MétaCan
Menu
Retour à la cohorte
Enregistrement W3110056839 · doi:10.1109/jiot.2020.3041163

Application-Oriented Block Generation for Consortium Blockchain-Based IoT Systems With Dynamic Device Management

2020· article· en· W3110056839 sur OpenAlexafffund
Aiqing Zhang, Peiyun Zhang, Huaqun Wang, Xiaodong Lin

Notice bibliographique

RevueIEEE Internet of Things Journal · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Science Foundation of Anhui ProvinceAnhui Normal UniversityNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésComputer scienceBlockchainTraceabilityDistributed computingBlock (permutation group theory)Transaction processingComputer securityComputer networkDatabase transactionDatabaseSoftware engineering

Résumé

récupéré en direct d'OpenAlex

Due to its salient features, such as immutability and auditability, blockchain is becoming more integrated into the Internet of Things (IoT) for enhancing security and developing a decentralized IoT framework. However, different IoT applications require different transaction processing performance, which brings challenges to the convergence of blockchains in IoT. Moreover, the membership of a distributed IoT system may fluctuate when an IoT device joins or leaves the system. The dynamic nature of IoT systems also introduces new challenges for device management. Accordingly, we propose an application-oriented block generation (AOBG) scheme for blockchain-enabled IoT with dynamic device management and conditional traceability. Specifically, we first construct a framework for a consortium blockchain-based IoT system, including structures for application-oriented transactions and blocks, and consensus mechanism. We present different miners, respectively, for processing urgent and ordinary transactions adaptively with applications. Then, an AOBG protocol is proposed for this framework based on group signature. The group signature is used to achieve anonymity, traceability, and nonframeability. Combining time-bound keys in group signature with node accounts in blockchain, the proposed scheme can realize efficient transaction verification, dynamic device management, conditional traceability with data security, and privacy preservation. Extensive experiments demonstrate high efficiency of the proposed scheme.

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)0,002
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: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,013
Tête enseignante GPT0,238
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 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

Citations37
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Internet of Things JournalMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207