Heterogeneous Cluster-Based Information-Centric Sensor Networks With User Security Satisfaction
Notice bibliographique
Résumé
In heterogeneous cluster-based information-centric wireless sensor networks (ICWSNs), sensor nodes acquire different application-specific data. They are clustered based on proximity, where cluster heads (CHs) act as cache nodes. Meanwhile, grouping sensor nodes based on the information type gathered can improve the ICWSN performance. Motivated by the heterogeneous nature of ICWSNs, application-specific communities can be formed within each cluster, where community leaders (CLs) can be selected to cache application-specific data. In this case, CHs gather aggregated data from CLs rather than basic sensing nodes. However, this creates an issue of the energy–latency and security tradeoff and affects user security satisfaction. In this work, we propose solving this issue by studying cluster-based ICWSNs with heterogeneous communities and comparing them to conventional heterogeneous cluster-based ICWSNs. Based on the formulated analytical model, we then propose SLAC-H, a security-level-aware CHs’ and CLs’ selection algorithm for cluster-based ICWSNs with heterogeneous communities. SLAC-H addresses the energy–latency and security issue by optimizing energy and coverage supported by sensor nodes in a cluster-based ICWSN with heterogeneous communities subject to security constraints. Simulation results show that compared to existing works, SLAC-H achieves lower latency and energy consumption while fulfilling higher user security satisfaction.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».