Soluções eficazes para ataques de camadas cruzadas na rede de rádio Cognitive
Detecção de utilizadores maliciosos durante ataques de camadas cruzadas
Versandkostenfrei!
Versandfertig in 6-10 Tagen
39,99 €
inkl. MwSt.
PAYBACK Punkte
20 °P sammeln!
As Redes Cognitivas de Rádio (CRNs) surgiram como uma tecnologia de rede encorajadora da próxima geração que aborda as questões relacionadas com o Acesso Dinâmico ao Espectro e uma melhor utilização do espectro de uma forma significativa. Especificamente a confiança, os modelos de Gestão da Reputação e o mecanismo de defesa em camadas cruzadas são cada vez mais considerados pelas CRNs para as proteger contra os ataques colocados pelos utilizadores secundários. Neste trabalho, um método chamado, Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) e Optimized Levensthein Cross lay...
As Redes Cognitivas de Rádio (CRNs) surgiram como uma tecnologia de rede encorajadora da próxima geração que aborda as questões relacionadas com o Acesso Dinâmico ao Espectro e uma melhor utilização do espectro de uma forma significativa. Especificamente a confiança, os modelos de Gestão da Reputação e o mecanismo de defesa em camadas cruzadas são cada vez mais considerados pelas CRNs para as proteger contra os ataques colocados pelos utilizadores secundários. Neste trabalho, um método chamado, Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) e Optimized Levensthein Cross layer Defense (MBT-MNR), são propostos métodos de estrutura de defesa de camadas cruzadas para proteger o CRN, detectando os atacantes em duas camadas diferentes, Física e de Ligação de Dados. O modelo de Avaliação de Confiança de Camada Cruzada Média é aplicado para medir a fiabilidade do utilizador secundário por terceiros. Seguidamente, a classificação de utilizador malicioso e normal é feita através da aplicação do modelo de Teoria de Jogo de Nash Múltiplo. O Levesthein Optimized Levesthein Nearest Centroid Framework (OS-LNCC) é proposto para mitigar os ataques de Cross Layer nos CRN's. O desempenho de ambos os métodos é avaliado por vários parâmetros tais como consumo de energia, tempo de detecção, atraso de detecção, rendimento e precisão de detecção.
Andere Kunden interessierten sich für
