MétaCan
Menu
Retour à la cohorte
Enregistrement W3010420535 · doi:10.1109/iscc50000.2020.9219736

Secure Identity Management Framework for Vehicular Ad-hoc Network using Blockchain

2020· article· en· W3010420535 sur OpenAlexaff
Sonia Alice George, Arunita Jaekel, Ikjot Saini

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicular Ad Hoc Networks (VANETs)
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésVehicular ad hoc networkComputer scienceComputer securitySingle point of failureWireless ad hoc networkAuthentication (law)Public key infrastructureAnonymityComputer networkBlockchainPublic-key cryptographyWirelessEncryptionTelecommunications

Résumé

récupéré en direct d'OpenAlex

Vehicular Ad Hoc Network (VANET) is a mobile network formed by vehicles, road side units, and other in-frastructures that enable communication between the nodes to improve road safety and traffic control. While this technology promises great benefits to drivers, there are many security and privacy concerns that must be addressed before it can be fully adopted. It is essential to ensure that vehicles participating in the network are authenticated and held accountable in case of misbehaviour. On the other hand, there should be adequate mechanisms for preserving the privacy of vehicles and drivers, so they are protected against unauthorized tracking and release of private information. Many current VANET technologies also depend on a central trusted authority that becomes a single point of failure for the network. In this paper, we propose a new blockchain based decentralized authentication approach for VANET. In this scheme vehicles maintain conditional anonymity in the network and their real identities can only be revealed to authorized entities. Using the blockchain technology, we create a distributed framework and maintain an immutable record of the data, strengthening the integrity of the system. We use the Hyperledger Fabric, a permissioned blockchain technology, to implement our approach and compare its performance to the traditional PKI based method for VANET authentication.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,545
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVehicular Ad Hoc Networks (VANETs)Travaux en français237 207