MétaCan
Menu
Retour à la cohorte
Enregistrement W4292388004 · doi:10.1109/itc-egypt55520.2022.9855727

Blockchain-Enabled Moving Target Defense for Secure CR Networks

2022· article· en· W4292388004 sur OpenAlexaff
Esraa M. Ghourab, Lina Bariah, Sami Muhaidat, Paschalis C. Sofotasios, Mahmoud Al‐Qutayri, Ernesto Damiani

Notice bibliographique

Revue2022 International Telecommunications Conference (ITC-Egypt) · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceBlockchainSituation awarenessDistributed computingLatency (audio)Computer networkComputer securityNetwork topologyCredibilityArchitectureTelecommunicationsEngineering

Résumé

récupéré en direct d'OpenAlex

The ever-increasing demand for high-data services and the emergence of new use cases with stringent latency, spectral, and energy efficiency requirements present new challenges for 6G networks and necessitate the development of novel solutions to address these issues. Therefore, in this paper, we present a flexible cognitive radio (CR) architecture for establishing and maintaining a resilient network. The network is managed by a novel situational blockchain-based framework that dynamically reprograms the network topology and transmitted data types (real/fake) at runtime to enable a moving-target defense (MtD) approach against attacks and failures. The presented solution has been mathematically modeled and analyzed. Simulation results demonstrates the superiority of the proposed system in terms of security, credibility, and integrity.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,935
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 technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0040,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,258
Écart entre enseignants0,238 · 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
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

Citations8
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2022 International Telecommunications Conference (ITC-Egypt)Même sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207