A Fractional Cyber–Biological Model for Energy-Aware Trust-Based Mobile-Agent Wireless Sensor Networks: Secure Plant-Disease Surveillance

तकनीकी सारांश: ऊर्जा-जागरूक विश्वास-आधारित मोबाइल-एजेंट वायरलेस सेंसर नेटवर्क के लिए एक भिन्नात्मक साइबर-जैविक मॉडल (A Fractional Cyber–Biological Model)

समस्या विवरण
कम-शक्ति वाले वायरलेस सेंसर नेटवर्क (WSNs) तेजी से जैविक निर्णय प्रणालियों, जैसे कि पादप-रोग निगरानी, के लिए मापन परत के रूप में कार्य कर रहे हैं। एक महत्वपूर्ण भेद्यता (vulnerability) यह है कि संचार-सुरक्षा विफलताएं न केवल नेटवर्क प्रदर्शन को कम करती हैं, बल्कि डाउनस्ट्रीम में जैविक निष्कर्षों को विकृत करने के लिए भी प्रसारित होती हैं। विशेष रूप से, चयनात्मक फॉरवर्डिंग (selective forwarding) या ऑन-ऑफ हमलों (on–off attacks) करने वाले समझौता किए गए नोड्स सूक्ष्म जलवायु डेटा (जैसे, पत्ती की गीलापन, आर्द्रता) को गलत तरीके से प्रस्तुत कर सकते हैं, जिससे रोग-जोखिम के त्रुटिपूर्ण अनुमान लग सकते हैं। मौजूदा विश्वास तंत्र अक्सर नोड व्यवहार को स्मृतिहीन (memoryless) मानते हैं या स्वतंत्र ऊर्जा और विश्वास रैंकिंग पर भरोसा करते हैं, जो सीमित हमले साक्ष्य के तहत अवशिष्ट ऊर्जा (residual energy), विश्वास क्षरण (trust degradation), और समझौता संभावना (compromise probability) के बीच जटिल अस्थायी अंतर्संबंधों को पकड़ने में विफल रहते हैं। इसके अलावा, नेटवर्क सुरक्षा अवस्थाओं को जैविक निर्णय लेने के साथ युग्मित एक गतिशील प्रणाली के रूप में मॉडल करना अभी भी काफी हद तक अनमॉडल (unmodeled) है।

कार्यप्रणाली (Methodology)
लेखक एक युग्मित दो-परत ढांचे का प्रस्ताव करते हैं: एक साइबर परत (Cyber Layer) और एक जैविक परत (Biological Layer), जो एक मोबाइल-एजेंट रूटिंग निर्णय और सुरक्षित सेंसर फ्यूजन द्वारा जुड़े हुए हैं।

1. भिन्नात्मक साइबर मॉडल (Fractional Cyber Model):
   साइबर परत का मूल एक तीन-अवस्था वाला कैपुटो भिन्नात्मक अवकल प्रणाली (Caputo fractional differential system) है जो सामान्यीकृत अवशिष्ट ऊर्जा ($E$), विश्वास ($T$), और समझौता संभावना ($C$) को एक हमले के संकेत $A(t)$ के तहत मॉडल करता है। यह प्रणाली इस प्रकार परिभाषित है:

• $D^\alpha_t E = -E(\epsilon_0 + \epsilon_1\rho + \epsilon_2C + \epsilon_3A(t))$
• $D^\alpha_t T = \lambda(1-T) - \mu CT - \xi A(t)T$
• $D^\alpha_t C = \kappa A(t)(1-C) - \delta TC$
  यहाँ, $0 < \alpha \leq 1$ भिन्नात्मक क्रम (fractional order) को दर्शाता है, जो पिछले अवस्थाओं के पावर-लॉ भारित स्मृति (power-law weighted memory) को पेश करता है। मॉडल सीमित चयनात्मक-फॉरवर्डिंग या ऑन-ऑफ हमलों को मानता है।

2. गणितीय विश्लेषण (Mathematical Analysis):
   यह शोध पत्र प्रणाली की सुव्यवस्थितता (well-posedness) को स्थापित करता है, जो समाधानों के परिमित-क्षित अस्तित्व और विशिष्टता को सिद्ध करता है। यह प्रदर्शित करता है कि भौतिक अवस्था स्थान $\Omega = [0, 1]^3$ धनात्मक रूप से अपरिवर्तनीय (positively invariant) है। महत्वपूर्ण रूप से, लेखक निरंतर हमले की तीव्रता के तहत विश्वास-समझौता उप-प्रणाली के संतुलन का विश्लेषण करते हैं, यह सिद्ध करते हुए कि एक अद्वितीय स्वीकार्य संतुलन मौजूद है जो भिन्नात्मक क्रम $\alpha$ से स्वतंत्र है। मैटिगोन सेक्टर स्थिति (Matignon sector condition) के माध्यम से सभी $0 < \alpha \leq 1$ के लिए स्थानीय स्पर्शोन्मुखी स्थिरता (local asymptotic stability) की पुष्टि की गई है।

