .  The  va riat ion s  in  energy  con s um ption   at   these  nodes  w hen  al l   no de s  are  secur e d  an d  som e  are  un secu r ed  are     - 60. 16%,  - 44.55%,  - 115.1 7%,  31. 56%,  28. 07 %,   a nd  5.1 % .  That  m eans  th e  secu rity   existe nce  a ff ect s  ne twor k  perform ance,  e sp eci al ly  at the last  thr ee   no de s.            Figure  6 .  En e r gy co nsum ption   for bo t h node  crite ri a       4.2 .   Ar tifici al  neural  netw or k based  on P D R   The  desi gned  ANN  co ns ist s   of   be forem entioned   from   th ree  phases,  ga therin g  data,  t rainin g,   a nd  resu lt s.  T he  de te ct ion   le arn in g  process  is  ba sed  on  the  res ul ts  of   50 %  of   the  secu red   node s,  wh ic h  is  div ide d  as  f ollow s:  20 %  trai ning,  15 %  validat io n,   and  15%  te st.  The  cl assifi cat ion   process   is  base d  on  t he  r esults  wh e n  s om e  of  the  nodes  a re   unsecu re d  f or   both  pac ket  delivery  rati os  an d  e ner gy  c on s um pt ion   va lues.    Figure  7   s how s  the  ANN  m od el   with  20  hi dd e n  la ye rs.   Fi gure  8   s hows  t he  A NN   perform ance  fo r  the   three  op e rati ons,  t rain,   validat io n,   a nd  te st  over  t he   total   num ber   of  ep oc hs ,  w hi ch  is  5.  I n  ge ner al ,  t he  pro pose d  ANN  m od el   per f or m s  fast  si nce  th e  best  va li dation  occ ur s   at   epo ch  num ber   2  with  m ea n  square  er ror  (MSE)   equ al  t o 1.1×  105,  5.44, a nd 0.066 f or test , v al idati on ,  and t rain A NN   proc esses.    The  res ults  of  the  A NN   m odel   and   how  it   can  detect   the  i ntr us io n  no de  after  trai ni ng   i s  dep ic te d  in  F igure  9   based  on   P DR  var ia ti on .  F ro m   the  reg re ssio n  an al ysi s  and   the  lowe r  rig ht - sid e  figure  sho ws   how   ANN  i den ti fie s  unsec ur e d  nodes  wh ic h  a re  far   a way  f r om   the  slo pe  li ne .  The n  9  no des  m ay   be  unsec ured  i n  this case a nd det ect ed  by t he pr opos e d A NN.    Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Secured  no de dete ct ion t ech ni qu e  base d on  ar ti fi ci al n eu ral  n et work f or  w ire le ss sen s or   . ..   ( Ba ssam  H asan )   541       Figure  7.   A NN m od el  b ase d o n  P DR             Figure  8.   A NN p e rfor m ance  wh e n PDR  val ues  are in put     Figure  9 .  ANN m od el  f or int r us io n detec ti on f r om  PD R  var ia ti on     Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y   2021   :    53 6   -   54 4   542   5.   AR TIF ICIAL  N EU R AL  NETWOR K BA S ED O N   E NERGY  CONS U MPTIO N   The  dro p  i n  e ne rg y  c onsu m ption   is   use d  to   detect   the  pro ba bili ty   of   i ns ec ur it y  in  WSN.   Fig ur e   1 0   ( see  a ppen d ix )   sho ws  ANN   resu lt s  w hen  e nergy  c on s um ption  values   a re  the   in put  of   the  pro posed   ANN .  Figure 1 1   ( see  app e nd ix )   sho ws  the  ANN p erfor m ance f or  the thr ee  oper at ion s,  trai n,   va li da ti on , a nd test  o ve r  the total  n um ber  o f  ep oc hs , which  is 5.  