MétaCan
Menu
Retour à la cohorte
Enregistrement W2793000811 · doi:10.4108/eai.15-1-2018.153566

Secure ID-Based Routing for Data Communication in IoT

2017· article· en· W2793000811 sur OpenAlexfundno aff
Madhusudan Singh

Notice bibliographique

RevueEAI Endorsed Transactions on Internet of Things · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueCaching and Content Delivery
Établissements canadiensnon disponible
Organismes subventionnairesInstitute for Information and Communications Technology PromotionFonds de Recherche du Québec - SantéMinistry of Science, ICT and Future Planning
Mots-clésInternet of ThingsComputer scienceAuthentication (law)Scope (computer science)Computer securityComputer networkAuthorizationRouting (electronic design automation)WirelessSecure communicationThe InternetWorld Wide WebTelecommunicationsEncryption

Résumé

récupéré en direct d'OpenAlex

Internet of Things is rising technology that could inspire the way wireless network access is provided. In IoT, secure data communication has lot of research scope. Especially message authentication, authorization cure path for IoT devices still remains as an open research problem. Some researcher proposed security mechanism without certification, MIC and token but still we didn’t find standard security mechanism for data communication between sensor nodes. In this article author has proposed an Identity based security (IBS) mechanism for IoT devices during data communication in IoT networks. IBS mechanism uses identity-based cryptography (IBC) to avoid certificates, MIC and tokens to minimize the computational overhead. IBS Mechanism is resistant to most common security attacks such as modification, fabrication, replay attacks and it can also protect hop count. It does provide secure data communication between sensor nodes. The results, based on NS-3 simulation, reveal that proposed mechanism is effectively able to protect the black hole attacks. In results, we have shown the packet delivery ratio, quality of services (QoS), and throughput between IBS mechanism, AODV path and AODV with black hole.

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)0,001
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 enseignants0,959
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
Science ouverte0,0030,000
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 Opus0,051
Tête enseignante GPT0,296
Écart entre enseignants0,245 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEAI Endorsed Transactions on Internet of ThingsMême sujetCaching and Content DeliveryTravaux en français237 207