MétaCan
Menu
Retour à la cohorte
Enregistrement W2530027684 · doi:10.1109/twc.2016.2617328

Optimal Relay Selection for Secure Cooperative Communications With an Adaptive Eavesdropper

2016· article· en· W2530027684 sur OpenAlexafffund
Long Yang, Jian Chen, Hai Jiang, Sergiy A. Vorobyov, Hailin Zhang

Notice bibliographique

RevueIEEE Transactions on Wireless Communications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueWireless Communication Security Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésEavesdroppingRelayComputer scienceJammingSecrecyChannel (broadcasting)Computer networkSelection (genetic algorithm)Relay channelChannel state informationSecure communicationWirelessTelecommunicationsComputer securityEncryptionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Optimal relay selection is investigated for secure cooperative communications against an adaptive eavesdropper that can perform eavesdropping if the eavesdropping link has good channel quality or perform jamming otherwise. A number of decode-and-forward relays are available for legitimate communications, among which one relay can be selected to help. For legitimate communications, three cases for availability of the eavesdropping channel information are considered: full channel knowledge, partial channel knowledge, and statistical channel knowledge. An optimal relay selection scheme is proposed for each case. For the first and third cases, exact secrecy outage probability expressions in closed form are derived, and for the second case, an approximate secrecy outage probability is derived, which is tight in the high main-to-eavesdropper ratio regime. Moreover, secrecy diversity order for the proposed relay selection scheme in each case is also derived, which is shown to be a full secrecy diversity. Finally, numerical results are given to verify the theoretical analysis derived in this paper.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,031
Tête enseignante GPT0,278
Écart entre enseignants0,246 · 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
GenreEmpirique

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

En bref

Citations80
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Wireless CommunicationsMême sujetWireless Communication Security TechniquesTravaux en français237 207