Advanced network security with an integrated trust-based intrusion detection system for routing protocol
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The global network called the Internet of Things (IoT) facilitates communication and teamwork by connecting different electronic devices. This combination is especially seen in low-power and non-local networks (LLNs), where equipment is limited to comply with specified standards for connectivity. These systems often use the LLN routing protocol (RPL). However, due to its simplicity, there are many ways to compromise network security. It is also difficult to perform complex operations in the LLN computation due to limited usage. This work presents an advanced design called a Trust-Based RPL Intrusion Detection System (TIDSRPL). TIDSRPL transfers the complex trust to the root node, and TIDSRPL evaluates the node trust based on the network behavior. Depotentialize resources through this strategic shift that preserves energy, storage, and compute resources at the node level. A comparison with the pre-tuned RPL objective function of minimum rank with hysteresis objective function routing protocol low power and non-local (MRHOF-RPL) network shows that TIDSRPL has the best performance in detecting and classifying malware contained in Sinkhole, choosing to submit, and Sybil objecting. More importantly, TIDSRPL achieves a 20%–35% reduction in average packet loss and a 33%–45% improvement in energy efficiency compared to MRHOF-RPL, improving its stability in LLN protection block efficiency.
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.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 découle