MétaCan
Menu
Retour à la cohorte
Enregistrement W4404954558 · doi:10.1109/metrosea62823.2024.10765656

Securing Underwater Wireless Communication with Frequency-Hopping Spread Spectrum

2024· article· en· W4404954558 sur OpenAlexfundno aff
Khaliq Ur Rahman, Nazila Fough, Christopher D. McDermott, Rida Sundas, Nauman Anwar Baig

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueUnderwater Vehicles and Communication Systems
Établissements canadiensnon disponible
Organismes subventionnairesFederation for the Humanities and Social Sciences
Mots-clésFrequency-hopping spread spectrumSpread spectrumWirelessComputer scienceUnderwaterUnderwater acoustic communicationComputer networkTelecommunicationsGeographyCode division multiple access

Résumé

récupéré en direct d'OpenAlex

The significance of subsea communication has increased substantially, with growing interest in replacing wired communication with wireless alternatives. However, subsea communication faces several challenges due to the harsh environment, including high noise, significant multipath propagation, signal attenuation, salinity, and temperature variations. Additionally, it is vulnerable to cyber-attacks. Ensuring secure and reliable communication for authorized users remains a significant challenge, requiring an integrated approach that balances efficiency, stability, and security considerations. Current efforts primarily focus on designing multimodal wireless communication systems, but integrating robust security measures into subsea wireless infrastructure is challenging due to its inherently open nature and susceptibility to external interference. Technical advancements are necessary to strengthen the security of subsea wireless communication while managing power loss effectively. To address these challenges, we propose a mechanism that implements a pre-determined frequency hopping schedule, enhancing security and improving reliability through periodic changes in transmission frequency. The hopping sequence is shared in advance among authorized parties. While the current system does not adapt to real-time threats, future work could explore dynamic adjustments in response to detected threats or unauthorized access attempts.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,567
Score d'incertitude au seuil0,493

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,203
Écart entre enseignants0,192 · 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'étudeExpérimental (laboratoire)
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUnderwater Vehicles and Communication SystemsTravaux en français237 207