MétaCan
Menu
Retour à la cohorte
Enregistrement W4307182193 · doi:10.36227/techrxiv.21341796

Internet of Everything: Enabling Technologies, Applications, Security and Challenges

2022· preprint· en· W4307182193 sur OpenAlexaff
Wazir Zada Khan, Wajid Rafique, Noman Haider, Saqib Hakak, Muhammad Ali Imran

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineComputer Science
ThématiqueIoT and Edge/Fog Computing
Établissements canadiensUniversity of New BrunswickUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésInteroperabilityComputer scienceProvisioningKey (lock)Computer securityImplementationThe InternetWorld Wide WebTelecommunicationsSoftware engineering

Résumé

récupéré en direct d'OpenAlex

<p>Internet of Everything (IoE) connects billions of people, devices, objects and things to the Internet for autonomous services provisioning. IoE benefits from the value created by the compound impacts of connecting people, processes, things, and data. The interoperability among heterogeneous components facilitates seamless communication exchange for service provisioning in almost all the fields of life. Apart from providing immense benefits in autonomous services provisioning, it suffers from implementation issues, architectural considerations, and security and privacy vulnerabilities. There is a lack of surveys that comprehensively discuss all the aspects of IoE. Therefore, we design this survey to discuss key effective implementation of IoE. We discuss enabling technologies, architectural components, and expectations for an efficient realization of IoE. We discuss state-of-the-art use cases, synergies, and implementations of IoE that could be used as a road-map for and effective implementation of IoE-enabled systems. We highlight key security, privacy, and trust issues. We identify lethal attack scenarios and highlight countermeasures against these attacks. Finally, we discuss current challenges, their solutions, and future research directions. This survey provides key insights for implementing future IoE systems.</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 candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,872
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,012
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,053
Tête enseignante GPT0,259
Écart entre enseignants0,206 · 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'étudeAutre devis
Domainenon disponible
GenreMéthodes

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

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetIoT and Edge/Fog ComputingTravaux en français237 207