In g e ner al , th e pr opos e d  ANN  m od el  p er form s sl ow e r  than  P D R si nce   the  best  valida ti on   occ ur s  at   epo c h  num ber   5  with  m ean  s q ua re  erro r  (m se)  eq ual  to  0.78 × 10 - 5,   0.5 3 × 10 - 5,  and   0.48 × 10 - 5  fo r  te st,  vali dation,  an d  tr ai n  ANN  pro c esses.  H ow e ve r,   com par in g  to  A NN - ba sed - PD R,  ANN - base d - e ne rg y  c onsu m ption   s hows   a  be tt er  perform ance.   The   re gr es s ion   a naly sis  of   ANN - base d - e nergy  consum ption   wh ic h  is dep ic t ed  in Figure 1 2   ( see appen d ix )   sh ows ho w  A NN   detect s the v ariat ion   wh e n  so m e  nodes  are u ns e cur e d. The  lo w er -   rig ht side  f i gure ill us trat es  these  var ia ti on  am ou nt co m pa rin g  to  f it   values.       6.   CONCL US I O N     The  W S N   is   the  m os t  po pu l ar  netw ork  in  the  la st  recent  ye ars  as  it   can   m easur e  the  env i ronm ent al   conditi ons  an d  sen d  them   to  process  pur pos es.   V a rio us   at t acks  c ou l d  be  su bject s  a gain st  W S N s  a nd   cause   dam age  ei ther  in  the  sta bili ty   of   c omm un ic at ion  o r   in  t he  de structio n  of   t he   sensiti ve  data.   So,  the d em and s o f   intru si on  de te ct ion - base d  e ne rg y - e ff ic ie nt   te chn i qu e s  rise   dr am at ic ally  as  the  netw ork   dep l oym ent  beco m e s   wide  a nd  com plica te d.   T his  pap e r   int rod uc ed  a n  opti m iz e d   en er gy - based  intru si on  dete ct ion   te ch niqu e  us in g  a  neural  net w ork  by  Ma tl ab  si m ulator.   T he   resu l ts  s how   in  the  case  of  so m e  nodes  tha t  are  sig nif ic ant  insecu re   var ia t ion   i n  value s  a re  detect ed ,   w hich   m ean s   un secur e d  no des  aff ect   t he  perf or m ance  of  t he   W S N .  The  sec ond  se ssion  of  the   re su lt   il lustrate s  the  re gr e ssio n  analy sis  for  t he   pro posed   A NN - ba sed ,   bo t h  P DR  a nd   e nergy  co ns um ption.  Ov erall   the  te chn i qu e  pro du ce s  good  re su lt s  f or   bo t h  scena rios.   It   can  be  c on c lud e d  that  the   A NN  base d - P DR  i s  faster  th an  ANN - base d -   e nergy  co nsum ption,  but  bo t h  of  them   detect s    the v a riat ions  of the  value .       APP E ND I X         Figure  1 0 .   A N N  m od el - based o n  e nergy c onsu m ption   Evaluation Warning : The document was created with Spire.PDF for Python.
In t J  Elec  &  C om p  En g     IS S N:  20 88 - 8708       Secured  no de dete ct ion t ech ni qu e  base d on  ar ti fi ci al n eu ral  n et work f or  w ire le ss sen s or   . ..   ( Ba ssam  H asan )   543       Figure  1 1 .   A N N per form ance when ene r gy  consu m ption   va lues are  in pu t       Figure  1 2 . A N N  m od el  for i nt ru sio n detec ti on fro m   e nergy c on s umpti on v a riat ion       REFERE NCE S    [1]   M.  