International Conference on Innovative Computing and Communications
Proceedings of ICICC 2022, Volume 3
- 2023
- Buch
- Herausgegeben von
- Deepak Gupta
- Ashish Khanna
- Aboul Ella Hassanien
- Sameer Anand
- Ajay Jaiswal
- Buchreihe
- Lecture Notes in Networks and Systems
- Verlag
- Springer Nature Singapore
Über dieses Buch
Dieses Buch enthält qualitativ hochwertige Forschungsarbeiten, die auf der Fünften Internationalen Konferenz für Innovatives Computing und Kommunikation (ICICC 2022) präsentiert wurden, die vom 19. bis 20. Februar 2022 am Shaheed Sukhdev College of Business Studies der Universität Delhi, Delhi, Indien, abgehalten wird. Das Buch stellt die innovativen Arbeiten von Wissenschaftlern, Professoren, Forschungswissenschaftlern, Studenten und Industrieexperten auf dem Gebiet der Informatik und Kommunikation vor und fördert die Transformation der Grundlagenforschung in institutionelle und industrialisierte Forschung sowie die Umsetzung angewandter Exploration in Echtzeit-Anwendungen.
Mit KI übersetzt
Über dieses Buch
This book includes high-quality research papers presented at the Fifth International Conference on Innovative Computing and Communication (ICICC 2022), which is held at the Shaheed Sukhdev College of Business Studies, University of Delhi, Delhi, India, on February 19–20, 2022. Introducing the innovative works of scientists, professors, research scholars, students and industrial experts in the field of computing and communication, the book promotes the transformation of fundamental research into institutional and industrialized research and the conversion of applied exploration into real-time applications.
Anzeige
Inhaltsverzeichnis
-
Detection of Epileptic Seizure Using a Combination of Discrete Wavelet Transform and Power Spectral Density
Puja Dhar, Vijay Kumar GargDieses Kapitel befasst sich mit der Erkennung epileptischer Anfälle, einer weit verbreiteten neurologischen Erkrankung, von der Millionen Menschen weltweit betroffen sind. Es stellt die Kombination von Diskreter Wavelet Transform (DWT) und Leistungsspektraldichte (PSD) als effektive Methoden zur Analyse von EEG-Signalen vor. Die Studie überprüft frühere Forschungsergebnisse und schlägt eine Methodik vor, die die Feature-Extraktion mittels DWT und PSD sowie Deep-Learning-Techniken umfasst. Die vorgeschlagene Methode wird auf den Bonner EEG-Datensatz angewendet und zeigt eine hohe Genauigkeit bei der Erkennung von Anfällen. Das Kapitel unterstreicht die Bedeutung der präzisen Erkennung von Anfällen für die Verbesserung der Lebensqualität der Patienten und der Effizienz der medizinischen Systeme.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractEpileptic seizure is detected by reading the electroencephalogram (EEG) signals which are obtained from the electrical activities of the brain which are containing information about the brain. Epileptic seizure is known as the abrupt abnormal activity of a bunch of neurons which results in an electric surge in the brain. India is also one of the countries on the globe which is having about 10 million people suffering from a seizure. In this paper, the combination of discrete wavelet transform along with power spectral density is proposed for the classification and feature extraction process to detect epileptic seizures. To achieve high accuracy of seizure detection rate and explore relevant knowledge from the EEG processed dataset, deep learning has been used. The result shows that the detection of epileptic seizures using the proposed method gives an accuracy of 90.1%. This system would be useful for clinical analysis of epileptic seizures, and appropriate action would be taken against epileptic seizures. -
Combination of Oversampling and Undersampling Techniques on Imbalanced Datasets
