論文の概要: An Evolutionary Game based Secure Clustering Protocol with Fuzzy Trust
Evaluation and Outlier Detection for Wireless Sensor Networks
- arxiv url: http://arxiv.org/abs/2207.10282v1
- Date: Thu, 21 Jul 2022 03:24:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-22 13:36:06.108861
- Title: An Evolutionary Game based Secure Clustering Protocol with Fuzzy Trust
Evaluation and Outlier Detection for Wireless Sensor Networks
- Title（参考訳）: ファジィ信頼評価と異常検出を用いた無線センサネットワークのための進化型ゲームベースのセキュアクラスタリングプロトコル
- Authors: Liu Yang, Yinzhi Lu, Simon X. Yang, Yuanchang Zhong, Tan Guo, Zhifang
Liang
- Abstract要約: 伝達証拠を信頼値に変換するファジィ信頼評価法を提案する。
K平均に基づく外乱検出手法を提案し,さらに多くの信頼値を解析した。
進化ゲームに基づくセキュアクラスタリングプロトコルが提示され,セキュリティ保証と省エネのトレードオフを実現する。
- 参考スコア（独自算出の注目度）: 8.611020067829509
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Trustworthy and reliable data delivery is a challenging task in Wireless
Sensor Networks (WSNs) due to unique characteristics and constraints. To
acquire secured data delivery and address the conflict between security and
energy, in this paper we present an evolutionary game based secure clustering
protocol with fuzzy trust evaluation and outlier detection for WSNs. Firstly, a
fuzzy trust evaluation method is presented to transform the transmission
evidences into trust values while effectively alleviating the trust
uncertainty. And then, a K-Means based outlier detection scheme is proposed to
further analyze plenty of trust values obtained via fuzzy trust evaluation or
trust recommendation. It can discover the commonalities and differences among
sensor nodes while improving the accuracy of outlier detection. Finally, we
present an evolutionary game based secure clustering protocol to achieve a
trade-off between security assurance and energy saving for sensor nodes when
electing for the cluster heads. A sensor node which failed to be the cluster
head can securely choose its own head by isolating the suspicious nodes.
Simulation results verify that our secure clustering protocol can effectively
defend the network against the attacks from internal selfish or compromised
nodes. Correspondingly, the timely data transfer rate can be improved
significantly.
- Abstract（参考訳）: 信頼できるデータ配信は、ユニークな特性と制約のため、無線センサネットワーク(WSN)において困難なタスクである。
本稿では,セキュアなデータ配信とセキュリティとエネルギーの衝突に対処するために,ファジィ信頼評価とwsnsの異常検出を備えた進化型ゲームベースのセキュアクラスタリングプロトコルを提案する。
まず、信頼不確実性を効果的に軽減しつつ、送信証拠を信頼値に変換するファジィ信頼評価方法を提案する。
そして, ファジィ信頼評価や信頼推薦によって得られた信頼値をさらに分析するために, k平均に基づく異常検出手法を提案する。
センサノード間の共通点や相違点を検出できると同時に、異常検出の精度も向上する。
最後に,クラスタヘッドの選択時にセンサノードのセキュリティ保証と省エネのトレードオフを実現するための,進化型ゲームベースのセキュアクラスタリングプロトコルを提案する。
クラスタヘッドではないセンサノードは、疑わしいノードを分離することにより、自身のヘッドを確実に選択することができる。
シミュレーションの結果、セキュアクラスタリングプロトコルは、内部の利己的あるいは妥協されたノードからの攻撃に対して、ネットワークを効果的に防御できることを確認した。
