MétaCan
Menu
Retour à la cohorte
Enregistrement W3026492255 · doi:10.1109/icii.2019.00049

A Hybrid RSA Algorithm in Support of IoT Greenhouse Applications

2019· article· en· W3026492255 sur OpenAlexaff
Mohammed Aledhari, Reza M. Parizi, Ali Dehghantanha, Kim‐Kwang Raymond Choo

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueChaos-based Image/Signal Encryption
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésComputer scienceEncryptionAlgorithmCryptographyCloud computingPublic-key cryptographyHandshakingComputer networkComputer securityDistributed computingOperating system

Résumé

récupéré en direct d'OpenAlex

Internet of Things (IoT) is being utilized in a plethora of applications, many of which aim to improve system performance. IoT nodes suffer from several limitations, such as power supply, computational capability, and information security. The current state of IoT information and the potential for security breaches represent a significant untoward condition, especially regarding the organizational necessity for confidentiality and privacy. In this paper, we propose a strong, simple and energy conserving three-stage data encryption algorithm with a focus on securing IoT data in support of greenhouse applications. The stages include: (1) a novel implementation of the K-Map substitution functions; (2) the utilization of a chaotic equation to generate a sequence of random numbers, which are added to the result of the first stage; (3) the third stage incorporates the Rivest, Shamir, and Adelman (RSA) algorithm, performed on feeds from the output of the second stage, resulting in encrypted data, requiring private key decryption. The proposed algorithm eliminates the handshaking of the traditional RSA to exchange the keys (private and public) between IoT nodes and the cloud (server), then reduce the transmission time by 30%. The proposed cryptography algorithm is implemented and tested using two evaluation methods: a single micro-controller (standalone) and on a server (cloud). The algorithm is tested in both directions up/down link, and provides an acceptable and stable performance with 1.3 faster than the original RSA.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,007
Tête enseignante GPT0,227
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

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

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetChaos-based Image/Signal EncryptionTravaux en français237 207