D2D-MAP: A Drone to Drone Authentication Protocol Using Physical Unclonable Functions
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 continuous miniaturization of electronic devices and the recent advancements in wireless communication technologies, Unmanned Aerial Vehicles (UAVs), in general, and Small Unmanned Aerial Vehicles (SUAVs, a.k.a., drones), in particular, are becoming progressively used by the civilian sector within the context of a variety of applications, bringing great convenience to the public. However, due to their resource-constrained nature, risky environmental application, and wireless way of communication, drones are not immune from cyberthreats. As a consequence, the security of drones (SUAVs) has recently gained significant attention by the research community. In particular, when it comes to inter-drone communication. Although traditional cryptographic techniques may provide a certain level of security, they actually constitute a heavy burden on SUAVs due to their resource-constrained nature. In the light of enforcing the security of inter-drone communications, this paper proposes a lightweight drone-to-drone authentication protocol, called D2D-MAP, that uses PUF (Physical Unclonable Function) technology. We design the protocol and evaluate its resilience against various attacks. We use resource-constrained hardware to implement the authentication protocol and perform an evaluation of its performance. We show that the protocol's security and the obtained performance are prominent compared to state-of-the-art authentication protocols, and that they conform to SUAVs security and performance requirements.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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