論文の概要: SoS-RPL: Securing Internet of Things Against Sinkhole Attack Using RPL
Protocol-Based Node Rating and Ranking Mechanism
- arxiv url: http://arxiv.org/abs/2005.09140v1
- Date: Sun, 17 May 2020 09:26:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 21:19:07.065335
- Title: SoS-RPL: Securing Internet of Things Against Sinkhole Attack Using RPL
Protocol-Based Node Rating and Ranking Mechanism
- Title（参考訳）: SoS-RPL: RPLプロトコルベースのノードレーティングとランキング機構によるシンクホール攻撃に対するモノのインターネット確保
- Authors: Mina Zaminkar and Reza Fotohi
- Abstract要約: IoTには、分散機能のためにシンクホール攻撃と呼ばれる特定のルーティング不服従が与えられている。
これらの攻撃では、悪意のあるノードがルーティングに関する情報をブロードキャストし、近隣ノードの特定のノードへのルートとして自身を強制し、データトラフィックを引き付ける。
本研究は,NS-3環境下での広範囲なシミュレーションにより評価し,検出率,偽陰性率,偽陽性率,パケット配信速度,最大スループット,パケット損失率に基づいて,IoTネットワークの挙動指標が向上することが示唆された。
- 参考スコア（独自算出の注目度）: 1.2691047660244335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Through the Internet of Things (IoT) the internet scope is established by the
integration of physical things to classify themselves into mutual things. A
physical thing can be created by this inventive perception to signify itself in
the digital world. Regarding the physical things that are related to the
internet, it is worth noting that considering numerous theories and upcoming
predictions, they mostly require protected structures, moreover, they are at
risk of several attacks. IoTs are endowed with particular routing disobedience
called sinkhole attack owing to their distributed features. In these attacks, a
malicious node broadcasts illusive information regarding the routings to impose
itself as a route towards specific nodes for the neighboring nodes and thus,
attract data traffic. RPL (IP-V6 routing protocol for efficient and low-energy
networks) is a standard routing protocol which is mainly employed in sensor
networks and IoT. This protocol is called SoS-RPL consisting of two key
sections of the sinkhole detection. In the first section rating and ranking the
nodes in the RPL is carried out based on distance measurements. The second
section is in charge of discovering the misbehavior sources within the IoT
network through, the Average Packet Transmission RREQ (APT-RREQ). Here, the
technique is assessed through wide simulations performed within the NS-3
environment. Based on the results of the simulation, it is indicated that the
IoT network behavior metrics are enhanced based on the detection rate,
false-negative rate, false-positive rate, packet delivery rate, maximum
throughput, and packet loss rate.
- Abstract（参考訳）: IoT(Internet of Things)を通じて、インターネットの範囲は、物理的なものを統合して相互に分類することで確立される。
物理的なものは、この発明的な認識によって創造され、デジタル世界で自分自身を表すことができる。
インターネットに関連する物理的なことに関しては、多くの理論や今後の予測を考えると、主に保護構造を必要とするが、攻撃のリスクもいくつかある。
IoTには、分散機能のためにシンクホール攻撃と呼ばれる特定のルーティング不服従が与えられる。
これらの攻撃では、悪意のあるノードがルーティングに関する情報をブロードキャストし、隣接するノードの特定のノードへの経路として自身を強制し、データトラフィックを惹きつける。
RPL (IP-V6 routing protocol for efficient and Low-Eergy networks) は、センサネットワークやIoTで主に使用される標準ルーティングプロトコルである。
このプロトコルは、シンクホール検出の2つの重要な部分からなるSoS-RPLと呼ばれる。
第1のセクションでは、距離測定に基づいてrplのノードのレーティング及びランキングを行う。
第2のセクションでは、IoTネットワーク内の不正行動ソース、Average Packet Transmission RREQ(APT-RREQ)の発見を担当している。
本手法はns-3環境下での幅広いシミュレーションにより評価される。
シミュレーションの結果から, 検出率, 偽陰性率, 偽陽性率, パケット配信速度, 最大スループット, パケット損失率に基づいて, IoTネットワークの挙動指標が向上することが示唆された。
関連論文リスト
