Permissioned Blockchain Reinforced API Platform for Data Management in IoT-based 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
With the rise of IoT-based sensor networks, there is an increasing need for proper security mechanisms and efficient management of crucial resources, such as energy. At the same time, as more services are integrated, more sensors are introduced into the network. As a consequence, the architecture that manages these sensors need to be improved. Blockchains can be a solution in terms of data security. To cater to the inexpensive devices used as sensors in most IoT-based sensor networks, usually, permissioned blockchains are used as its base data management structure. However, due to the diverse collection of sensors that can be incorporated into a network, a static database is not enough. A more sustainable and automative system is needed as its service administrator. Therefore, we chose to integrate smart contracts to enable adaptive and dynamic automation. Lastly, to manage the reception of all the incoming data, a proper interface is required. Therefore, we chose to encapsulate the blockchain within a REST API to enable a systematic allocation of network resources. With these technologies, we propose a low-cost platform to address the management issues of current IoT-based sensor networks. We tested our design against a commercial REST API service and standard socket communication to test its feasibility. The testing metrics were latency and throughput. Based on the results, our platform proved to be the most stable and proficient among the configurations. Therefore, our proposed design shows promise as a low-cost, secure, and systematic means of managing IoT-based sensor networks.
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 | 0,008 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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