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

Le reti radio cognitive (CRN) si sono affermate come un'incoraggiante tecnologia di rete di nuova generazione che affronta in modo significativo i problemi legati all'accesso dinamico allo spettro e all'utilizzo avanzato dello stesso. In particolare, i modelli di gestione della fiducia e della reputazione e i meccanismi di difesa a più livelli sono sempre più considerati per le CRN per proteggerle dagli attacchi degli utenti secondari. In questo lavoro, vengono proposti un metodo chiamato Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) e metodi di difesa trasversale ottimizzati di…mehr

Produktbeschreibung
Le reti radio cognitive (CRN) si sono affermate come un'incoraggiante tecnologia di rete di nuova generazione che affronta in modo significativo i problemi legati all'accesso dinamico allo spettro e all'utilizzo avanzato dello stesso. In particolare, i modelli di gestione della fiducia e della reputazione e i meccanismi di difesa a più livelli sono sempre più considerati per le CRN per proteggerle dagli attacchi degli utenti secondari. In questo lavoro, vengono proposti un metodo chiamato Mean Bid Trust & Multiple Nash Reputation (MBT-MNR) e metodi di difesa trasversale ottimizzati di Levensthein per proteggere la CRN individuando gli aggressori a due diversi livelli, fisico e di collegamento dati. Il modello Mean Bid Cross Layer Trust Evaluation viene applicato per misurare l'affidabilità dell'utente secondario da parte di terzi. Successivamente, la classificazione degli utenti malintenzionati e normali viene effettuata applicando il modello della teoria dei giochi di Nash multipli. Per mitigare gli attacchi cross-layer nelle reti CRN viene proposto il metodo Optimized Levesthein Nearest Centroid Framework (OS-LNCC). Le prestazioni di entrambi i metodi sono valutate in base a vari parametri, quali il consumo energetico, il tempo di rilevamento, il ritardo di rilevamento, il throughput e l'accuratezza del rilevamento.
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.