دانلود مقاله ترجمه شده تشخیص بد رفتاری در VANET با استفاده از آنالیز علل ریشه ای


چطور این مقاله مهندسی کامپیوتر و IT را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2001549 رایگان است. ترجمه چکیده این مقاله مهندسی کامپیوتر و IT در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
615,000 ریال
شناسه محصول :
2001549
سال انتشار:
2012
حجم فایل انگلیسی :
410 Kb
حجم فایل فارسی :
106 کیلو بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

تشخیص بد رفتاری در VANET با استفاده از آنالیز علل ریشه ای

عنوان انگليسي

RECOGNITION OF MISBEHAVIORS IN VANET WITH INCORPORATED ROOT-CAUSE ANALYSIS

نویسنده/ناشر/نام مجله

International Journal of Wireless Communication

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی کامپیوتر و IT شامل 5 صفحه انگلیسی به صورت پی دی اف و 13 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی

چکیده

در این مقاله، ما قالب جدیدی  از شِماهای تشخیص بدرفتاری یا تخریب را معرفی کرده ایم. شِماها یک بخش پایه از تزریق گره ای نافرمان را در شبکه  های رسانه ای Ad-hoc تشکیل میدهد.(VANETs). یک گره ی مخرب، میتواند پیام های متناظر با رویدادی ،که ممکن است حتی رخ نداده باشد را ارسال کند، یا اطلاعات غلطی را در  مورد رویداد رخ داده شده، ارسال کند و یا منجر به فروروزی برنامه گردد. زمانی که بدرفتاری تشخیص داده شد، ضروری است تا دلایل ریشه ای آن مشخص شود. این مقاله از کاربرد هشدار پس تصادم یا PCN برای تشریح ملاحظات پایه و فاکتورهای کلیدی تاثیر گذار بر روی قابلیت اطمینان و اعتماد استفاده میکند. روش درخت ریشه ای پایه، به صورت موثر استفاده شده است تا مشترکاً به تشخیص مخرب و همچنین تشخیص علل ریشه ای آن ، بپردازد. این روش در ابتدا باید یک درخت ریشه ای را مونتاژ کند، و از ساده سازی های  منطقی برای رسیدن به تصمیمی که مبین دلایل ریشه ای مخرب میباشد، استفاده کند.تاخیر در تشخیص مخرب میتواند به عنوان همبستگی معکوس در مورد احتمال تشخیص خطا به وسیله ی یک رسانه، تفهیم شود. در این مقاله، ما این دیدگاه را و احتمال اعلام اشتباه مخرب را به عنوان متریک های کارایی مشاهده خواهیم کرد. وابستگی این قابلیت اطمینان بر روی مدل میکرو حرکتی در وسایل نقلیه مطالعه شده است.

فهرست مطالب

1-مقدمه

2-شمای تشخیص مخرب

3-بازبینی

4-فرضیات دو جانبه در مورد مخرب و دلایل ریشه ای آن

5-نتایج و خروجی ها

6-مدل MSD استفاده شده

7-نتیجه گیری

شمای تشخیص بدرفتاری شبکه ی Vanet سیستم های انتقال هوشمند :کلمات کلیدی

چکیده انگلیسی


Abstract

In this paper we have introduced a novel format for Misbehavior detection schemes. Misbehavior detection schemes form an basic part of disobeying node ejection in vehicular ad hoc networks (VANETs). A misbehaving node can send messages correspondent to an incident that either has not occurred, or incorrect information corresponding to an actual incident, or both, causing applications to break-down. When misbehavior is identified, it is vital to extort the root cause of the observed misbehavior This paper uses the Post-Crash Notifi-cation (PCN) application to illustrate the basic considerations and the key factors affecting the dependability recital of such schemes. The basic cause-tree approach is used effectively to jointly achieve misbehavior detection as well as identification of its root-cause and approach is illustrated. The approach is to first assemble a cause-tree, and then use successive logical reduction to arrive at a decision indicating the root-cause of the misbehavior. Misbehavior detection delay can be thought of as inversely correlated to the probability of detecting misbe-havior by a vehicle. In this paper we will see this prospect and the probability of incorrectly declaring misbehavior as the performance met-rics. The dependence of this reliability performance on the micro-mobility model of the vehicles is studied

Contents

1. Introduction

2. Misbehavior Detection Scheme

3. Overview

4. Mutual assumption of misbehavior and its root-cause

5. Result and output

6. The MDS model used

7. Conclusion

Keywords: vanet intelligent transportation systems misbehaviour detection schema
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید