AQUILA AFRICAN VULTURE RÉSEAU DE CROYANCE PROFONDE FLOUE OPTIMISÉ POUR LA TRANSMISSION SÉCURISÉE DES DONNÉES DANS LES RÉSEAUX DE CAPTEURS SANS FIL
DOI :
https://doi.org/10.59277/RRST-EE.2025.2.16Mots-clés :
Aggregator, Aquilla optimizerRésumé
Un réseau de capteurs sans fil (WSN) comprend plusieurs nœuds de capteurs individuels (SN) capables de percevoir, d'analyser et d'interagir avec les données. Les contraintes énergétiques et la sécurité sont largement reconnues comme les deux problèmes les plus complexes des WSN. Pour surmonter ces inconvénients, un nouveau modèle de réseau de croyances floues profondes optimisé pour l'aquila africain (AAVO-FDBN) est présenté dans cet article. Le modèle AAVO choisit le nœud agrégateur le plus fiable en fonction de critères de sélection de nœuds idéaux. Après sélection du nœud agrégateur, les données de la tête de cluster (CH) sont chiffrées à l'aide de la nouvelle technique de chiffrement Crystal Kyber (CKE). Un chemin de routage optimal est établi à l'aide d'un réseau de croyances floues profondes (Fuzzy-DBN), qui prend en compte la durée de vie du réseau, le degré d'agrégation, la couverture agrégée et la distance entre l'agrégat et le puits. À l'aide du simulateur NS2, nous évaluons l'architecture proposée en fonction de paramètres tels que la durée de vie du réseau (NL), la consommation énergétique (EC), le taux de livraison des paquets (PDR) et le délai de bout en bout (E2ED). Selon les résultats expérimentaux, AAVO-FDBN surpasse SEPC, REDAA et SCDAP en termes de NL, avec des améliorations respectives de 22,80 %, 12,50 % et 17,65 %. L'approche AAVO-FDBN proposée est plus efficace et plus sûre pour les applications temps réel.
Références
(1) A. Sarkar, T. Senthil Murugan, Cluster head selection for energy efficient and delay-less routing in wireless sensor network, Wireless Networks, 25, pp. 303–320 (2019).
(2) B. Muthu Kumar, S. Ramamoorthi, S. Rajakumar, A. Ahilan, D2D self organization in IoT via triple modular redundancy based MDS code, IETE J. Res., pp. 1–13 (2024).
(3) G.C. Jagan, P. Jesu Jayarin, Wireless sensor network cluster head selection and short routing using energy efficient ElectroStatic discharge algorithm, Journal of Engineering, 2022, 1, 8429285 (2022).
(4) M. Ramya Devi, K.V. Sreelekha, R. Jayaraj, Jarrot butterfly optimized flamingo search algorithm for optimal routing in WSN, International Journal of Data Science and Artificial Intelligence, 02, 02, pp. 48–54 (2024).
(5) J. Sathiamoorthy Jeyaraman, M. Usha, P. Senthilraja, Selective forwarding attacks detection in wireless sensor networks using blue monkey optimized ghost network, International Journal of Data Science and Artificial Intelligence, 02, 03, pp. 74–80 (2024).
(6) T.A. Alghamdi, Energy efficient protocol in wireless sensor network: optimized cluster head selection model, Telecommunication Systems, 74, 3, pp. 331–345 (2020).
(7) E.D. Raj, An efficient cluster head selection algorithm for wireless sensor networks–edrleach, IOSR Journal of Computer Engineering (IOSRJCE) (2012).
(8) A. Karthikeyan, V.P. Arunachalam, S. Karthik, Attempting to model a fresh three dimensional coverage scheme for wireless sensor networks, Wireless Personal Communications (2020).
(9) J. John, P. Rodrigues, A survey of energy-aware cluster head selection techniques in wireless sensor networks, Evolutionary Intelligence, 15, 2, pp. 1109–1121 (2022).
(10) D.L. Reddy, C.G. Puttamadappa, H.N.G. Suresh, Hybrid optimization algorithm for security aware cluster head selection process to aid hierarchical routing in wireless sensor network, IET Communications, 15, 12, pp. 1561–1575 (2021).
(11) P.K. Batra, K. Kant, LEACH-MAC: a new cluster head selection algorithm for Wireless Sensor Networks, Wireless Networks, 22, pp. 49-60 (2016).
