39,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
20 °P sammeln
  • Broschiertes Buch

Les réseaux radio cognitifs (CRN) sont apparus comme une technologie de réseau de nouvelle génération encourageante qui répond aux problèmes liés à l'accès dynamique au spectre et à l'utilisation améliorée du spectre de manière significative. Les modèles de gestion de la confiance et de la réputation ainsi que les mécanismes de défense intercouche sont de plus en plus considérés pour les CRN afin de les protéger contre les attaques des utilisateurs secondaires. Dans ce travail, une méthode appelée Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) et un cadre de défense intercouche optimisé…mehr

Produktbeschreibung
Les réseaux radio cognitifs (CRN) sont apparus comme une technologie de réseau de nouvelle génération encourageante qui répond aux problèmes liés à l'accès dynamique au spectre et à l'utilisation améliorée du spectre de manière significative. Les modèles de gestion de la confiance et de la réputation ainsi que les mécanismes de défense intercouche sont de plus en plus considérés pour les CRN afin de les protéger contre les attaques des utilisateurs secondaires. Dans ce travail, une méthode appelée Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) et un cadre de défense intercouche optimisé de Levensthein sont proposés pour sécuriser le CRN en détectant les attaquants sur deux couches différentes, la couche physique et la couche de liaison de données. Le modèle Mean Bid Cross Layer Trust Evaluation est appliqué pour mesurer la fiabilité d'un utilisateur secondaire par un tiers. Ensuite, la classification des utilisateurs normaux et malveillants est effectuée en appliquant le modèle de la théorie des jeux de Nash multiples. Le cadre optimisé de Levesthein Nearest Centroid (OS-LNCC) est proposé pour atténuer les attaques entre couches dans les CRN. Les performances des deux méthodes sont évaluées par différents paramètres tels que la consommation d'énergie, le temps de détection, le délai de détection, le débit et la précision de détection.
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.