A Blockchain-Based Secure Data Aggregation Strategy Using Sixth Generation Enabled Network-in-Box for Industrial Applications
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
Sixth generation (6G) network is a revolutionary technology to satisfy the ever-growing demands from the sustainable development of emerging industrial applications and services. Due to its high flexibility, convenient and rapid deployment, self-organization capability, and outstanding expansibility, network-in-box (NIB) represents a promising approach for future networks. The integration of NIB with 6G can lead to many new applications in geoscience, robotics, and industrial automation. For 6G-enabled NIB, services are deployed directly on the NIB, which increases the fault tolerance and reduces the traffic volume on the backhaul link. As more and more data are processed and shared in industrial applications and services, the security of data aggregation becomes a key challenge for 6G-enabled NIB. To address this challenge, in this article, we propose a blockchain based privacy-aware distributed collection (BPDC) oriented strategy for data aggregation. In BPDC, an improved blockchain with a new block header structure and two different block generation rules are designed and introduced, which restricts the task receivers to search and receive the tasks beyond their levels of security permission. While guaranteeing the data aggregation performance, BPDC can also achieve privacy protection by decomposing sensitive tasks and task receivers into multiple groups. Validation experiments show that the BPDC accomplishes low overhead, high throughput, and privacy preservation in various industrial applications.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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