MétaCan
Menu
Retour à la cohorte
Enregistrement W2963746388 · doi:10.1109/tvt.2019.2930657

Joint Traffic Routing and Virtualized Security Function Activation in Wireless Multihop Networks

2019· article· en· W2963746388 sur OpenAlexaff
Shaohan Feng, Zehui Xiong, Dusit Niyato, Ping Wang, Zhu Han, Dong In Kim

Notice bibliographique

RevueIEEE Transactions on Vehicular Technology · 2019
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Ad Hoc Networks
Établissements canadiensYork University
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésComputer networkJoint (building)Computer scienceWirelessRouting (electronic design automation)Geographic routingWireless networkDynamic Source RoutingRouting protocolEngineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Decentralized security function deployment (activation) is an important solution to achieve reliable and secure operations of wireless networks. In this paper, we consider the joint problem of security function activation and traffic routing in a wireless multihop network with the aim of minimizing total energy consumption of all nodes in the network while meeting the security requirements of the users. Firstly, we analyze the tradeoff of energy consumption between preventing security damages with protection functions and remedying it with recovery functions. The analysis takes the uncertainty of attacks and network capacity availability into account. Secondly, if the protection function is to be activated, the activation has to be performed along the route of traffic flows, which means that the traffic routing should also be jointly optimized. Therefore, we formulate this problem as a stochastic optimization model. To obtain the optimal solution, we apply a distributed algorithm, i.e., accelerated distributed augmented Lagrangian algorithm which is ensured to converge. Furthermore, we analytically demonstrate that the solution obtained by the accelerated distributed augmented Lagrangian algorithm is optimal to our stochastic optimization model. Based on the setting from real experiments, the performance evaluation reveals that the optimal solution depends largely on the energy budget and energy consumption of the nodes for transferring traffic and running security functions.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,528
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,205
Écart entre enseignants0,198 · 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.

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

Citations10
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Vehicular TechnologyMême sujetMobile Ad Hoc NetworksTravaux en français237 207