Research on Secure Communication Mechanisms in Wireless Sensor Networks for Industrial Control Systems
Notice bibliographique
Résumé
In wireless sensor networks in industrial control systems, wireless communication security is challenged due to the broadcast nature of the wireless channel, where information is more easily eavesdropped by illegal nodes on the network.The article establishes a secure communication system based on ZigBee wireless communication technology applied to wireless sensor networks in industrial control systems.In order to improve the secure communication performance of wireless sensor networks, this paper combines the Merkle tree with the Tesla protocol to establish a key management scheme for wireless communication.Then from the node trust degree, the node two-way authentication mechanism for data transmission is constructed by combining the digital signature algorithm.For the effectiveness of the secure communication mechanism of wireless sensor networks, this paper carries out data analysis through performance testing.The key management scheme takes about 17.37 s and 3.24 s to add and revoke a key, respectively, and the local optimal value of user time consumption is 7.26 s when the connectivity frequency is 12 min and the revocation threshold is 60.The average value of the node bidirectional authentication mechanism can reach 96.17% for the accuracy of identifying the malicious nodes in the wireless sensor network, and the bit error rate is lower than 0.5 % for the communication transmission with the mesh topology.The bit error rate is less than 0.1%.The introduction of Merkle tree and digital signature algorithms into the construction of secure communication mechanisms in wireless sensor networks can significantly improve the data transmission security performance of industrial control systems.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».