MétaCan
Menu
Retour à la cohorte
Enregistrement W4287195928 · doi:10.48550/arxiv.2104.14422

Integrating 6LoWPAN Security with RPL Using The Chained Secure Mode\n Framework

2021· preprint· en· W4287195928 sur OpenAlexaff
Ahmed Raoof, Chung–Horng Lung, Ashraf Matrawy

Notice bibliographique

RevuearXiv (Cornell University) · 2021
Typepreprint
Langueen
DomaineComputer Science
ThématiqueSoftware-Defined Networks and 5G
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clés6LoWPANComputer scienceComputer networkIPv6Computer securityRouting protocolNetwork packetThe Internet

Résumé

récupéré en direct d'OpenAlex

The IPv6 over Low-powered Wireless Personal Area Network (6LoWPAN) protocol\nwas introduced to allow the transmission of Internet Protocol version 6 (IPv6)\npackets using the smaller-size frames of the IEEE 802.15.4 standard, which is\nused in many Internet of Things (IoT) networks. The primary duty of the 6LoWPAN\nprotocol is packet fragmentation and reassembly. However, the protocol standard\ncurrently does not include any security measures, not even authenticating the\nfragments immediate sender. This lack of immediate-sender authentication opens\nthe door for adversaries to launch several attacks on the fragmentation\nprocess, such as the buffer-reservation attacks that lead to a Denial of\nService (DoS) attack and resource exhaustion of the victim nodes. This paper\nproposes a security integration between 6LoWPAN and the Routing Protocol for\nLow Power and Lossy Networks (RPL) through the Chained Secure Mode (CSM)\nframework as a possible solution. Since the CSM framework provides a mean of\nimmediate-sender trust, through the use of Network Coding (NC), and an\nintegration interface for the other protocols (or mechanisms) to use this trust\nto build security decisions, 6LoWPAN can use this integration to build a\nchain-of-trust along the fragments routing path. A proof-of-concept\nimplementation was done in Contiki Operating System (OS), and its security and\nperformance were evaluated against an external adversary launching a\nbuffer-reservation attack. The results from the evaluation showed significant\nmitigation of the attack with almost no increase in power consumption, which\npresents the great potential for such integration to secure the forwarding\nprocess at the 6LoWPAN Adaptation Layer\n

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,002
Communication savante0,0030,005
Science ouverte0,0030,005
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,050
Tête enseignante GPT0,196
Écart entre enseignants0,146 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)Même sujetSoftware-Defined Networks and 5GTravaux en français237 207