Implementation of A3ACKs Intrusion Detection System under Various Mobility Speeds
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wireless networking is an emerging technology that allows users to access information and services anywhere regardless of their geographic location. Mobile Ad hoc Network (MANETs) is one of the most significant technologies among various wireless communication technologies. In MANETs, all nodes are mobile and can be connected dynamically using wireless link in a random manner. All nodes work as routers and take part in discovery and maintenance of routes to other nodes in the network. MANETs are unique infrastructure less network and have self-configuring features make them suitable for many critical applications, such as military and emergency applications. However, these features make them also vulnerable for all types of passive and active attacks because of open environment, the rapidly changing topology and the decentralization of nodes. In addition, most of the proposed protocols assume that all nodes in the network are cooperative, and do not address security issues. Moreover, most of the proposed existing intrusion detection systems (IDSs) of are based on Watchdog technique. In this paper, we propose and implement a new intrusion detection system named Adaptive three ACKnowledgments (A3ACKs) that solves three significant problems of Watchdog technique, mainly: receiver collision, limited transmission power and collaborative attacks. We use Network Simulator 2 (NS2) to implement and test our proposed system under different networks with various mobility speeds as well as compare our results with the results of some closely existing IDSs mechanism.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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