Ankita Bansal, Ayush Verma, Sarabjot Singh, Yashonam JainDieses Kapitel geht den Herausforderungen unausgewogener Datensätze und der Effektivität der Kombination von Oversampling- und Undersampling-Techniken nach, um diese Probleme zu entschärfen. Es werden modifizierte Versionen der SMOTE- und NCL-Algorithmen eingeführt, die dann auf medizinische Datensätze angewendet werden, um eine bessere Leistung zu erzielen. Die Ergebnisse zeigen signifikante Verbesserungen der Recall-Werte und geometrischen Mittelwerte bei der Verwendung der vorgeschlagenen Methoden, was das Potenzial dieser Techniken zur Verbesserung der Klassifikationsgenauigkeit bei unausgewogenen Daten unterstreicht.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractMany practical classification datasets are unbalanced, meaning that one of the classes is in the majority when compared to the others. In various real-world circumstances, class-imbalanced datasets arise, where the number of data samples in a class is not equal to the other class. To develop good classification models based on present level calculations, using these datasets is difficult, particularly for separating minority classes from the majority class. To address the issue of class imbalance, under/oversampling procedures are used to minimize and enhance the quantities of data examined in minority and majority class. This paper explores the utilization of combination of both undersampling and oversampling techniques mainly synthetic minority oversampling technique (SMOTE) and neighborhood cleaning rule (NCL) to balance the datasets. The performance has been evaluated using two machine learning algorithms. The results are then classified using recall measure and geometric mean which showed improved performance of the algorithms. -
Comparative Analysis on Effect of Different SVM Kernel Functions for Classification
Deepali Virmani, Himakshi PandeyDas Kapitel befasst sich mit der Anwendung von Support Vector Machines (SVM) für Klassifizierungsaufgaben, wobei der Schwerpunkt auf den Auswirkungen verschiedener Kernelfunktionen liegt. Es beginnt mit der Einführung der SVM und ihrer Kernprinzipien, wie dem Konzept der trennenden Hyperebene und des maximalen Margin-Klassifikators. Der Aufsatz untersucht dann fünf Arten von Kernen - lineare, Gaußsche Radial-Basis-Funktion (RBF), Polynom, Lappland und Sigmoid - und ihre Leistung auf vier unterschiedlichen Datensätzen. Durch umfangreiche Experimente vergleicht die Studie die Vorhersagegenauigkeit jedes einzelnen Körnchens und hebt die Stärken und Grenzen jedes einzelnen hervor. Bemerkenswert ist, dass der laplakische Kernel in allen Datensätzen die Spitzenposition einnimmt, dicht gefolgt vom Gaußschen RBF-Kernel. Das Kapitel untersucht auch den Einfluss von Kernparametern auf die Vorhersagegenauigkeit und liefert wertvolle Erkenntnisse zur Optimierung von SVM-Modellen. Die vergleichende Analyse wird durch detaillierte experimentelle Arbeit und Visualisierungen unterstützt, was sie zu einer entscheidenden Ressource für Fachleute macht, die ihr Verständnis der SVM-Kernfunktionen und ihrer praktischen Anwendungen verbessern wollen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractBesides linear classification, Support Vector Machine (SVM) is proficient in non-linear classification by deploying kernel tricks that implicitly maps and transform input features to high dimensional feature space. Kernel-SVM, can be utilized to secure progressively complex connections on datasets with no push to do changes all alone. In this paper, 5 different SVM kernel functions are implemented on 4 datasets, viz., IRIS, Breast Cancer Wisconsin (diagnostic), Mushroom and Letter Recognition Dataset. The five kernel functions considered in this paper are: Linear kernel, Gaussian Radial Basis Function (RBF) kernel, Laplacian kernel, Polynomial kernel and Sigmoid kernel. Our goal is to locate the best non-linear kernel. The outcomes show that the precision of expectation for Laplacian kernel is most extreme with a forecast scope of (max 100%, min 97.53%) and least for the sigmoid kernel with a forecast scope of (max 100%, min 47.28%). -
Two-Phase Image Denoising Using Hough Transform