3. मोबाइल-एजेंट निर्णय नियम (Mobile-Agent Decision Rule):
   एक ऊर्जा-जागरूक उपयोगिता फलन $U(t) = w_E E(t) + w_T T(t) - w_C C(t)$ को मोबाइल-एजेंट यात्राओं (itineraries) के लिए नोड पात्रता निर्धारित करने हेतु परिभाषित किया गया है। अस्वीकार्य सुरक्षा अवस्थाओं वाले उच्च-ऊर्जा नोड्स को चुनने से रोकने के लिए 'हार्ड गार्ड्स' लागू किए गए हैं।

4. जैविक एकीकरण (Biological Integration):
   नेटवर्क मॉडल को एक पादप-रोग जैव-निगरानी मॉड्यूल के साथ जोड़ा गया है। सूक्ष्म जलवायु चर (सापेक्ष आर्द्रता, पत्ती की गीलापन, तापीय उपयुक्तता) को एक उपयुक्तता सूचकांक (suitability index) में संलयित (fuse) किया जाता है। मानक औसत के विपरीत, संलयन भार (fusion weights) सेंसर नोड्स की साइबर विश्वसनीयता अवस्थाओं ($E, T, C$) के आधार पर गतिशील रूप से उत्पन्न होते हैं। यह संलयित सिग्नल एक सीमित रोग-दबाव विभेदक समीकरण (bounded disease-pressure differential equation) को संचालित करता है।

5. संख्यात्मक कार्यान्वयन (Numerical Implementation):
   सिमुलेशन एक भिन्नात्मक एडम्स-बाशफोर्थ-मुलटन प्रेडिक्टर-करैक्टर स्कीम (fractional Adams–Bashforth–Moulton predictor–corrector scheme) का उपयोग करते हैं। प्रयोग एक कृत्रिम पांच-नोड ग्रीनहाउस परिदृश्य में निरंतर और ऑन-ऑफ हमलों के प्रति पूर्णांक-क्रम ($\alpha=1$) और भिन्नात्मक-क्रम ($\alpha \in \{0.95, 0.85, 0.75\}$) प्रतिक्रियाओं की तुलना करते हैं।

प्रमुख योगदान (Key Contributions)

• युग्मित भिन्नात्मक अवस्था मॉडल: एक एकीकृत गतिशील प्रणाली का परिचय जहाँ ऊर्जा, विश्वास और समझौता संभावना भिन्नात्मक कलन (fractional calculus) के तहत एक साथ विकसित होती है, न कि उन्हें स्वतंत्र रूप से अनुमानित किया जाता है।
• स्मृति का विश्लेषणात्मक लक्षण वर्णन: यह सिद्ध करना कि जबकि भिन्नात्मक क्रम $\alpha$ संतुलन तक पहुँचने के क्षणिक व्यवहार (transient approach to equilibrium) को बदल देता है (स्मृति गहराई और गति), यह निरंतर हमलों के तहत स्थिर-हमला संतुलन बिंदु को नहीं बदलता है। यह भिन्नात्मक मॉडलों को केवल वक्र-फिटिंग उपकरणों के बजाय स्मृति-पैमाने के तंत्र के रूप में अलग करता है।
• सुरक्षित सेंसर फ्यूजन तंत्र: एक विश्वास-जागरूक फ्यूजन नियम का विकास जहाँ साइबर विश्वसनीयता अवस्थाएँ सीधे जैविक सेंसर डेटा के भार को नियंत्रित करती हैं, जो साइबर समझौते के जैविक जोखिम अनुमान में प्रसार को मात्रात्मक रूप से दर्शाता है।
• पुनरुत्पादक कृत्रमिक बेंचमार्क: भविष्य के अनुसंधान के लिए एक पूर्ण कृत्रिम प्रायोगिक सेटअप प्रदान करना, जिसमें पैरामीटर सेट, हमला प्रोफाइल और एक पैकेट-टू-स्टेट मैपिंग शामिल है, ताकि पहचान की गति और स्मृति प्रतिधारण (memory retention) के बीच के ट्रेड-ऑफ का मूल्यांकन किया जा सके।

परिणाम (Results)

