MétaCan
Menu
Retour à la cohorte
Enregistrement W4298343027 · doi:10.18280/ria.360414

Jamming Attack Mitigation in CR-IoT Using Game Theory

2022· article· en· W4298343027 sur OpenAlexvenueno aff
Kottilingam Kottursamy

Notice bibliographique

RevueRevue d intelligence artificielle · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueCognitive Radio Networks and Spectrum Sensing
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésJammingCognitive radioGame theoryComputer scienceNash equilibriumZero-sum gameNode (physics)Computer securityComputer networkStrategyTelecommunicationsEngineeringMathematical optimizationMathematicsWireless

Résumé

récupéré en direct d'OpenAlex

Jamming attack is Cognitive radio Internet of thing network disables the spectrum sharing and reduces the spectrum utilization .detection and mitigation of such attacks is the main component in realizing cognitive radio-based spectrum sharing in cognitive radio-based internet of thing network this work proposes a game theory-based jamming attack mitigation strategy. The problem of jamming attack mitigation is modeled as a zero-sum game and solved by finding Nash equilibrium. The cognitive node which tries to share the spectrum pays the zero-sum game with the jamming attacker and selects the best strategy of selecting the best frequency without getting into the jamming attack. The result of the proposed mechanism proves that the gaming mechanism can tackle the jamming attack.

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 candidatesaucune
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 enseignants0,627
Score d'incertitude au seuil0,722

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,045
Tête enseignante GPT0,282
Écart entre enseignants0,237 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue d intelligence artificielleMême sujetCognitive Radio Networks and Spectrum SensingTravaux en français237 207