Shaveta Rani, Yogesh Chhabra, Kamal MalikIn diesem Kapitel wird ein umfassender Ansatz zur Bilddenozialisierung vorgestellt, der sich auf die Herausforderungen durch Impulsrauschen bei der Bildaufnahme und -speicherung konzentriert. Die vorgeschlagene Zwei-Phasen-Methode nutzt die Hough-Transformation, um die Leistung bestehender Denoising-Algorithmen zu verbessern. Die erste Phase nutzt die ROAD-TGM-Technik, um verrauschte Pixel zu erkennen, während die zweite Phase die Hough-Transformation verwendet, um Linien zu zeichnen und korrupte Pixel mit dem Mittelwert unverdorbener Pixel zu füllen. Die Wirksamkeit der Methode wird anhand von Standard-Graustufenbildern bewertet, die bei verschiedenen Rauschpegeln beschädigt sind, wobei quantitative Messgrößen wie PSNR ihre überlegene Leistung demonstrieren. Das Kapitel vergleicht die vorgeschlagene Methode auch mit anderen Anprangerungstechniken und hebt ihre Fähigkeit hervor, Bilddetails und Authentizität zu bewahren. Dieser innovative Ansatz bietet eine vielversprechende Lösung zur Verbesserung der Qualität verrauschter Bilder in verschiedenen Anwendungen, von der biomedizinischen Bildgebung bis hin zu Überwachungssystemen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractAdvancement in applications requires more efficient image denoising techniques as it is still an unexplored area for the researchers. The crucial step in image denoising process is detection of noisy pixel, where over and under detection may affect the desire outcomes. Random impulse noise is difficult to remove because it appears randomly on the image, and most filters fail to identify all damaged pixels. To remove random impulse noise, we proposed two-step sequential algorithm, in the first step, ROAD-TGM filter ensure accurate noise estimation by avoiding over and under selection of noisy pixels. The second step performs image restoration using Hough transform method. Hough transform technique is used to extract features form images and by using these features, we restore the damaged pixel by the mean of undamaged pixel. In comparison with other well-known methods, the results of proposed method indicate that our restored images show a substantial change. -
Modern Four-Port MIMO Antenna Design Using Bended Curves for 5G Communications
Kolli Venkatrao, Yadavalli Sai Sundara Sriramam, N. Suguna, Nalini Prasad Tirumani, Ch. Rama Krishna, Ch. Murali KrishnaDas Kapitel geht näher auf die Fortschritte in der 5G-Kommunikation ein und betont die Notwendigkeit von Breitbandantennen zur Unterstützung hoher Datenraten und niedriger Latenzzeiten. Es stellt das Konzept der MIMO-Antennen vor, die mehrere Ein- und Ausgangssignale nutzen, um die Übertragungskapazität zu erhöhen und Staus zu verringern. Das Design einer Vier-Port-MIMO-Antenne mit gebogenen Kurven wird diskutiert, wobei der Schwerpunkt auf ihrer Anwendung in der mmWave 5G-Kommunikation liegt. Das Kapitel stellt außerdem verschiedene MIMO-Antennendesigns für verschiedene 5G-Anwendungen vor, einschließlich tragbarer Geräte und Smartphones, wobei deren Leistungskennzahlen wie Gewinn, Effizienz und Hüllkurvenkorrelationskoeffizient hervorgehoben werden. Das Kapitel schließt mit der Diskussion der zukünftigen Trends und potenziellen Anwendungen von MIMO-Antennen im Zeitalter von 5G und darüber hinaus.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn this paper, modern four-port Multiple-Input Multiple-Output (MIMO) antenna design using bended curves for 5G communications is presented. The overall dimensions (Lsub × Wsub × H) of the antenna are about 19.5 mm × 19.5 mm × 1.575 mm on Rogers RT/Duroid 5880 substrate with dielectric constant of 2.2 and loss tangent of 0.009. A similar four-element MIMO antenna is designed, and to enhance the parameters of the antenna, circular arcs are loaded. The proposed design can obtain a frequency range from 27.65 to 36.98 GHz which supports 5G communication. The proposed antenna covers an impedance bandwidth (IBW) of 9.33 GHz, and the resonant frequency is 34.60 GHz. The overall peak gain of the antenna is 6.93 dB. Some of the antenna parameters such as envelope correlation coefficient (ECC) < 0.0004, diversity gain (DG) ≈ 10 dB, total active reflection coefficient (TARC) < 0.38, channel capacity loss (CCL) <0 .2 bits/Hz and mean effective gain (MEG) is varied in between − 2.80 to − 4 dB. By using HFSS software, the proposed design is designed and simulated. -
Supervised Question Classification on SelQA Dataset Using Variational Quantum Classifiers
