Cryptanalysis and Improvement of a Pairing-Free Certificateless Aggregate Signature in Healthcare Wireless Medical Sensor Networks
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The healthcare wireless medical sensor network is gradually changing the traditional mode of medical treatments with the rapid development of Internet of Things. Specifically, patients' healthcare data can be continuously collected by medical sensor nodes and transmitted to the medical specialists for disease monitoring, diagnosis and treatments. Recently, due to its advantages of low computational and communication overheads in a multiuser environment, the certificateless aggregate signature (CLAS) scheme has been adopted to prevent the sensitive healthcare data from being tampered and damaged, thereby ensuring the integrity and authenticity of data. In order to further improve the efficiency of CLAS schemes for the sensor nodes with limited resources, several CLAS schemes without bilinear pairing have been proposed. However, security issues prevent them from being fully applied in the practical scenarios. In this article, we analyze the security of a pairing-free CLAS scheme proposed by Liu et al. [IEEE Internet of Things Journal, vol. 7, no. 6, pp. 5256-5266, 2020] by pointing out that their scheme is insecure against adversaries. After that, we introduce an improved scheme to solve the security vulnerability. The security proofs show that our improved scheme is existentially unforgeable against chosen message attacks under the random oracle model. In addition, the length of the aggregate signature in our proposal does not increase with the growth of the number of users, which greatly reduces the communication cost. Finally, the efficiency of our scheme is illustrated through both performance analyses and comparisons of related work.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle