Secure Routing and Forwarding in RPL-based Internet of Things: Challenges and Solutions
Notice bibliographique
Résumé
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.While exploring the challenges that face the routing and forwarding processes at the Network layer in RPL-based networks (or 6LoWPAN networks), from the work in this dissertation, it was found that both processes suffer from a significant vulnerability: the inability to authenticate the message's immediate sender.This problem is explored in detail, and its effects on the performance and security of IoT devices are thoroughly investigated.A solution is proposed to the authentication problem, in the form of a framework based on Network Coding (NC), which is introduced as a third security mode for RPL: the Chained Secure mode (CSM).A prototype for the proposed solution is evaluated, through simulations, for the RPL against several replay attacks, which proved to be effective against the investigated attacks.An integration of the 6LoWPAN protocol and the CSM framework is proposed to reduce the effect of buffer-reservation attacks.The preliminary evaluation results show that this integration between RPL and 6LoWPAN has potential mitigating and minimizing the effect of the external adversaries of the buffer-reservation attack with minimal resource consumption.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».