Pragya Katyayan, Nisheeth JoshiDas Kapitel befasst sich mit der Anwendung von Variationsquantenklassifikatoren (VQCs) für die Frageklassifizierung auf dem SelQA-Datensatz, einer Aufgabe, die für die Verarbeitung natürlicher Sprache von entscheidender Bedeutung ist. Er diskutiert die Extraktion von Merkmalen aus Fragen, die Kodierung klassischer Daten in Quantenzustände und die Verwendung variierender Quantenschaltkreise zur Klassifizierung. Der Aufsatz präsentiert experimentelle Ergebnisse, die den Einfluss von Schaltungstiefe und Funktionsumfang auf die Klassifikationsgenauigkeit analysieren. Abschließend wird das Potenzial der Quantencomputertechnologie bei der Lösung komplexer Probleme im Bereich der NLP hervorgehoben und zukünftige Forschungsrichtungen vorgeschlagen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractMachine learning and quantum computing fuse together to form quantum machine learning. Although the phenomenon is new, it has already proved its worth in various fields like finance and chemistry. The potential of quantum computing and its extraordinary properties enable us to process data in a way classical computer can never think of. When machine learning gets the power of quantum computing, information processing is enhanced significantly. In this paper, we have used variational quantum classifiers to classify questions from two domains of SelQA dataset. We keep the focus on the implications of circuit-depth in different experiments and analyze the results. VQC performs well with 11 features on lowest circuit depths and gives a testing accuracy of 58%. -
SMOR-Smart Mirror for College Department
Deepak Sharma, Abhishek Khanna, Devesh Chaudhary, Anjali Jain, Archika Malhotra, Aayushi Rohilla, Risheek Kumar, Anuradha BhasinIn diesem Kapitel wird SMOR vorgestellt, ein intelligenter Spiegel, der den Informationsaustausch in Hochschulabteilungen revolutionieren soll. SMOR nutzt Sprachbefehle und ein Chatbot-System, das auf Natural Language Processing (NLP) basiert und bietet Echtzeit-Aktualisierungen zu College-Nachrichten, Wetter, Terminplänen und Ankündigungen. Das Gerät ist mit einem Ultraschallsensor zur Anwesenheitserfassung ausgestattet und kann vom Personal mittels Login-Daten modifiziert werden. Das Hardware-Design umfasst einen Raspberry Pi, einen LCD-Bildschirm und einen Zwei-Wege-Spiegel, während die Software HTML, CSS, JavaScript und Python integriert. SMOR bietet eine flexible und kostengünstige Lösung, die durch Features wie Gesichtserkennung und berührungsbasierte Interaktion weiter ausgebaut werden kann, was es zu einem wertvollen Aktivposten für moderne Bildungseinrichtungen macht.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThis paper aims to present SMOR—Smart mirror for College department. Smart mirror which has mirror-like reflective properties but display information in the form of a widget. SMOR is designed using Raspberry Pi, LCD screen, two-way mirror, and ultrasonic sensor. It contains a voice activated chatbot system which can be easily customized. It is designed specifically for the college department as it will show all the information related to that department like schedules, notices, announcements, etc. It fetches data from the cloud database and displays it according to the request. It also displays current weather, date, time, and updated news about science and technology. -
Food Classification Using Deep Learning Algorithm
R. V. Jamnekar, R. R. Keole, S. W. Mohod, T. R. Mahore, Sagar PandeDas Kapitel geht der Bedeutung der Lebensmittelklassifizierung in der heutigen gesundheitsbewussten Gesellschaft nach und führt zu diesem Zweck den YOLO-Algorithmus ein. Es erklärt die Architektur und die Vorteile von YOLO und hebt seine Geschwindigkeit und Echtzeitfähigkeit hervor. Die Methodik beinhaltet die Schulung des Modells mit einem selbst erstellten Datensatz von 4000 indischen Nahrungsmittelbildern, was zu einer Genauigkeitsrate von 99% führt. Im Kapitel wird YOLO auch mit anderen Algorithmen wie ResNet-50, VGG-16 und Inception verglichen, was seine überlegene Leistung verdeutlicht. Außerdem werden die jüngsten Forschungsergebnisse zur Lebensmittelklassifizierung überprüft und zukünftige Verbesserungen diskutiert.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractMonitoring of food plays a significant role in leading health-related issues and tasks. With its multiple applications and features, image processing emerges to be an interesting field in the process of identifying food items. In this paper, a technique has been presented for classifying the food image using the You Only Look Once (YOLO) algorithm. Unlike the conventional artificial neural networks, the YOLO algorithm has more efficiency, and it has been trained on a loss function that corresponds straight to detection, and the complete model is trained with 6000 epochs. Due to the high variance in the alike domain of food images, food classification becomes a difficult task but it has a significant role in lives at the present time as it can be utilized by numerous sources. In this paper, a comparison of the working of the YOLO algorithm with other techniques that are used in image processing such as ResNet-50, VGG-16, ImageNet, and Inception has been elaborated. In this work, the famous dataset from Kaggle is used for implementation purposes. The dataset consists of 4000 Indian Food Image 80 different categories or classes. The proposed model is giving 99% accuracy for classifying the food. -
Applying Machine Learning Algorithms on Urban Heat Island (UHI) Dataset
Mujtaba Shafi, Amit Jain, Majid ZamanDieses Kapitel befasst sich mit der Anwendung maschineller Lernalgorithmen zur Modellierung urbaner Wärmeinseln (UHI) unter Verwendung von Landoberflächentemperatur (LST) und Landnutzungs- / Landdeckungsdatensätzen (LULC). Zunächst wird die Bedeutung von UHI im Kontext der globalen Erwärmung und der raschen Urbanisierung hervorgehoben. Die Studie konzentriert sich auf die indische Stadt Srinagar und nutzt Satellitenbilddaten von MODIS, um LST- und LULC-Informationen zu extrahieren. Verschiedene überwachte maschinelle Lernalgorithmen wie Decision Tree, Naive Bayes, Support Vector Machine, Random Forest, Gradient Boost Tree und Probabilistic Neural Networks werden auf den Datensatz angewendet. Die Leistung dieser Algorithmen wird akribisch verglichen, was zeigt, dass Random Forest, Gradient Boost Tree und Probabilistic Neural Networks vielversprechende Ergebnisse zeigen. Das Kapitel diskutiert auch die Herausforderungen und Grenzen des aktuellen Datensatzes, wie Klassenungleichgewichte und ungenaue Abgrenzung von Feuchtgebieten. Er schließt mit Vorschlägen für zukünftige Forschungsrichtungen, einschließlich der Einbeziehung zusätzlicher Parameter und des Einsatzes von Korrelations- und Regressionsanalysen, um ein robustes UHI-Rahmenwerk zu schaffen.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractClimate change worldwide is a huge challenge, and urban heat island (UHI) is being explored as one of the contributors to this challenge. UHI is an urban or rural area with a temperature variance than its neighbouring areas. Researchers can model the UHI data and predict the temperature change using various relative parameters of UHI. The land surface temperature (LST) data and its co-related parameter of the study area, i.e. Srinagar City, JK, India, has been extracted from satellite imageries. LST data of the study area is assessed to understand the evolution to help analyse the UHI effect and its variance. The LST data was extracted through MODIS Satellite, from 2001 to 2020, with an 8-day revisit time/peak month of the season. In having a voluminous dataset, i.e. 16 sampled LST data/each km2/year measured in Kelvin(k), various machine learning algorithms were applied on LST data to establish relations for UHI modelling. Unsupervised machine learning algorithms were used on continuous LST data to define clusters and further standardized/compared with existing scientific classifications of the study area. The number of clusters was tweaked to determine the best-case scenario. Additionally, correlation and regression were applied to determine if there is multicollinearity amongst the LST data. The outcome of two analyses was used to build a UHI framework on a structured UHI dataset. Performance of algorithms in predicting UHI parameters like urban, vegetation and wetlands zones varied considerably. Naive Bayes and support vector machine did considerably well in predicting wetlands but failed to perform impressive accuracy for urban and vegetation zones. Random forest, gradient boost tree and probabilistic neural networks failed in predicting wetlands. Neural networks have performed worst in predicting wetlands, having a prediction accuracy of around meagre 5%, while the decision tree algorithm has performed well in all three zones. -
