文献

J-GLOBAL ID：201702277548349506   整理番号：17A1029803

分散DSAネットワークにおけるロバストな融合中のスペクトル共有のための信頼性の定量化【Powered by NICT】

Quantifying Trust for Robust Fusion While Spectrum Sharing in Distributed DSA Networks

著者 (3件)： Bhattacharjee Shameek (Department of Computer Science, Missouri University of Science and Technology, Rolla, MO, USA) ,  Debroy Saptarshi (Department of Computer Science, City University of New York, New York, NY, USA) ,  Chatterjee Mainak (Department of Computer Science, University of Central Florida, Orlando, FL, USA)
資料名： IEEE Transactions on Cognitive Communications and Networking  (IEEE Transactions on Cognitive Communications and Networking)
巻： 3  号： 2  ページ： 138-154  発行年： 2017年 
JST資料番号： W2454A  ISSN： 2332-7731  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,分散動的スペクトルアクセスネットワークにおけるスペクトルセンシング報告を共有する二次ノードの信頼性を定量化した。個々のコグニティブ無線ノードにより共有されるスペクトルセンシング報告の異常を効果的に捕らえたことを空間スペクトル異常モニタリング法を提案した。これに基づいて,我々は正常なリスク態度を持つ系とベータ分布に近似を用いて楽観的な信用モデルを提案した。より保存とリスク回避システムのために,著者らは,多項式Dirichlet分布に基づく保存信用フレームワークを提案した。機械学習アプローチを用いて,著者らは,高い精度の悪意あるノードに関係なく無線環境によって導入された攻撃や変動の攻撃性を分類した。続いて,二瞬間的融合モデルを提案した1)楽観的な信用ベースの融合と2)保存信用ベースの融合,スペクトルデータ融合中の参加ノードから信用できないセンシング報告を排除した。著者らの研究は,様々な攻撃シナリオ下での提案したモデルの有用性を実証するために,ランダム,決定論的,優先的(ON-OFF)攻撃モデル検討した。広範なシミュレーション実験を通して,筆者らは信用値は高度の確実性をもって悪意のあるノードを同定する助けとなることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *信頼性 ,  *スペクトル ,  *ネットワーク ,  モデル ,  *ロバスト性 ,  シミュレーション ,  機械学習
準シソーラス用語： Dirichlet分布 ,  リスク回避 ,  トラストモデル ,  β分布 ,  コグニティブ無線 ,  スペクトル検出 ,  ダイナミックスペクトルアクセス ,  *スペクトル共用 , 【Automatic Indexing@JST】

分類 (1件)： 信号理論  (ND02020G)

タイトルに関連する用語 (5件)： DSA ,  ロバスト ,  融合 ,  スペクトル共有 ,  定量化