MétaCan
Menu
Retour à la cohorte
Enregistrement W4250241856 · doi:10.32920/ryerson.14647176.v1

A secure multiparty micropayment protocol for internet access over WLAN mesh networks

2021· preprint· en· W4250241856 sur OpenAlexaff
Nitish Biswas

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineEngineering
ThématiqueIPv6, Mobility, Handover, Networks, Security
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésRoamingComputer networkComputer scienceBloom filterThe InternetComputer securityHash functionPaymentScheme (mathematics)

Résumé

récupéré en direct d'OpenAlex

<p>Presently, multi-hop WLAN mesh networks have become an alternative to wired networks for last-mile user access enabling numerous internet-based services. Thus, we have proposed MMPay, a secure multiparty micropayment protocol for internet access over WLAN mesh networks, enabling: a secure network access anywhere and anytime according to user desire; seamless user roaming across the independent operator’s networks; and lightweight real-time payments to all involved parties that eliminate huge user trust relationships, online remote user authentications and mutual roaming agreements among the participating parties. The incontestable MMPay scheme has been devised from existing micropayment schemes emulating their good attributes and eliminating security vulnerabilities and difficulties, which includes: hash-chain based variable length payment instrument, user’s payment certificate at smartcard, shared and mixed signature scheme, and an efficient redemption approach. The OPNET-simulation results show that the pricing contract response-times are little lengthy but have no effect on data communication; payments and hand-offs are efficient; and the scheme has no effect on data communication ETE-delay and throughput. Thus, the scheme is secure, efficient and lightweight, and will be a practical solution for future small to large-scale WLAN mesh networks enabling faster hand-off. </p>

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Protocole · Signal consensuel: aucune
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,029
Tête enseignante GPT0,315
Écart entre enseignants0,285 · 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 tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreProtocole

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

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIPv6, Mobility, Handover, Networks, SecurityTravaux en français237 207