A Novel DDOS Attack Detection and Prevention Using DSA-DPI Method
V. Deeban Chakravarthy, K L. N. C. Prakash, Kadiyala Ramana, Thippa Reddy GadekalluDieses Kapitel vertieft die komplizierten Mechanismen von DDoS-Angriffen und kategorisiert sie in Volumen-, Protokoll- und Anwendungsschichtangriffe. Es führt eine neuartige DSA-DPI-Methode zur Erkennung und Verhinderung solcher Angriffe ein, die tiefe Paketprüfungen und softwaredefinierte Vernetzung nutzt. Das Kapitel untersucht auch die Herausforderungen und bestehenden Lösungen in diesem Bereich und unterstreicht die Bedeutung frühzeitiger Vorhersage und Abschwächung. Darüber hinaus bietet es Einblicke in das Systemdesign und die Implementierung der vorgeschlagenen Methode und zeigt ihre Wirksamkeit anhand simulierter Ergebnisse auf. Das Kapitel schließt mit der Betonung der Bedeutung von Cloud-Computing-Diensten für die Verbesserung der Erkennung und Prävention von DDoS-Angriffen und ebnet damit den Weg für zukünftige Vorhersagemodelle.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractIn the current Internet world, connection of computers, IoT devices, and mobile devices together becomes common activity. Because of the enormous advantages available with the Internet, many applications are connected to it even without the proper authentication from the user end. The same activity happens at the public network also enable the user device get hacked by the third-party attack holders. Distributed denial of service (DDoS) attacks act as the one of the common malfunctions happen in the systems. Detection of such attack and defending mechanism against it is much more important. Software defines networks have the facility to configure the network platforms with the preventive measures from the DDoS attacks. It is mandatory to design a preventive system for DDoS attacks and developing an analysis module to test the pattern of activity happens during the attack is important. The proposed system is focused on implementing such module that detects and prevents the DDoS attacks over the Internet. DDoS is the type of attack that overloads the firewall by unwanted malware scripts. The system provides the robust preventing mechanism called digital signature algorithm (DSA) collaborated with deep packet inspection (DPI), together called as DSA-DPI model to prevent the DDoS attacks. Our proposed design provides preventive alters on infrastructure before the malware attack get happens. -
Dynamic Decentralized Group Signature Scheme for Privacy Protection in Blockchain
S. Devidas, N. Rukma Rekha, Y. V. Subba RaoDas Kapitel "Dynamic Dezentralized Group Signature Scheme for Privacy Protection in Blockchain" geht dem entscheidenden Thema der Identitätsdatensicherheit bei Blockchain-Transaktionen nach. Zunächst untersucht der Text die Entwicklung der Blockchain-Technologie und hebt ihre Merkmale wie Dezentralisierung, Unveränderlichkeit und Transparenz hervor. Anschließend werden bestehende Techniken zur Erhaltung der Privatsphäre diskutiert, darunter das Mischen von Münzen und Zerocoin-Programme, die hinsichtlich Zentralisierung und Effizienz Beschränkungen aufweisen. Der zentrale Beitrag des Kapitels ist die Einführung eines dynamischen dezentralen Gruppensignaturschemas, das diese Einschränkungen berücksichtigt. Dieses System ermöglicht die Hinzufügung und den Widerruf von Gruppenmitgliedern zu jeder Zeit und bietet so mehr Privatsphäre und Sicherheit. Das vorgeschlagene Schema ist effizienter konzipiert als bisherige statische dezentrale Gruppensignaturprogramme, wodurch es sich für speicherbeschränkte Umgebungen und leichte Blockchains eignet. Das Kapitel enthält auch eine umfassende Sicherheitsanalyse, die zeigt, dass das vorgeschlagene System grundlegende Sicherheitsmerkmale wie Unforgeability, Anonymität, Unlinkbarkeit und Rückverfolgbarkeit erfüllt. Zusätzlich bietet es eine Leistungsbewertung an, die zeigt, dass das vorgeschlagene System bestehende statische Systeme hinsichtlich der Recheneffizienz übertrifft. Das Kapitel schließt mit der Betonung des Potenzials des vorgeschlagenen Schemas für erlaubte Blockchain-basierte Anwendungen und skizziert zukünftige Arbeiten für seine Anpassung an öffentliche Blockchains.