MétaCan
Menu
Retour à la cohorte
Enregistrement W4220693281 · doi:10.18280/ria.360104

An Efficient Swift Routing Model with Node Trust Identity Factor (SRM-NTIF) to Perform Secure Data Transmission Among IoT Gadgets

2022· article· en· W4220693281 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueRevue d intelligence artificielle · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueSecurity in Wireless Sensor Networks
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComputer scienceComputer networkNode (physics)Routing protocolThe InternetWireless networkRouting (electronic design automation)Computer securityWirelessTelecommunicationsWorld Wide WebEngineering

Résumé

récupéré en direct d'OpenAlex

According to a United Nations survey, the number of users using the internet has increased to 3 billion in recent years. The Auto-ID Center is a research organisation that coined the word "Internet of Things" (IoT) a decade ago, describing how it utilises wired or wireless networking technologies to create a channel of communication among technologies and networks available over the Internet. Despite the fact that a swing of routing protocols has been proposed in the literature, safe and energy-efficient routing protocol is still a work in progress. Many routing protocols expressly designed for resource limited wireless devices take the same approach and have nearly achieved their full improvements. The Internet of Things (IoT) has recently gained prominence as a result of the increasing number of connected devices being used in everyday human life with network lifetime constraints. Routing expertise is essential for establishing communication between nodes. A node should be capable of self-learning, self-configuring, and self-managing by gathering local knowledge and sharing it with its neighbours. The degree of trust determines the degree of cooperation between scattered mobile nodes. The term "trust" refers to a level of assurance based on node behavior. To ensure secure and proper data transmission in IoT network, the trust level of the nodes is calculated based on node behaviour. Because of the unexpected changes in the network structure, the complex existence of IoT network, and the underived prior trust relationship between the nodes, trust computation in IoT network is a difficult task. All IoT nodes willing to engage in data transmission are given a Digital Unique Identifier (DUI), and the proposed model must define their trust identity factors. Using the DUI, the proposed Swift Routing Model with Node Trust Identity Factor (SRM-NTIF) model, node authentication is performed to verify natural and malicious nodes in the network. The proposed model is compared with the traditional methods and the results show that the proposed model performance is better in security and trust levels.

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.

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 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 enseignants0,541
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0050,002
Intégrité de la recherche0,0000,001
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 Opus0,047
Tête enseignante GPT0,288
Écart entre enseignants0,240 · 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