Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Network Function of a Circuit01:25

Network Function of a Circuit

373
Frequency response analysis in electrical circuits provides vital insights into a circuit's behavior as the frequency of the input signal changes. The transfer function, a mathematical tool, is instrumental in understanding this behavior. It defines the relationship between phasor output and input and comes in four types: voltage gain, current gain, transfer impedance, and transfer admittance. The critical components of the transfer function are the poles and zeros.
373
Clamper Circuit01:14

Clamper Circuit

566
A clamper circuit, also known as a DC restorer, represents a specialized variant of the rectifier circuit, notable for its method of taking the output across the diode rather than the capacitor. This configuration lends to several distinctive applications, particularly in handling square wave inputs.
Within this circuit, the diode's orientation prompts the capacitor to charge up to the level of the most negative peak of the input signal. Upon reaching this state, the diode ceases to...
566
Stream Function01:20

Stream Function

1.6K
In two-dimensional incompressible fluid flow, the continuity equation is essential for ensuring mass conservation, meaning that any change in fluid entering or exiting a region is balanced by a corresponding change elsewhere. For incompressible flow, where density remains constant, this requirement simplifies to the condition that the divergence of the velocity field must be zero. Mathematically, this is expressed as,
1.6K
Basic Discrete Time Signals01:16

Basic Discrete Time Signals

301
The unit step sequence is defined as 1 for zero and positive values of the integer n. This sequence can be graphically displayed using a set of eight sample points, showing a step function starting from n=0 and remaining constant thereafter.
The unit impulse or sample sequence is mathematically expressed as zero for all n values except at n=0, where it is one. The unit impulse sequence, denoted by δ(n), is the first difference of the unit step sequence, while the unit step sequence u(n) is...
301
Linear time-invariant Systems01:23

Linear time-invariant Systems

398
A system is linear if it displays the characteristics of homogeneity and additivity, together termed the superposition property. This principle is fundamental in all linear systems. Linear time-invariant (LTI) systems include systems with linear elements and constant parameters.
The input-output behavior of an LTI system can be fully defined by its response to an impulsive excitation at its input. Once this impulse response is known, the system's reaction to any other input can be...
398
Even and Odd Signals01:17

Even and Odd Signals

1.3K
An even signal, whether in continuous-time or discrete-time, is defined by its symmetry with its time-reversed version. Mathematically, this is represented as
1.3K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Clinical predictive fusion network for accurate disease prediction in patient cohorts.

Scientific reports·2025
Same author

An ensemble deep learning framework for energy demand forecasting using genetic algorithm-based feature selection.

PloS one·2025
Same author

A trustworthy hybrid model for transparent software defect prediction: SPAM-XAI.

PloS one·2024
Ver todos los artículos relacionados

Video Experimental Relacionado

Updated: Sep 9, 2025

Quasi-light Storage for Optical Data Packets
07:45

Quasi-light Storage for Optical Data Packets

Published on: February 6, 2014

11.0K

LWLCM: un nuevo cifrador de flujo ligero que utiliza la función de caos logístico y el multiplexador para las

Shahnwaz Afzal1, Mohammad Ubaidullah Bokhari1, Mahfooz Alam2

  • 1Department of Computer Science, Aligarh Muslim University, Aligarh, India.

PloS one
|September 4, 2025
PubMed
Resumen

Desarrollamos un nuevo cifrado de flujo ligero para la seguridad de Internet de las Cosas (IoT). Este nuevo método criptográfico mejora la protección de datos y el rendimiento de los dispositivos conectados.

Más Videos Relacionados

Characterization of Anisotropic Leaky Mode Modulators for Holovideo
09:36

Characterization of Anisotropic Leaky Mode Modulators for Holovideo

Published on: March 19, 2016

8.0K
Data Communication Based on MQTT in a Polymer Extrusion Process
08:15

Data Communication Based on MQTT in a Polymer Extrusion Process

Published on: July 15, 2022

3.5K

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Quasi-light Storage for Optical Data Packets
07:45

Quasi-light Storage for Optical Data Packets

Published on: February 6, 2014

11.0K
Characterization of Anisotropic Leaky Mode Modulators for Holovideo
09:36

Characterization of Anisotropic Leaky Mode Modulators for Holovideo

Published on: March 19, 2016

8.0K
Data Communication Based on MQTT in a Polymer Extrusion Process
08:15

Data Communication Based on MQTT in a Polymer Extrusion Process

Published on: July 15, 2022

3.5K

Área de la Ciencia:

  • Ciberseguridad
  • Criptografía
  • Internet de las cosas (IoT)

Sus antecedentes:

  • El Internet de las Cosas (IoT) presenta importantes desafíos de seguridad debido a los dispositivos interconectados y las vulnerabilidades de transmisión de datos.
  • Equilibrar una seguridad robusta con métricas de rendimiento como la eficiencia energética y el rendimiento es fundamental para las aplicaciones de IoT.

Objetivo del estudio:

  • Introducir un nuevo cifrado de flujo ligero diseñado específicamente para abordar los desafíos de seguridad y rendimiento en entornos de IoT.
  • Mejorar la seguridad de las comunicaciones IoT contra amenazas como fugas de datos y acceso no autorizado.

Principales métodos:

  • Una nueva arquitectura de cifrado de flujo ligero que incorpora un módulo redondo logístico para salidas caóticas, LFSR / NLFSR para expansión de claves y multiplectores para confusión / difusión.
  • Se realizaron estudios de ablación para evaluar el impacto de los componentes individuales en las métricas de seguridad y rendimiento.
  • El rendimiento se comparó con algoritmos existentes como Grain-128 y RSA-1024, y la aleatoriedad estadística se evaluó utilizando pruebas NIST.

Principales resultados:

  • El cifrado propuesto demuestra un rendimiento superior en tiempo de cifrado / descifrado, rendimiento y eficiencia energética en comparación con Grain-128 y RSA-1024.
  • El diseño criptográfico logró una entropía promedio de Shannon de 7.9996 y pasó las 15 pruebas de aleatoriedad estadística del NIST.
  • Los estudios de ablación confirmaron que cada componente contribuye significativamente a la seguridad y el rendimiento general del cifrado.

Conclusiones:

  • El nuevo cifrador de flujo ligero ofrece una solución efectiva para proteger los datos en entornos de IoT con recursos limitados.
  • La arquitectura proporciona una seguridad criptográfica robusta, equilibrando el alto rendimiento con una fuerte protección contra ataques criptoanalíticos.
  • El método propuesto es una opción viable para mejorar la postura de seguridad de la Internet de las Cosas.