ارزیابی هوش ازدحامی در هرج و مرج ITS با استفاده از حمله جعل هویت یادگیری تقویتی

برای اینکه به توان مسیریابی بهینه را شناسایی کرد بهترین روش، ناگذاری داده ها می باشد که خود باعث هویت بخشی به گره ها بوده و میزان تأخیر نقطه به نقطه و سقوط دسته را مشخص می نماید. دراین مقاله می کوشیم با بررسی پروتکل های مسیریابی داده کاوی طبقه بندی و قدم زدن تصادفی و مرور سناریوهای فریب در سامانه های هدایت هرج و مرج شبکه هوشمند حمل و نقل، به پیش بینی سنسورها در مقیاس چند حالته دست می یابیم. چارچوب الگوریتم تقویتی DBSCAN ارائه شده که ترکیبی از تکنیک تشخیص ازدحام و راه حلی برای رفع تأخیر بوده، موجب خوشه بندی چاهک متحرک گردیده و اطلاعاتگره حسگر را از سرخوشه دریافت می نماید که منجربه انتخاب مسیر کارآمد برای بهینه سازی مصرف انرژی می گردد و اما در شبکه های مبتنی بر SDN که باتوجه به ویژگی منحصر به فرد مدیریت متمرکز و همچنین جانمودن دو بخش داده ای و کنترل در شبکه IOT باعث شناسایی و رسیدگی به نوعی از چالش بی نظمی که با استفاده از الگوریتم Q و نیز حملات ترکیبی از جمله جعل هوشمند هویت و انکار سرویس باعث ارزیابی ازدحام شده و در نتیجه شاهد افزایش طول عمر شبکه خواهیم بود.

کلیدواژه ها:

طول عمر شبکه ITS ، سهمیه یادگیری