La detección espectral cooperativa centralizada (CSS) permite a los usuarios no autorizados compartir sus observaciones de detección local con el centro de fusión (FC) para detectar el espectro de usuarios autorizados. Aunque la colaboración lleva a una mejor detección, la participación de usuarios maliciosos (MU) en CSS resulta en degradación del rendimiento. La técnica propuesta se basa en el algoritmo de Divergencia de Kullback-Leibler (KLD) para mitigar el ataque de MUs en CSS. Los usuarios secundarios (SUs) informan al FC sobre la disponibilidad del espectro del usuario primario (PU) enviando estadísticas de energía recibida. A diferencia del algoritmo KLD anterior donde la información de detección individual de SU se utiliza para medir el KLD, en este trabajo los MUs son identificados y separados en función de la decisión individual de SU y las estadísticas de detección promedio recibidas de todos los demás usuarios. El KLD propuesto asigna pesos más bajos a la información de detección de MUs, mientras que
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.
Artículos:
Privacidad diferencial de enjambre para una arquitectura de datos-información-conocimiento-sabiduría orientada a fines específicos
Artículos:
Edge Computing asistió a un eficiente esquema de agregación de datos por capas de protección de privacidad para IIoT
Artículos:
Explotación de la interferencia a nivel de usuario basada en la codificación de red en redes celulares D2D subyacentes
Artículos:
Modelos predictivos de árboles potenciados por gradiente para la rugosidad superficial en el fresado de alta velocidad en la industria metalúrgica del acero y aluminio.
Artículos:
Enfoque de particionamiento multicriterio basado en la estimación del rendimiento para programas de flujo de datos dinámicos
Artículos:
La curva S como herramienta para la planeación y control de procesos de construcción: casos de estudio
Artículos:
Investigación sobre control de costos de proyectos de construcción con base en la teoría de construcción sin pérdidas y BIM : caso práctico
Artículos:
Agua subterránea : el recurso oculto
Artículos:
Modelo de aceptación de las tecnologías basadas en la inteligencia artificial (IA) en las empresas de construcción: Aplicación del Modelo de Aceptación de la Tecnología (TAM) en combinación con el Marco Tecnología-Organización-Entorno (TOE)