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractGroup signature schemes can play a key role in privacy protection of blockchain-based applications because of its security properties like unforgeability, anonymity, unlinkability, traceability, etc. But the malicious group manager may collude with some group members leading to biased decisions. This issue was addressed by Devidas et al. [12] with a static decentralized group signature scheme(DGSS) by decentralizing the group manager. However, the limitation of DGSS is that it works only for static domains, where group members are fixed and will not allow new members to join and existing members to leave the network. In this paper, DGSS is extended to propose a dynamic decentralized group signature scheme which allows the group members to join and revoke at run-time. The performance of Devidas et al. [12] scheme is also improved by reducing the number of multiplications to make it suitable for user identity privacy protection in lightweight blockchains or memory constraint devices. The security analysis and proof of correctness for the proposed scheme are also discussed in this paper. -
An Adaptive Scheme for Detection of Attack in Energy-Aware Dual-Path Geographic Routing (EDGR)
M. Sridhar, P. B. PankajavalliDas Kapitel geht den Herausforderungen nach, vor denen das Energy-Aware Dual-Path Geographic Routing (EDGR) -Protokoll in drahtlosen Sensornetzwerken steht, insbesondere Wurmloch- und Blackhole-Attacken. Es führt ein adaptives Schema ein, das die Datenübertragung verbessert, indem es diese Angriffe erkennt und repariert und damit die Gesamtleistung des Netzwerks verbessert. Die vorgeschlagene Methode beinhaltet die Auswahl eines synchronisierenden Sensorknotens, um zwischengeschaltete Knotenausfälle zu verifizieren, Benutzer zu autorisieren und Angriffe zu erkennen. Dieser Ansatz vereinfacht bestehende komplexe Systeme und erreicht den kürzesten Weg für eine effektive Übertragung. Das Kapitel enthält auch eine umfassende Simulationsanalyse, die die überlegene Leistung des adaptiven lokalen Reparatursystems in Bezug auf Lieferverzögerung, Paketabwurfquote und Paketzustellrate im Vergleich zu bestehenden Techniken demonstriert. Die Forschung schließt mit der Hervorhebung des Potenzials zukünftiger Verbesserungen, wie etwa der Anpassung des Protokolls für dichte Knoten und der Verbesserung von Mobilitätsstrategien.KI-Generiert
Diese Zusammenfassung des Fachinhalts wurde mit Hilfe von KI generiert.
AbstractThe geographic routing (GR) is one of the wireless sensor network (WSN) routing protocol. During routing, it is susceptible to diversified attacks, namely wormhole and blackhole attacks, which are very hard to identify and defend. In the context of wormhole, intruder overhears the information passed over the transmission area, and in the scenario of blackhole attack, information can be reprogrammed to block exchange of information. If any data transmit through attacked section that makes failure of transmission with huge delay in delivery and drop in packet. To identify the attack and mitigate, an adaptive scheme is initiated into the network, and it enriches the process of data transmission. In this research, attacked area is investigated by the adaptive approach using energy-aware dual-path geographic routing (EDGR) protocol. The performance of the network recovery approaches investigated by simulation, and it is identified that the proposed scheme shows promising performance by attaining high minimal delay and packet drop. -
Backmatter
- Titel
- International Conference on Innovative Computing and Communications
- Herausgegeben von
-
Deepak Gupta
Ashish Khanna
Aboul Ella Hassanien
Sameer Anand
Ajay Jaiswal
- Copyright-Jahr
- 2023
- Verlag
- Springer Nature Singapore
- Electronic ISBN
- 978-981-19-3679-1
- Print ISBN
- 978-981-19-3678-4
- DOI
- https://doi.org/10.1007/978-981-19-3679-1
Informationen zur Barrierefreiheit für dieses Buch folgen in Kürze. Wir arbeiten daran, sie so schnell wie möglich verfügbar zu machen. Vielen Dank für Ihre Geduld.