これにより、タイムリーなデータ転送レートを大幅に改善することができる。
関連論文リスト
- Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。
半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2024-06-06T06:12:15Z) - FLoW3 -- Web3 Empowered Federated Learning [0.0]
フェデレートラーニングは、データポジショニング、モデルポジショニング、中間攻撃における人など、さまざまな種類の攻撃に影響を受けやすい。
バリデーションはNoverety DetectionとSnowballプロトコルを使用してコンセンサスによって行われる。
システムは、スマートコントラクト開発のためのpythonとFoundryの実装によって実現される。
論文 参考訳（メタデータ） (2023-12-09T04:05:07Z) - TrustGuard: GNN-based Robust and Explainable Trust Evaluation with
Dynamicity Support [59.41529066449414]
本稿では,信頼度を考慮した信頼度評価モデルであるTrustGuardを提案する。
TrustGuardは、スナップショット入力層、空間集約層、時間集約層、予測層を含む階層アーキテクチャで設計されている。
実験により、TrustGuardは、シングルタイムスロットとマルチタイムスロットの信頼予測に関して、最先端のGNNベースの信頼評価モデルより優れていることが示された。
論文 参考訳（メタデータ） (2023-06-23T07:39:12Z) - KGTrust: Evaluating Trustworthiness of SIoT via Knowledge Enhanced Graph
Neural Networks [63.531790269009704]
ソーシャル・インターネット・オブ・モノ(Social Internet of Things, SIoT)は、スマート・オブジェクト(物)にソーシャルネットワークの概念を注入する、有望で新興のパラダイムである。
リスクと不確実性のため、解決すべき重要かつ緊急の問題は、SIoT内で信頼性の高い関係、すなわち信頼評価を確立することである。
本稿では,SIoTにおける信頼度向上のための知識強化グラフニューラルネットワーク(KGTrust)を提案する。
論文 参考訳（メタデータ） (2023-02-22T14:24:45Z) - Generative Adversarial Learning for Trusted and Secure Clustering in
Industrial Wireless Sensor Networks [11.56611183738877]
本稿では,産業用無線センサネットワーク(IWSN)のためのGANに基づく信頼管理機構を提案する。
検出率は96%、偽陽性率は8%以下である。
論文 参考訳（メタデータ） (2022-10-14T11:20:08Z) - A Secure Clustering Protocol with Fuzzy Trust Evaluation and Outlier
Detection for Industrial Wireless Sensor Networks [9.238298040561173]
本稿では,ファジィ信頼評価と外乱検出を備えたセキュアクラスタリングプロトコルを提案する。
実験により、我々のプロトコルは、内部の悪意のあるノードや侵害されたノードからの攻撃に対して、ネットワークを効果的に防御できることを確認した。
論文 参考訳（メタデータ） (2022-07-20T14:23:29Z) - TrustGNN: Graph Neural Network based Trust Evaluation via Learnable
Propagative and Composable Nature [63.78619502896071]
信頼評価は、サイバーセキュリティ、ソーシャルコミュニケーション、レコメンダシステムなど、多くのアプリケーションにとって重要である。
本稿では,信頼グラフの伝播性および構成性を考慮した新しい信頼評価手法TrustGNNを提案する。
具体的には、TrustGNNは、異なる伝播過程のための特定の伝播パターンを設計し、新しい信頼を生み出すための異なる伝播過程の貢献を区別する。
論文 参考訳（メタデータ） (2022-05-25T13:57:03Z) - Provably Robust Detection of Out-of-distribution Data (almost) for free [124.14121487542613]
ディープニューラルネットワークは、アウト・オブ・ディストリビューション(OOD)データに対する高い過度な予測を生成することが知られている。
本稿では,認証可能なOOD検出器を標準分類器と組み合わせてOOD認識分類器を提案する。
このようにして、我々は2つの世界のベストを達成している。OOD検出は、分布内に近いOODサンプルであっても、予測精度を損なうことなく、非操作型OODデータに対する最先端のOOD検出性能に近接する。
論文 参考訳（メタデータ） (2021-06-08T11:40:49Z) - Uncertainty-Aware Deep Calibrated Salient Object Detection [74.58153220370527]
既存のディープニューラルネットワークに基づくサルエントオブジェクト検出(SOD)手法は主に高いネットワーク精度の追求に重点を置いている。
これらの手法は、信頼不均衡問題として知られるネットワーク精度と予測信頼の間のギャップを見落としている。
我々は,不確実性を考慮した深部SODネットワークを導入し,深部SODネットワークの過信を防止するための2つの戦略を提案する。
論文 参考訳（メタデータ） (2020-12-10T23:28:36Z)
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。