MétaCan
Menu
Retour à la cohorte
Enregistrement W2792169208 · doi:10.21307/ijssis-2017-917

Middleware for Smart Heterogeneous Critical Infrastructure Networks Intercommunication

2016· article· en· W2792169208 sur OpenAlexaff
Titus Okathe, Shahram Shah Heydari, Vijay K. Sood, Orane Cole, Khalil El‐Khatib

Notice bibliographique

RevueInternational Journal on Smart Sensing and Intelligent Systems · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueNetwork Security and Intrusion Detection
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésScalabilityMiddleware (distributed applications)Computer scienceInterdependenceComputer networkRouterInterconnectionNetwork packetService (business)Critical infrastructureDistributed computingComputer securityDatabaseBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Critical Infrastructures (CIs) are physical assets and organizations responsible for the production and distribution of society’s vital goods and services. The increasing interconnection of CIs has resulted in interdependencies which might lead to propagation of failure from one infrastructure to another. Most of current critical infrastructures are equipped with data collection and communication capabilities that can be used to inform and warn other CIs about such events and alarms. In this paper, a publish/subscribe-based communication system among dissimilar (heterogeneous) CIs is presented. The proposed system improves the manageability of CIs by providing an exchange medium for status information and alerts. It achieves this via a uniform architecture, within and across infrastructure boundaries, that maintains data restrictions that reflect real life organizational, administrative, and policy boundaries. Finally, the proposed system is modeled using the OMNET++ simulation framework, and a network performance study investigating scalability is presented. Simulation results showed that system scalability depends on service time per packet, subscription density, and number of clients per router.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
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 savante0,0030,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,024
Tête enseignante GPT0,278
Écart entre enseignants0,254 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal on Smart Sensing and Intelligent SystemsMême sujetNetwork Security and Intrusion DetectionTravaux en français237 207