MétaCan
Menu
Retour à la cohorte
Enregistrement W1940007867 · doi:10.1002/ett.2801

Fault tolerant, energy efficient and secure clustering scheme for mobile machine‐to‐machine communications

2014· article· en· W1940007867 sur OpenAlexaff
Lutful Karim, Alagan Anpalagan, Nidal Nasser, Jalal Almhana, Isaac Woungang

Notice bibliographique

RevueTransactions on Emerging Telecommunications Technologies · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensUniversité de MonctonToronto Metropolitan UniversitySeneca Polytechnic
Organismes subventionnairesDivision of Electrical, Communications and Cyber Systems
Mots-clésComputer scienceCluster analysisComputer networkEnergy consumptionDefault gatewayFault toleranceMachine to machineQuality of serviceEfficient energy useDistributed computingEngineeringEmbedded systemArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Designing energy efficient, fault tolerant and secure clustering scheme is important for machine‐to‐machine (M2M) communications that comprise a large number of sensors. Existing works on M2M communications include designing M2M layered architecture, device model, Quality of Service (QoS) categorisation of M2M services and potential M2M applications. However, designing secure and fault tolerant clustering schemes has not received much attention in M2M research. Thus, this paper introduces a fault tolerant, energy efficient and secure clustering scheme for M2M (FESM) area networks that minimises the number of cluster heads (CHs) and active nodes to reduce network energy consumption. The machine type communication gateway and CHs transmit beacon messages to discover the failure of CHs and member nodes, respectively. The security mechanism is lightweight but efficient. It uses simple permutation‐based shared keys between (i) member nodes and CHs; (ii) gateway nodes and CHs; and (iii) CHs and machine type communication gateway. Experimental results demonstrate that the FESM clustering scheme reduces network energy consumption and increases network lifetime as compared with the existing Fault Tolerant and Energy Efficient Clustering Protocol (FTEEC), Dynamic Static Clustering Protocol (DSC) and Low Energy Adaptive Clustering Hierarchy (LEACH) protocols. We also analyse the security mechanism of the FESM protocol and find that it is very effective against well‐known attacks such as sybil, wormhole and black hole. Copyright © 2014 John Wiley & Sons, Ltd.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,015
Tête enseignante GPT0,269
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransactions on Emerging Telecommunications TechnologiesMême sujetIoT and Edge/Fog ComputingTravaux en français237 207