MétaCan
Menu
Retour à la cohorte
Enregistrement W2028379465 · doi:10.1109/icc.2014.6883377

A trust and reputation management system for cloud and sensor networks integration

2014· article· en· W2028379465 sur OpenAlexafffund
Chunsheng Zhu, Hasen Nicanfar, Victor C. M. Leung, Wenxiang Li, Laurence T. Yang

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensSt. Francis Xavier UniversityUniversity of British Columbia
Organismes subventionnairesWuhan University of Science and TechnologyNatural Sciences and Engineering Research Council of CanadaUniversity of British Columbia
Mots-clésReputationCloud computingComputer scienceTrust management (information system)Wireless sensor networkReputation systemComputer networkService providerService (business)Computer securityDistributed computingBusiness

Résumé

récupéré en direct d'OpenAlex

By incorporating the advantages of cloud computing (CC) and wireless sensor networks (WSNs), the integration of CC and WSNs attracts a lot of attention from both academia and industry. However, trust and reputation management for CC and WSNs integration is a critical and barely explored issue, which could strongly prevent the cloud service users (CSUs) from choosing the desirable cloud service providers (CSPs) or hinder the CSP from selecting appropriate sensor network providers (SNPs). To fill the gap, this paper proposes a novel trust and reputation management system for CC and WSNs integration. Considering the attribute requirement of CSU and CSP as well as the cost, trust and reputation of the service of CSP and SNP, the proposed system achieves the following two goals: 1) calculate and manage the trust and reputation regarding the service of CSP and SNP; 2) help CSU choose CSP and assist CSP in choosing SNP. Evaluation results are also shown to verify effectiveness of the proposed system.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,213

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations7
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetIoT and Edge/Fog ComputingTravaux en français237 207