Carl os - Manc il la,  e t  a l. ,  “ W ire le ss   sensor  net works   form at ion:   Approac hes  and  te chn ique s, ”   Jou rnal  of  Sensors ,  vol.   2016 ,   pp .   1 - 18,   2016 .   [2]   S.  Alani ,   et   a l. ,  “ A  new   ene rg y   consum pti on  te c hnique   for  m obil e  Ad - Hoc  net works , ”   Int ernati o nal   J ournal  of   El e ct r ic a l  and   C omput er   Eng in e ering   ( IJE CE) , v ol.   9 ,   no .   5 ,   pp .   4 147 - 4153,   2019 .   [3]   J.  Alamri,   et   a l. ,  “ Perform anc e  Eva luation  of  Tw o  Mobile   Ad - hoc  Network  Routi ng  Protocol s :  Ad - hoc  o n - Dem and  Distanc e  Vec tor,  Dy n amic  Sourc e  Routi ng, ”   Int e rnational   J ournal  of   Adv anc ed   Sci en ce   and   Tec hnol ogy ,   vol .   29,   no.   5 ,   pp .   9915 - 9920,   2020 .   [4]   S.  A.  Rashid,   e t  al . ,  “ Predic t ion  base d  eff i ci en t  m ult i - hop  c luste ri ng  appr oac h  wit h  ada pti v e  re lay   node  select ion  f o r   VA NET, ”   J ournal  of   Comm un ications ,   vo l. 15, n o.   4 ,   pp .   332 - 34 4,   2020 .   [5]   S.  Alani ,   et   a l. ,  “ A  study   rev ie w   on  m obil e  ad - h oc  net work:  Cha rac t eri sti cs,   app l ic a ti ons,  ch al l en ges  and  routi ng  protoc ols  class ifi cation, ”   Int erna ti onal   J ournal  o f   Adv anc ed   Sc i e nce   and   Technol ogy ,   vol .   28,   no .   1,   pp.   394 - 405 ,   2019 .   [6]   A.  Djimli,  e t  a l. ,  “ Ene rg y - eff icient  MA C  prot ocol s  for  wir ele ss   sensor  net works :  a  surve y , ”   TEL KOMNIKA  ( Tele communic ati on  Comput ing ,   El e ct ron ic s and   Control ) ,   vol. 17 ,   no .   5 ,   p p .   2301 - 2312 ,   2019 .   [7]   A.  M.  Fahad,   et  al . ,  “ Dete c ti on  of  Bla ck  Hol e  Atta cks  in  Mobi le   Ad  Hoc  Net works   via   HS A - CBDS   Method, ”     in  Int ernati onal   Confe renc e  on   I nte lligent Comp uti ng  and   Optim izati on, ,   pp .   46 - 55 ,   201 8 .   [8]   S.  Su  and  S.  Wa ng,   “ A  Sim ple   Monitori ng  Net work  Sy stem  of  W ire le ss   Senso r  Network, ”   Bul letin   of  El e ct r ica l   Eng ineering  and   Informatic s   ( BEEI) ,   vol. 1, no. 4, pp. 251 - 254,   20 12.   [9]   M.  A.  S aa d,   et   a l. ,  “ Perform anc e   Eva luation  Im prove m ent   of  Energ y   Consum pti on  in  Ad - Hoc  W i rel ess  Network , ”   Int.   J. A d v. Sc i .   Technol . ,   vo l. 29 ,   no .   3 ,   pp .   4128 - 4137,   2020 .   [10]   S.  A.  Hussei n  and  D.  P.  Dahnil ,   “ A  New  Hy bri d  Te chni qu e  to  Im prove   the   Path  Sele ct ion  in  R educ ing  En erg y   Consum pti on  in  Mobile   AD - HO C  Networks, ”   Int ernati onal  Jo urnal  of   Appl ied   Eng ine ering   Res earc h ,   vo l.   12,     no.   3 ,   pp .   277 - 2 82,   2017 .   [11]   A.  M.  Fah ad,   et  al. ,  “ Ns 2  base d  per form ance  co m par ison  stud y   bet wee n   dsr  and   aodv  pro toc ols, ”   Int ernati ona l   J ournal  of   Ad v a nce d   Tr ends   in   Comput er   Sci en ce   and   Eng ine er ing ,   vo l. 8, no. 1.4,  pp .   