MétaCan
Menu
Retour à la cohorte
Enregistrement W3185076342 · doi:10.22215/etd/2021-14457

Secure Routing and Forwarding in RPL-based Internet of Things: Challenges and Solutions

2021· dissertation· en· W3185076342 sur OpenAlexaff
Ahmed Raoof

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineComputer Science
ThématiqueEnergy Efficient Wireless Sensor Networks
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clés6LoWPANComputer networkComputer scienceIPv6Routing protocolProtocol stackApplication layerNetwork layerComputer securityNetwork packetThe InternetWireless sensor networkSoftware deploymentLayer (electronics)Operating system

Résumé

récupéré en direct d'OpenAlex

As the Internet of Things (IoT) becomes an integral part of our everyday life, securing the IoT devices against malicious activities became critical for their deployment, especially with such devices entering homes and controlling essential services. Most IoT devices still have limited resources (i.e., energy, processing power, and memory), complicating the use of traditional security measures. A modified version of the traditional TPC/IP protocol stack was developed for IoT devices, commonly known as the uIP protocol stack. This protocol stack includes either lightweight versions of the traditional protocols, operating at each layer or IoT-suitable replacement protocols. Among these protocols, the Routing Protocol for Low Power and Lossy Networks (RPL) was designed to perform network-layer routing in IoT, while the IPv6 over Low-powered Wireless Personal Area Network (6LoWPAN) protocol was introduced to a new network-sub-layer called the 6LoWPAN adaptation layer.

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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,967
Score d'incertitude au seuil0,797

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 Opus0,019
Tête enseignante GPT0,235
Écart entre enseignants0,216 · 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
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetEnergy Efficient Wireless Sensor NetworksTravaux en français237 207