Con el rápido desarrollo y aplicación de las redes de sensores médicos, la seguridad se ha convertido en un gran reto a resolver. Se ha propuesto un mecanismo de confianza como método de "seguridad blanda" para garantizar la seguridad de la red. En este documento se construyen modelos de confianza para calcular la fiabilidad de un único nodo y de cada ruta, respectivamente. Para la relación de confianza entre nodos, el valor de confianza en cada intervalo se cuantifica basándose en la inferencia bayesiana. Un nodo estima los parámetros de la distribución a priori utilizando la información de recomendación recopilada y obtiene la distribución a posteriori combinada con las interacciones directas. Además, las ponderaciones de los valores de confianza se asignan utilizando el vector ponderado ordenado dos veces y se representa el grado de confianza global. Con las propiedades asociadas de la entropía de Tsallis, se propone la definición de la entropía de Tsallis del camino, que puede medir de forma exhaustiva la incertidumbre de cada camino. A continuación, se deriva un método para calcular la credibilidad de cada camino. Los resultados de la simulación demuestran que los modelos propuestos pueden reflejar correctamente la dinámica del comportamiento de los nodos, identificar rápidamente los ataques maliciosos y evitar eficazmente las rutas que contienen nodos de baja confianza para mejorar la robustez.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Efecto de las propiedades de la zona de transición interfacial en las propiedades elásticas de los materiales nanocompuestos cementosos
Artículo:
Ictus y neuroplasticidad
Artículo:
Películas flexibles nanocristalinas de ZnO y MgZnO: Propiedades ópticas y materiales
Artículo:
Impacto de los sistemas orgánico y convencional de cultivo de café en las propiedades del suelo y la diversidad microbiana cultivable
Artículo:
Clasificación multinivel precisa para imágenes de la vida silvestre