379 - 393 ,   2019.   [12]   M.  P.  Beh am  a nd  S.  M.  M.   R oom i,   “ A  rev iew   of  face  r ec og nit ion  m et hods , ”   Int ernati onal   J ournal  of   Pat t e r n   Re cogn it ion   and   Arti f icial   In tell i genc e ,   vo l. 27, n o.   4 ,   pp .   135600 5_1 - 1356005_35,   2013 .   [13]   O.  S.  Al - hee t y ,   et   al. ,   “ A  comprehe nsive  surve y   :  Bene fi ts,  Servi ce s,  Re ce nt  wor ks,  Chal le ng es,   Secur ity   and  Us e  ca ses for   SD N - VA NET, ”   I EE E   Ac c ess ,  vol .   8 ,   p p.   91028 - 91047 ,   2020.   [14]   Y.  C.   W ong,   e t  al. ,  “ Low  po wer  wake - up  r e ce iv er  base d   on   ult rasound  co m m unic at ion  fo r  wire le ss   sens o r   net work, ”   Bu ll e t in  of   Elec tr ic al   Eng ineering  and   Informatic s ,   vol .   9 ,   no .   1 ,   pp .   21 - 29,   2020 .   [15]   M.  A.  Saad,   e t   al . ,  “ Spect rum   sensing  and  ene rg y   d etec t ion   in  cogni ti v e  n et works , ”   In don es ian   J ournal  of   El e ct r ic a l   Eng in ee ring a nd   Comput er   Sc i ence   ( IJ EE CS) ,   vol .   17 ,   no.   1 ,   pp .   465 - 4 72,   20 20 .   [16]   M.  Pradha n,   et   a l. ,  “ Intrusion  de t ec t ion  s y stem  (I DS )  and  the ir  t ypes, ”   Se curing  t he  Inte rnet  o f  Things :  Conce pts ,   Tools ,   and  App licati ons ,   20 20 .       Evaluation Warning : The document was created with Spire.PDF for Python.
                          IS S N :   2088 - 8708   In t J  Elec  &  C om p  En g,   V ol.  11 , No .  1,   Febr uar y   2021   :    53 6   -   54 4   544   [17]   S.  La q ti b ,   e t  al . ,  “ A  technical   r evi ew  and  compara t ive   anal y s i s  of  m ac hin e  l e arn ing  te chn iqu es  for  in trusion  det e ct ion  s y s te m s  in  MA NET, ”   Int ernati onal   J o urnal  of   El e ct r i cal   and   Comput er   Eng ine ering   ( IJE CE) ,   vol.   10 ,   no.   3 ,   pp .   2701 - 2709,   2020 .   [18]   R.   J y o thi   a nd   N.  G.  Choll i,   “ An  eff ic i ent   ap proa ch  for  se cu red   comm unic ation  in  wire le ss   sensor  net works , ”   Int ernati onal   J o urnal  of   El e ct r i c al  and   Comput er   Eng in ee ring   ( IJE CE) ,   vol .   10 ,   n o.   2 ,   pp .   1641 - 1 647,   2020 .   [19]   S.  Bit am,  et   al . ,  “ Bio - inspire d  c y b erse cur ity   fo r  wire le ss   sensor  net works , ”   IE EE   Comm un ic at ions   Mag azine ,    vol.   54 ,   no .   6 ,   pp .   68 - 74 ,   2016 .   [20]   A.  M.  Fahad,   A.  A.  Ah m ed,   A .   H.  Alghusham i,   and  S.  Alani ,   “ D et e ct ion  of  Blac k  Hole  Atta cks  in  Mobile   Ad  H o c   Networks  via   HS A - CBD S  Method , ”   in  Springer   Nature  Swit zerl and,   Springer  Inte rnational   Publishing ,  vol.   866 ,  pp.   46 – 55 ,   2019 .   [21]   A.  Mahboub,   e t   al . ,  “ An  ene rg y - e fficie nt  cl ust eri ng  proto col   u sing  fuz z y   log ic  and  net work  s egmenta t ion  for  het ero g ene ous  W SN , ”   Int ernati onal   J ournal  of   El e ct r ic a l  and   Comput er   Eng i nee ring   ( IJE CE ) ,   vol.   9,   no.   5,     pp.   4192 - 4203 ,   2019.   [22]   A.  S.  Al - ahmad,   H.  Kahta n,   and   S.  Alani ,   “ Inte l li ge nt  Com puti n g  &a m p;  Optim iz a ti on ,   Int el l .   C om put.   &   amp;  Optim.,   vo l. 866 ,   no .   Novem ber   2018,   pp .   267 – 2 76,   2019 .   [23]   M.  R.   Hos sain,   et   al . ,  “ Network  flow  opti m iz a ti on  b y   Gen et i c   Algorit hm   and  loa d  flow  ana l y sis  b y   Newton   Raphson  m et hod  in  power   s y st em, ”   2nd  In t ern ati onal   Con f ere nce   on .   E lectr ical   Eng in ee ring   and   Inf orm ati on   Comm un ic ati on   Technol ogy   ( iCE Ei CT   2015 ) ,  pp.   1 - 5,   2015 .   [24]   N.  A.  Alra je h,   e t  al . ,  “ Artifi cial  neur al   ne twork  base d  det e ct ion  of  ene rg y   exha u stion  at tacks  in  wire le ss   sensor  net works   ca p able  of  en erg y   har vesti ng, ”   Ad - Ho c  and  Sens or   W irel ess   Net works ,   vol .   22,   no .   1 - 2,   pp.   109 - 133 ,   2014.   [25]   O.  Avci,   et   a l. ,  “ Convolut iona l  neur al   ne tworks  for  rea l - ti m e  an d  wire le ss   damage   det e ct ion , ”   D ynamic s  of  Civ i l   Struct ures ,  vo l.  2,   pp .   129 - 136 ,   2020.       BIOGR AP HI ES OF  A UTH ORS        Bass am  Hasan   rec e ive d  B. S  de gre e  in  Com put er  Engi ne eri ng  Te chno log y   f ro m   AL - MAAREF   Univer sit y   Col l ege   (IRAQ )  2 013  - 2014.   He   Master   of  En gine er ing  (Com m unic at ion  and   Com pute r)  form   U NIV ERSITI  KEBAN G SAAN  M ALAY SI A,  The   Nati on al   Univer sit y   o f  Malay s ia   in  201 8.   He  is  cur r ent l y   a   Ph.D.  studen t  at   Engi ne eri ng   of  comm unic at i on  in  Univer sit i   Te nag a  Nasion al   (Ma lay sia) .   His  rese ar ch   area  in cl udes   W SN ,   VA N ET   and  wire l ess   comm unic at ions .         Samee r  Alani   was  born  in  Ir aq   in  1989 .   He  r ecei ved   a  B . S.  d eg ree   in  compute r  engi ne eri ng  a nd  M.Sc.   degr ee  in  wire l ess  comm unic at ion   and  Com pute r  net working   te chno log y   f rom    The   Nati on al   Un ive rsit y   of  Malay sia  (UK M)  in  2017.   He  is  cur re ntly   pursuing  th e  Ph.D.  degr e e  i n   wire le ss   comm u nic a ti on  and  ne tworking.   His  rese arc h  in te r est s  inc lude   anten na   appl i ca t ions,  wire le ss   comm unic a ti on  and  n etw orking  technol og y .         Mohamme d  Ayad   Saad   rec ei ve d  his  Bs  Degre e   in  Com pute r  and   Com m unic at ion   (2011 - 2015)  in   Ira q.   He  ea rne d  his  Master ' s   Degre e  in  En gine er  Te l ec om m unic at ion  and   Com pute r  from  Univer sit y   Keb angsa an  Ma lay s ia   (UK M).  He   is  cur r entl y   p ursuing  his  Ph. D.  in  Univ ers i t y   Keba ngsaa n   Malay si a.  His  r ese arc h   ar ea  i ncl udes  informati on   technolog y   and  wir eless   comm unic at ion,  VA NET  and  W SN .       Evaluation Warning : The document was created with Spire.PDF for Python.