• क्षणिक गतिकी (Transient Dynamics): ऑन-ऑफ हमले के परिदृश्यों में, निम्न भिन्नात्मक क्रम ($\alpha < 1$) पूर्णांक-क्रम मॉडल की तुलना में विश्वास पतन (trust collapse) की तात्कालिक गहराई और समझौता संभावना के स्पाइक्स को कम (attenuate) करते हैं। हालाँकि, इसकी कीमत हमला समाप्त होने के बाद धीमी रिकवरी के रूप में चुकानी पड़ती है।
• रूटिंग निर्णय: पांच-नोड रूटिंग केस स्टडी में, भिन्नात्मक मॉडल ($\alpha=0.85$) ने पूर्णांक मॉडल की तुलना में एक एकीकरण चरण (integration step) तक समझौता किए गए नोड को बाहर करने में देरी की, जो "स्मृति की कीमत" (price of memory) को एक सीमित पहचान विलंब के रूप में दर्शाता है।
• जैविक प्रभाव: कृत्रमिक ग्रीनहाउस स्ट्रेस टेस्ट में, जहाँ एक समझौता किए गए नोड ने गलत सूक्ष्म जलवायु डेटा इंजेक्ट किया:
  • विश्वास-जागरूक फ्यूजन ने हमले की अवधि के दौरान पर्यावरणीय उपयुक्तता अनुमान के वर्ग माध्य मूल त्रुटि (RMSE) को 0.07162 (मानक औसत) से घटाकर 0.02818 (60.7% की कमी) कर दिया।
  • डाउनस्ट्रीम रोग-दबाव अवस्था का RMSE 0.02059 से घटकर 0.00645 (68.7% की कमी) हो गया।
  • हमले के बाद, विश्वास-जागरूक फ्यूजन ने हिस्टेरेसिस प्रभाव (hysteresis effect) के कारण काफी कम त्रुटि (0.00130 बनाम 0.01480) बनाए रखी।
• ट्रेड-ऑफ की पहचान: परिणाम एक वास्तविक सुरक्षा-जीव विज्ञान ट्रेड-ऑफ को उजागर करते हैं: जबकि भिन्नात्मक स्मृति क्षणिक शोर (transient noise) को कम करती है, यह एक पहले से विश्वसनीय समझौता किए गए नोड को हमला शुरू होने के बाद थोड़े समय के लिए अत्यधिक प्रभाव बनाए रखने का कारण बन सकती है, जिससे आवश्यक जैविक हस्तक्षेप में देरी हो सकती है।

महत्व और दावे (Significance and Claims)
यह शोध पत्र इसे एक तंत्र अध्ययन (mechanism study) के रूप में प्रस्तुत करता है, न कि फील्ड-वैलिडेशन या प्रदर्शन-अनुकूलन दावे के रूप में। इसका प्राथमिक महत्व निम्नलिखित में निहित है:

1. संतुलन को क्षणिक स्मृति से अलग करना: स्पष्ट रूप से प्रदर्शित करना कि भिंनात्मक कलन यह बदलता है कि कोई प्रणाली इतिहास के प्रति कैसे प्रतिक्रिया करती है (क्षणिक स्मृति), बिना निरंतर हमलों के तहत अंतिम स्थिर-अवस्था (steady-state) परिणाम को बदले।
2. साइबर-जैविक प्रसार को मात्रात्मक बनाना: एक गणितीय ढांचा प्रदान करना कि कैसे पैकेट-स्तरीय साक्ष्य जैविक निर्णय त्रुटियों में परिवर्तित होते हैं, यह दिखाते हुए कि विश्वास-जागरूक फ्यूजन इन त्रुटियों को काफी हद तक कम कर सकता है।
3. स्मृति की लागत को परिभाषित करना: यह तर्क देना कि भिमानात्मक मॉडलों को स्वाभाविक रूप से श्रेष्ठ नहीं माना जाना चाहिए; बल्कि, वे ऐतिहासिक साक्ष्य द्वारा प्रदान की गई स्थिरता और विसंगति का पता लगाने की गति के बीच संतुलन बनाने के लिए एक ट्यून करने योग्य पैरामीटर के रूप में कार्य करते हैं।
4. पुनरुत्पादकता: भविष्य के अनुसंधान के लिए एक पूर्णतः निर्दिष्ट कृत्रमिक बेंचमार्क प्रदान करना ताकि भिन्नात्मक साइबर-जैविक मॉडलों का आउट-ऑफ-सैंपल डेटा का उपयोग करके पूर्णांक-क्रम बेसलाइनों के विरुद्ध परीक्षण किया जा सके।

लेखक निष्कर्ष निकालते हैं कि हालांकि यह ढांचा पैकेट साक्ष्य, भिन्नात्मक स्मृति और जैविक जोखिम अनुमान को सफलतापूर्वक जोड़ता है, भविष्य के कार्यों के लिए भि적인 क्रम $\alpha$ का अनुमान लगाने और मॉडल को विशिष्ट फसल-रोग प्रणालियों के विरुद्ध मान्य करने के लिए वास्तविक क्षेत्र डेटा (पैकेट ट्रेस, बैटरी टेलीमेट्री और रोग परिणाम) के साथ संयुक्त अंशांकन (joint calibration) की आवश्यकता है।