Soluciones eficaces para los ataques de capa cruzada en la red de radiocomunicación cognitiva
Detección de usuarios maliciosos durante los ataques de capa cruzada
Versandkostenfrei!
Versandfertig in 1-2 Wochen
40,99 €
inkl. MwSt.
PAYBACK Punkte
20 °P sammeln!
Las redes de radiocomunicación cognitiva (CRN) han surgido como una alentadora tecnología de red de próxima generación que aborda los problemas relacionados con el acceso dinámico al espectro y la utilización mejorada del mismo de manera significativa. En concreto, los modelos de gestión de la confianza y la reputación y el mecanismo de defensa de capa cruzada son cada vez más considerados para las CRNs con el fin de asegurarlas contra los ataques de los usuarios secundarios. En este trabajo, se propone un método llamado Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) y métodos ...
Las redes de radiocomunicación cognitiva (CRN) han surgido como una alentadora tecnología de red de próxima generación que aborda los problemas relacionados con el acceso dinámico al espectro y la utilización mejorada del mismo de manera significativa. En concreto, los modelos de gestión de la confianza y la reputación y el mecanismo de defensa de capa cruzada son cada vez más considerados para las CRNs con el fin de asegurarlas contra los ataques de los usuarios secundarios. En este trabajo, se propone un método llamado Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) y métodos de defensa de capa cruzada de Levensthein optimizados para asegurar la CRN detectando a los atacantes en dos capas diferentes, la física y la de enlace de datos. Se aplica el modelo de evaluación de confianza de capa cruzada Mean Bid para medir la fiabilidad del usuario secundario por parte de terceros. A continuación, se realiza la clasificación de usuarios maliciosos y normales aplicando el modelo de la Teoría del Juego de Nash Múltiple. Se propone un marco optimizado de centroide cercano (OS-LNCC) para mitigar los ataques de capa cruzada en las CRN. El rendimiento de ambos métodos se evalúa mediante varios parámetros, como el consumo de energía, el tiempo de detección, el retardo de detección, el rendimiento y la precisión de la detección.
Andere Kunden interessierten sich für
