XOR-Embedded Random Linear Network Coding

Q: 이 논문에서 정의한 XORE-NC란 무엇인가?

XORE-NC는 데이터 기밀성을 강화하기 위해 제안된 혁신적인 네트워크 코딩 기법이다. 이는 체계적인 XOR 네트워크 코딩을 통해 패킷을 두 세대로 나누어 임베딩된 외부 코드를 형성하고, 여기에 RLNC(Random Linear Network Coding)를 적용하는 2단계 인코딩 과정을 거친다. 이 방식은 기존 RLNC 대비 향상된 신뢰성, 낮은 인코딩 지연 및 처리량을 제공한다.

Q: XORE-NC가 기존 RLNC보다 데이터 기밀성을 어떻게 강화하는가?

연구 결과, XORE-NC는 임베딩 키 메커니즘과 RLNC의 결합을 통해 데이터 기밀성을 강화한다. 임베딩 키는 XOR 임베딩 과정에서 패킷 간의 복잡한 상호 의존성을 생성하여 무단 접근을 어렵게 하며, RLNC는 유한 필드에서 무작위 계수를 사용하여 패킷의 선형 조합을 만들어 해독 난이도를 높인다. 이 두 가지 계층은 도청자가 원본 데이터를 해독하는 것을 더욱 어렵게 만든다.

Patrick Enenchew; Dongho You

doi:10.7840/kics.2024.49.5.684

학술저널

저자정보: Patrick Enenchew (Hannam University) Dongho You (Hannam University)

저널정보: 한국통신학회 한국통신학회논문지 한국통신학회논문지 제49권 제5호

오류 신고하기

피인용 0

검색

초록·키워드

Data confidentiality is a critical concern in modern communication systems. This paper introduces XOR-Embedded Network Coding (XORE-NC), a novel approach to enhance data security in network coding. XORE-NC combines an embedding key mechanism with Random Linear Network Coding (RLNC) to fortify data protection against eavesdroppers. The results indicate improved reliability, reduced encoding delay, and lower latency and throughput compared to traditional RLNC, making it an attractive solution for data confidentiality. However, challenges in decoding delay remain to be addressed. XORE-NC represents a promising avenue for bolstering data security while maintaining efficient data transmission in communication systems.

#data confidentiality #network coding #reliability #encoding delay #decoding delay #and overall latency

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록·키워드

참고문헌

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

본문·목차

DBpia Pick! 추천 자료

함께 본 자료

저자 정보

최근 본 자료 전체보기

피인용 자료 DBpia에 구축된 참고문헌을기준으로 집계되어, 타 사이트의피인용 수와 다를 수 있습니다.

댓글(0)

피인용 자료