As redes ad hoc são divididas em redes independentes, onde os nós são interativos sem infraestrutura fixa. Eles são frequentemente usados em guerra, recuperação de riscos de desastres e aplicativos de IoT. Cada nó serve como pretendentes e roteadores, dados de passagem excessivos.
Os ataques de inundação nas redes ad hoc ocorreram quando uma transfusões de nó maliciosas da rota ou pacotes de dados, preenchidos com uma rede. Isso leva à preocupação dos funcionários, ao aumento da latência e à potencial falha da rede.
Projetos recentes de ataques de inundação em ataques de inundação em redes ad hoc focadas em auto-estima confiável, uma dissolução de uma máquina e um entendimento variável. Técnicas como SVM, redes neurais e algoritmos adequados trabalham atualizando para atacar, confiabilidade e operação de rede. Os modelos híbridos promovem a precisão e reduzem os alarmes falsos. Apesar do querido avanço na redução de esses aspectos, os métodos atuais que se esforçam para medir o acesso ao acesso, manter a eficiência energética e se adaptar às condições imediatas da rede.
Como resposta a esses desafios, um novo artigo publica recentemente a lei de tumultos híbridos eficaz para reduzir os ataques de inundação nos menetes usando o modelo CNN-LSTM / GRU. O método híbrido inclui estudo mecânico com o protocolo Rouctating para realizar eficiência no processo de prevenção. O modelo separa os nós como sendo confiáveis ou não confiáveis com base em seu comportamento de pacotes, escrito por aqueles que enfatizam a mídia exibida. O treinamento inclui os recursos desinfetantes de propriedades perigosas e maliciosas, em parágrafos com base em padrões educados.
Para melhorar a precisão, o modelo é válido para a CNN encontrar o domínio do recurso, seguido pelo LSTM ou GRU na ordem de aprendizado, tomando decisões tomadas em tempo real. O protocolo completa as áreas cruéis quando recebe ataques de inundação de RRE, para garantir a conservação de energia. O MATLAB é usado para criar dados de treinamento e usar a separação baseada em euclidiano. As estimativas de condicionamento físico usam o tempo para expirar no final, o protocolo AOFV baseado em ML é seletivo nos preços mais altos de preços para aumentar a entrega da embalagem e reduzir o retorno.
Examinando o método proposto, um grupo de pesquisadores fez simulação no MATLAB R2023A para avaliar o processo de aprendizado híbrido mais profundo para ataques de inundações na busca de ataques de inundação. A natureza das imitações ilustra a camada corporal para garantir condições práticas. Os principais menus de funcionamento são analisados, incluindo a taxa de entrega de pacotes, arrependimento, mais movimento, período de condicionamento físico, dores de cabeça e tempo de ataque.
Os resultados mostraram que o modelo proposto fica sem DBN, CNN e LSTM existentes se aproximando. Ele recebeu uma taxa de pacote de alta qualidade (96,10% dos 60 locais, avançados para usar (263 kbps em 100 locais) e o caminho mais baixo. Além disso, mostra hora de ver o ataque mais rápido, o melhor, CNN e DBN. Métricas métricas de categoria e confirmou sua altura, com precisão de 95%, 90% de clareza e 100% de sensibilidade. Essas descobertas garantem o desempenho do modelo para o desenvolvimento da MANET.
O modelo de aprendizado profundo proposto mostra dependência da redução de ataques de inundação, mas é limitado. Itálico das corridas computacionais está aumentando no tamanho da rede, reduz o uso em tempo real em grandes redes e requer uma memória importante e a capacidade de processar. Além disso, confiar no Matlab em Apocalipse pode não mostrar completamente o poder do Mananet Manan. A renovação e o reembolso regulares também são obrigados a se adaptar à renovação de estratégias de ataque.
Em conclusão, enquanto os modelos híbridos (CNN-LSTM e CNN-GRU) são os primeiros métodos de desempenho superior, desafios como ataques computacionais e aparecem com a aparência do ataque restante.
Enquete o papel. Todo o crédito deste estudo é pesquisado para este projeto. Além disso, não se esqueça de seguir Sane e junte -se ao nosso Estação de telégrafo incluindo LinkedIn grtópico. Não se esqueça de se juntar ao nosso 75k + ml subreddit.
🚨 Plataforma de IA de código aberto recomendado: 'Interestagente Sistema de código aberto com várias fontes para testar o sistema de IA difícil (promovido)
Mahmoud é pesquisador de doutorado em um aprendizado de máquina. Ele também segura um
Diploma de diploma de bacharel e mestrado em
Sistemas de telecomunicações e comunicação. Seus lugares atuais de
Considere o computador do computador, previsão do mercado de ações e profundidade
Leitura. Ele produziu vários artigos científicos sobre o homem
Identificação e estudo de dimensões e intensidade mais profunda
redes.
✅ [Recommended] Junte -se ao nosso canal de telégrafo
