Enhancing Data Dissemination Security and Quality Through the Authenticated Relay Selection and Scheduling Framework (ARSSF) in VANET
Notice bibliographique
Résumé
A Vehicular Ad Hoc Network (VANET) is an emergent wireless technology that enables high-speed communication.It became attractive to automobile manufacturers because of the secure information transmission without fatal accidents.It has several unique features, such as data dissemination, frequently disconnected networks during transmission, dynamic network density, and dynamic topology, that differentiate VANETs.Data dissemination is vital because it ensures the safety and performance of the vehicle.Conversely, VANET has limitations in providing effective communication between the vehicles due to delays and frequent disruptions.Thus, data dissemination needs an effective routing and scheduling process to avoid collisions of vehicles.Based on this fact, we proposed a novel Authenticate Relay Selection and Scheduling Framework (ARSSF) for secure and quality data transmission in VANET.ARSSF is a novel VANET communication method that prioritizes trustworthy relay nodes and dynamic scheduling to increase network performance and safety as data dissemination needs rise.It used the SNR, utility, and relay selection schemes for choosing the relay nodes that can cover the capacity of the network, thus minimizing the data dissemination delay.Additionally, an authentication method was utilized during the relay transmission phase to ensure both data security and authorization.The proposed framework performance was assessed by NS2 simulation.The results demonstrate that ARSSF is beneficial.ARSSF's minimum delay of 47 ms, throughput of 98.17%, and security measures of 98.38% show its value in VANETs.It enhances VANET safety, efficiency, and data distribution and could serve as a high-end vehicular network research platform.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».