Key points are not available for this paper at this time.
تعتبر شبكات المستشعرات الصوتية تحت الماء (UASNs) ضرورية للتطبيقات مثل مراقبة البيئة البحرية، وتوقع الكوارث، وأمن الدفاع الوطني. نظرًا للتعرض الطويل لعقد المستشعرات تحت الماء في بيئات غير مراقبة وربما معادية، تواجه تطبيقات UASNs العديد من التهديدات الأمنية. تعتبر نماذج الثقة وسيلة مهمة لاكتشاف العقد الشاذة في UASNs وضمان الأمان. ومع ذلك، عندما تواجه بيئات تحت الماء المعقدة، فإن تقييم الثقة عرضة للتعطيل، وتفتقر نماذج الثقة الحالية إلى آلية مرنة لتحديث الثقة. وبالتالي، تقدم هذه الدراسة نموذج تقييم ثقة ديناميكي (DRFTM) لشبكات المستشعرات الصوتية تحت الماء يدمج التعلم العميق المعزز وخوارزمية الغابات العشوائية. أولاً، يأخذ DRFTM بعين الاعتبار بشكل شامل مؤشرات تشمل التواصل، والبيانات، والطاقة، والبيئة لتوفير أدلة موثوقة للثقة للتقييم التالي؛ ثانيًا، في ظل ظروف حركة العقد والتحديث الديناميكي لطوبولوجيا الشبكة، نقترح نموذجًا تنبؤيًا لتقييم حالة الثقة لعقد المستشعرات بناءً على تدريب الغابات العشوائية؛ أخيرًا، تعتبر الاستفادة من التعلم العميق المعزز أساسية في تحديد الاستراتيجية الأكثر فعالية لتحديث الثقة، مما يؤدي إلى تحسين دقة الكشف عن نموذج الثقة. تظهر نتائج المحاكاة فعالية DRFTM في اكتشاف العقد الضارة، وتقليل الإيجابيات الكاذبة، وتقييم الثقة بدقة، حيث تحقق دقة ملحوظة تصل إلى 99% في تحديد العقد الضارة.
درس وانغ وزملاؤه هذا السؤال (الأربعاء) .