- A Lightweight Security Solution for Mitigation of Hatchetman Attack in RPL-based 6LoWPAN [0.24578723416255752]
IoT(Internet of Things, モノのインターネット)は業界で大きく成長し、業界 4.0 の時代を生きている。
従来のルーティング手法は、限られたリソースデバイス、損失のあるリンク、遅いデータレートを持つネットワークでは効果がない。
本稿では、攻撃者が低電力・ロッシーネットワークのためのルーティングプロトコル(RPL)の非ストレージ機能を利用する場合、ネットワーク性能の大幅な低下を示す。
論文 参考訳（メタデータ） (2024-04-02T06:48:33Z) - SISSA: Real-time Monitoring of Hardware Functional Safety and
Cybersecurity with In-vehicle SOME/IP Ethernet Traffic [49.549771439609046]
本稿では,車内機能安全とサイバーセキュリティをモデル化・解析するためのSOME/IP通信トラフィックベースアプローチであるSISSAを提案する。
具体的には、SISSAはWeibullディストリビューションでハードウェア障害をモデル化し、SOME/IP通信に対する5つの潜在的な攻撃に対処する。
広範囲な実験結果から,SISSAの有効性と有効性が確認された。
論文 参考訳（メタデータ） (2024-02-21T03:31:40Z) - MetaDetect: Metamorphic Testing Based Anomaly Detection for Multi-UAV
Wireless Networks [0.5076419064097734]
無線アドホックネットワーク(WANET)通信の信頼性は有線ネットワークよりもはるかに低い。
提案手法は,WANET上のインシデント/アクシデントイベントを自動的に識別する上で有用である。
論文 参考訳（メタデータ） (2023-12-07T23:24:58Z) - IoT Device Identification Based on Network Communication Analysis Using
Deep Learning [43.0717346071013]
組織のネットワークに対する攻撃のリスクは、セキュリティの低いIoTデバイスの使用の増加によって増大している。
この脅威に対処し、ネットワークを保護するために、組織は通常、ホワイトリストのIoTデバイスのみをネットワーク上で許可するセキュリティポリシを実装します。
本研究では、ネットワーク上で許可されたIoTデバイスの自動識別のためのネットワーク通信にディープラーニングを適用した。
論文 参考訳（メタデータ） (2023-03-02T13:44:58Z) - Bandwidth-efficient distributed neural network architectures with
application to body sensor networks [73.02174868813475]
本稿では,分散ニューラルネットワークアーキテクチャを設計するための概念設計手法について述べる。
提案手法により,損失を最小限に抑えつつ,最大20倍の帯域幅削減が可能となることを示す。
本稿では,ウェアラブル脳-コンピュータインタフェースに焦点をあてるが,他のセンサネットワークアプリケーションにも適用できる。
論文 参考訳（メタデータ） (2022-10-14T12:35:32Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Modelling DDoS Attacks in IoT Networks using Machine Learning [21.812642970826563]
TCP固有の攻撃は、攻撃者がサイバー物理システムで使用できる最も有効なツールの1つである。
本研究では、CPS-IoTにおけるDDoS攻撃を検出するための教師付き、教師なし、および半教師付き機械学習アルゴリズムの有効性を比較する。
論文 参考訳（メタデータ） (2021-12-10T12:09:26Z) - Packet-Loss-Tolerant Split Inference for Delay-Sensitive Deep Learning
in Lossy Wireless Networks [4.932130498861988]
分散推論では、計算タスクは、損失の多いIoTネットワークを介して、IoTデバイスから他のデバイスやエッジサーバにオフロードされる。
狭帯域および損失の多いIoTネットワークは、非無視可能なパケット損失と再送信を引き起こし、非無視可能な通信遅延を引き起こす。
本稿では,パケットロスが発生しても再送信なしで高精度な分割推定を行うSI-NR法を提案する。
論文 参考訳（メタデータ） (2021-04-28T08:28:22Z) - Genetic Improvement of Routing Protocols for Delay Tolerant Networks [3.9571744700171756]
Delay Tolerant Networks (DTN) で広く採用されている2つのルーティングプロトコルを改良する。
私たちはそれらを基本コンポーネント、すなわちノードがデータを転送できるかどうかをチェックしたり、すべてのコネクションにメッセージを送信したりします。
進化する樹木の終端ノードとして,これらの成分を操作するために遺伝的改良(GI)を適用した。
論文 参考訳（メタデータ） (2021-03-12T17:46:51Z) - Federated Learning over Wireless Device-to-Device Networks: Algorithms
and Convergence Analysis [46.76179091774633]
本稿では,無線デバイス対デバイス(d2d)ネットワーク上でのフェデレーション学習(fl)について検討する。
まず、通信効率の良いDSGDアルゴリズムの汎用ディジタルおよびアナログ無線実装を紹介する。
第二に、凸性と接続性の仮定の下で、両実装に収束境界を提供する。
論文 参考訳（メタデータ） (2021-01-29T17:42:26Z) - Optimizing Resource-Efficiency for Federated Edge Intelligence in IoT
Networks [96.24723959137218]
We study a edge intelligence-based IoT network that a set of edge server learn a shared model using federated learning (FL)。
フェデレーションエッジインテリジェンス(FEI)と呼ばれる新しいフレームワークを提案し、エッジサーバがIoTネットワークのエネルギーコストに応じて必要なデータサンプル数を評価できるようにする。
提案アルゴリズムがIoTネットワークのトポロジ的情報を漏洩したり開示したりしないことを示す。
論文 参考訳（メタデータ） (2020-11-25T12:51:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。