Linked Closed Data Using PKI: A Case Study on Publishing and Consuming data in a Forensic Process
Notice bibliographique
Résumé
The main aim of the Linked Open Data (LOD) project is to publish data publicly without access restriction in order to be consumed upon Unified Resource Identifier (URI) resolution. The latter provides more description about the resources being represented through the resolvability and discoverability of more others resources. Sometimes, data/resources need to undergo an access restriction to be consumed only on a small scale for keeping its confidentiality. However, while the power of the LOD resides in the resolvability of more URIs related to the resources in hand, a curious question imposes itself: how can we achieve a compromise between URI resolvability and access restriction? This paper discusses how the represented data cam be secured. It illustrates how the Public Key Infrastructure (PKI) can be applied to restrict the access to confidential resources of represented data being published using the Linked Data Principles (LDP), while maintaining the resolvability of such restricted resources. This brings out a new era of research related to the counter part of LOD, a research topic called the Linked Closed Data (LCD). A good example to elaborate this compromise question is a case study retrieved from the Cyber Forensics (CF) field where the tangible Chain of Custody (CoC) is represented using the LDP to exploit the resolvability feature of such principles on different resources of the Electronic-CoC (e-CoC). The latter should also obey an access restriction in order to be shared only between role players who published the data and juries who are going to consume it.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,017 | 0,011 |
| Communication savante | 0,013 | 0,016 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,012 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».