Interplay between Physical Layer Security and Blockchain Technology for 5G and Beyond: A Comprehensive Survey
Notice bibliographique
Résumé
Fifth-generation and beyond (5G and xG) wireless networks are envisioned to meet the requirements of various vertical applications that require higher traffic throughput, ultra-massive connectivity, extremely low latency, and high quality of service. Disruptive technologies, such as massive multiple-input multiple-output, millimeter wave, and multiple access are being deployed to meet these requirements. However, the deployment of these technologies poses several challenges, including the lack of network transparency, management decentralization, and reliability. In addition, the heterogeneity of these networks raises security concerns, particularly, confidentiality, privacy, and trustworthiness. Typically, networks rely on encryption techniques at higher layers to ensure security and privacy. However, due to the emergence of novel computing paradigms, such as quantum computing, traditional security approaches are no longer sufficient to protect over-the-air communications. Therefore, 5G/xG networks must consider smarter and more efficient security techniques to operate seamlessly and efficiently. Within this context, physical layer security (PLS) and blockchain represent promising solutions to complement existing methods. By exploiting the characteristics of wireless links, PLS can enhance the security of wireless communications, while blockchain can guarantee the decentralization, integrity, and trustworthiness of networks. Motivated by these technological advancements, this paper provides an in-depth review of the existing literature on PLS and blockchain. Then, for the first time, we present a framework for the integration of PLS with blockchain in 5G/xG systems. We begin by providing a thorough discussion about the potential of PLS and blockchain for 5G/xG systems. Next, we present our vision of a cross-layer architecture that leverages both PLS and blockchain in 5G/xG networks. Finally, we identify related challenges and open issues and shed light on future research directions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».