This study manifests a fuzzy-based trust prediction model for detecting malicious nodes in wireless sensor networks (WSN) by preventing black hole attack. Besides, a new routing protocol based on the shortest path and trust to the path nodes is presented with a fuzzy estimator, which uses the data mining methods to detect the malicious nodes (black holes). In a black hole attack, a malicious node selects the RREP (Route Replay) message as the shortest path from the source node to the destination node. After that, the packet sent to the malicious node is not received by the network. Eventually, the malicious node releases the entire data packet instead of sending it to the destination node. Optimal path selection is performed according to different algorithms on the objective function and its results are observed for route selection. After defining the objective function, different algorithms such as Genetic Algorithm (GA) and teaching–learning-based optimization (TLBO) are utilized for routing. For each algorithm, the objective function for the most secure node is evaluated and simulated based on the parameters defined in fuzzy logic. Based on the simulation results under MATLAB software, TLBO algorithm has obtained the best response for path selection with the least cost for the target performance. Significantly, the proposed method is simple and based on the exchange of control packets between the sensor node and the base station. In accession, the results show that the proposed algorithms are effective in detecting and preventing black hole attacks.

中文翻译：

---

基于模糊的安全路由协议可靠性预测模型，使用 GA 和 TLBO 实现 WSN 中的黑洞攻击

本研究展示了一种基于模糊的信任预测模型，用于通过防止黑洞攻击来检测无线传感器网络（WSN）中的恶意节点。此外，提出了一种基于最短路径和对路径节点信任的新路由协议，该协议采用模糊估计器，利用数据挖掘方法检测恶意节点（黑洞）。在黑洞攻击中，恶意节点选择 RREP（Route Replay）消息作为从源节点到目的节点的最短路径。之后，发送给恶意节点的数据包不会被网络接收到。最终，恶意节点释放整个数据包，而不是将其发送到目标节点。根据不同算法对目标函数进行最优路径选择，并观察其结果用于路径选择。在定义目标函数后，不同的算法，如遗传算法（GA）和基于教学的优化（TLBO）用于路由。对于每种算法，最安全节点的目标函数都根据模糊逻辑中定义的参数进行评估和模拟。基于MATLAB软件下的仿真结果，TLBO算法以最小的目标性能代价获得了路径选择的最佳响应。值得注意的是，所提出的方法很简单，并且基于传感器节点和基站之间的控制包交换。此外，结果表明，所提出的算法在检测和预防黑洞攻击方面是有效的。不同的算法，如遗传算法（GA）和基于教学的优化（TLBO）用于路由。对于每种算法，最安全节点的目标函数都根据模糊逻辑中定义的参数进行评估和模拟。基于MATLAB软件下的仿真结果，TLBO算法以最小的目标性能代价获得了路径选择的最佳响应。值得注意的是，所提出的方法很简单，并且基于传感器节点和基站之间的控制包交换。此外，结果表明，所提出的算法在检测和预防黑洞攻击方面是有效的。不同的算法，如遗传算法（GA）和基于教学的优化（TLBO）用于路由。对于每种算法，最安全节点的目标函数都根据模糊逻辑中定义的参数进行评估和模拟。基于MATLAB软件下的仿真结果，TLBO算法以最小的目标性能代价获得了路径选择的最佳响应。值得注意的是，所提出的方法很简单，并且基于传感器节点和基站之间的控制包交换。此外，结果表明，所提出的算法在检测和预防黑洞攻击方面是有效的。基于模糊逻辑中定义的参数评估和模拟最安全节点的目标函数。基于MATLAB软件下的仿真结果，TLBO算法以最小的目标性能代价获得了路径选择的最佳响应。值得注意的是，所提出的方法很简单，并且基于传感器节点和基站之间的控制包交换。此外，结果表明，所提出的算法在检测和预防黑洞攻击方面是有效的。基于模糊逻辑中定义的参数评估和模拟最安全节点的目标函数。基于MATLAB软件下的仿真结果，TLBO算法以最小的目标性能代价获得了路径选择的最佳响应。值得注意的是，所提出的方法很简单，并且基于传感器节点和基站之间的控制包交换。此外，结果表明，所提出的算法在检测和预防黑洞攻击方面是有效的。