(12) A. Karthikeyan, P. Prakasam, S. Karthik, J. Ajayan, S. Sai Gokul, Automata theory-based energy-efficient area algorithm for an optimal solution in wireless sensor Networks, Wireless Personal Communications (2021).
(13) A. Al‐Baz, A. El‐Sayed, A new algorithm for cluster head selection in LEACH protocol for wireless sensor networks, International Journal of Communication Systems, 31, 1, e3407 (2018).
(14) K. Vijayalakshmi, P. Anandan, A multi-objective Tabu particle swarm optimization for effective cluster head selection in WSN, Cluster Computing, 22, pp. 12275–12282 (2019).
(15) V. Narayan, A.K. Daniel, A novel approach for cluster head selection using trust function in WSN, Scalable Computing: Practice and Experience, 22, 1, pp. 1–13 (2021).
(16) B. Singh, D.K. Lobiyal, A novel energy-aware cluster head selection based on particle swarm optimization for wireless sensor networks, Human-Centric Computing and Information Sciences, 2, pp. 1–18 (2012).
(17) P.S. Mehra, M.N. Doja, B. Alam, Fuzzy-based enhanced cluster head selection (FBECS) for WSN, Journal of King Saud University-Science, 32, 1, pp. 390–401 (2020).
(18) S. Chauhan, M. Singh, A.K. Aggarwal, Cluster head selection in heterogeneous wireless sensor network using a new evolutionary algorithm, Wireless Personal Communications, 119, pp. 585–616 (2021).
(19) A.A. Baradaran, K. Navi, HQCA-WSN: High-quality clustering algorithm and optimal cluster head selection using fuzzy logic in wireless sensor networks, Fuzzy Sets and Systems, 389, pp. 114–144 (2020).
(20) I. Rahman, A.M.S. Tekanyi, A.B.K. Ahmad, A review of cluster head selection schemes in wireless sensor networks for energy efficient routing protocol, Covenant Journal of Informatics and Communication Technology (2019).
(21) P.S. Rao, P.K. Jana, H. Banka, A particle swarm optimization-based energy efficient cluster head selection algorithm for wireless sensor networks, Wireless Networks, 23, pp. 2005–2020 (2017).
(22) M. Baskaran, C. Sadagopan, Synchronous firefly algorithm for cluster head selection in WSN, The Scientific World Journal, 2015, 1, 780879 (2015).
(23) Y.H. Robinson, R.S. Krishnan, K.L. Narayanan, A. Sangeetha, I. Sakthidevi, J.R.F. Raj, Secured energy proficient and clustering methodology for wireless sensor networks, International Conference on Sustainable Computing and Data Communication Systems (ICSCDS), pp. 1225–1229 (2022).
(24) M. Kingston Roberts, J. Thangavel, An improved optimal energy aware data availability approach for secure clustering and routing in wireless sensor networks, Transactions on Emerging Telecommunications Technologies, 34, 3, e4711 (2023).
(25) G. Lavanya, B.L. Velammal, K. Kulothungan, SCDAP–secured cluster-based data aggregation protocol for energy efficient communication in wireless sensor networks, Journal of Intelligent & Fuzzy Systems, 44, 3, pp. 4747–4757 (2023).
(26) K. Dinesh, S.V.N. Santhosh Kumar, Energy-efficient trust-aware secured neuro-fuzzy clustering with sparrow search optimization in wireless sensor network, International Journal of Information Security, 23, 1, pp. 199–223 (2024).
(27) V. Rajaram, V. Pandimurugan, S. Rajasoundaran, P. Rodrigues, S.S. Kumar, M. Selvi, V. Loganathan, Enriched energy optimized LEACH protocol for efficient data transmission in wireless sensor network, Wireless Networks, pp. 1–16 (2024).
(28) W. Osamy, A.M. Khedr, A.A. Elsawy, P.V. Pravija Raj, A. Aziz, SEACDSC: secure and energy-aware clustering based on discrete sand cat swarm optimization for IoT-enabled WSN applications, Wireless Networks, pp.1–20 (2024).
(29) A. Saravanaselvan, B. Paramasivan, FFBP neural network optimized with woodpecker mating algorithm for dynamic cluster-based secure routing in WSN, IETE Journal of Research, pp. 1–10 (2024)
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright REVUE ROUMAINE DES SCIENCES TECHNIQUES — SÉRIE ÉLECTROTECHNIQUE ET ÉNERGÉTIQUE 2025
Ce travail est disponible sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.
