MétaCan
Menu
Retour à la cohorte
Enregistrement W4411123035 · doi:10.48084/etasr.10222

Classification of IPv6 Transition Mechanisms using Multiple-Criteria Decision-Making

2025· article· en· W4411123035 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEngineering Technology & Applied Science Research · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueRFID technology advancements
Établissements canadiensArtificial Intelligence in Medicine (Canada)
Organismes subventionnairesnon disponible
Mots-clésTransition (genetics)Computer scienceData miningArtificial intelligenceMathematicsBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

IPv4-to-IPv6 transition is critical for dealing with the depletion of IPv4 addresses and ensuring the future scalability of the internet. This paper presents a systematic evaluation and ranking of 13 widely utilized IPv4-to-IPv6 transition mechanisms through a Multi-Criteria Decision-Making (MCDM) process. Initially, a methodology inspired from Bradford’s Law was applied to prioritize mechanisms in terms of how frequently they appear in the literature. Then, using the Weighted Sum Model (WSM), the current work assessed each mechanism on the basis of four key criteria: Performance (P), Security (Sec), Deployment (D), and Routing Efficiency (R). Mechanisms, such as Dual-stack, MAP-T, and NAT64, emerged as the top performers, offering sustainable scalability, high Sec, and D ease. However, mechanisms, like Teredo and 6to4, ranked lower due to significant Sec vulnerabilities, limited scalability, and P bottlenecks. The performed analysis underscores the importance of selecting transition mechanisms that balance P and Sec, particularly in large-scale networks and mobile environments. Potential areas for improvement, especially in tunneling mechanisms, are also identified and future research directions are proposed, focusing on lightweight and hybrid solutions to optimize IPv6 transition strategies.

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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,915

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,007
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,361
Écart entre enseignants0,332 · 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