43,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 1-2 Wochen
payback
22 °P sammeln
  • Broschiertes Buch

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…mehr

Produktbeschreibung
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.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Autorenporträt
Dr. Ganesh Davanam erhielt 2006 seinen B.Tech-Abschluss in Informationstechnologie von der JNT University, Hyderabad, und 2010 seinen M.Tech-Abschluss in Informatik und Ingenieurwesen von der Acharya Nagarjuna University. Seinen Doktortitel erhielt er 2021 von der Koneru Lakshmaiah Educational Foundation, Guntur. Während des Zeitraums 2006-07 arbeitete er als Assistenzprofessor.