Esquema de aprendizaje automático basado en evolución diferencial para un sistema seguro de detección de espectro cooperativo
Autores: Gul, Noor; Kim, Su Min; Ahmed, Saeed; Khan, Muhammad Sajjad; Kim, Junsu
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Esquema de aprendizaje automático basado en evolución diferencial para un sistema seguro de detección de espectro cooperativo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Detección de espectro
Detección de espectro cooperativa
Usuarios maliciosos
Algoritmo de árbol potenciado
Evolución diferencial
Aprendizaje automático de ensamblaje
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
Los usuarios secundarios (SUs) en redes de radio cognitiva (CRNs) pueden obtener información confiable de detección de espectro del canal del usuario primario (PU) utilizando la detección de espectro cooperativa (CSS). Diversos SUs comparten sus observaciones de detección en el sistema CSS para abordar las condiciones de desvanecimiento y sombreado. La presencia de usuarios maliciosos (MUs) puede representar amenazas al rendimiento de CSS debido a la presentación de datos de detección falsificados al centro de fusión (FC). Diferentes categorías de MUs, como siempre sí, siempre no, siempre opuesto y opuesto aleatorio, son ampliamente investigadas por los investigadores.
Descripción
Los usuarios secundarios (SUs) en redes de radio cognitiva (CRNs) pueden obtener información confiable de detección de espectro del canal del usuario primario (PU) utilizando la detección de espectro cooperativa (CSS). Diversos SUs comparten sus observaciones de detección en el sistema CSS para abordar las condiciones de desvanecimiento y sombreado. La presencia de usuarios maliciosos (MUs) puede representar amenazas al rendimiento de CSS debido a la presentación de datos de detección falsificados al centro de fusión (FC). Diferentes categorías de MUs, como siempre sí, siempre no, siempre opuesto y opuesto aleatorio, son ampliamente investigadas por los investigadores.